為 Claude Code 和 Codex 設定 PandaNpc MCP 伺服器

更新於 2026-08-18

PandaNpc MCP 伺服器會將支援 MCP 的編碼代理程式連線到您的 PandaNote 知識庫、工作紀錄、排定工作、模型設定及 Agent Service Center。當代理程式需要持久的專案脈絡，而不是每次都要從空對話開始時，這項功能就很實用。

伺服器會透過 MCP 的標準輸入/輸出傳輸在本地端執行。您的 MCP 用戶端會在工作階段開啟時啟動 pandanpc-mcp 程序；您不需要開放連接埠，也不需要另外執行 Web 伺服器。

安裝前

您需要：

在 MCP 用戶端執行的相同環境中具備 Node.js 和 npm。
一個可存取用於驗證之電子郵件地址的 PandaNpc 帳戶。
Claude Code、OpenAI Codex、Cursor 或其他支援本地 stdio MCP 伺服器的用戶端。

如果您希望代理程式在您自己的其中一台電腦上排定工作，請先安裝並連接 PandaPaw。筆記和工作區工具不需要 PandPaw 裝置在線上。

安裝或更新 MCP 伺服器

在 macOS、Linux 或 Windows 上全域安裝套件：

bash

npm install -g @pandanpc/mcp-server

確認可執行檔已出現在您的 shell 中：

bash

pandanpc-mcp --help

每當您想要更新時，請執行相同的 npm 指令。更新後請重新啟動 MCP 用戶端，因為已在執行的用戶端會保留它最初啟動的程序版本。

當某個工具或其行為與舊版螢幕擷取畫面或教學課程不同時，請查看 MCP 伺服器版本歷史紀錄。

將 PandaNpc 新增至 Claude Code

最可靠的方法是使用 Claude Code 自己的設定指令。如果您希望 PandaNpc 在每個專案中都可用，請使用使用者範圍：

bash

claude mcp add --scope user pandanpc -- pandanpc-mcp

當設定應透過目前儲存庫共用時，請改用 --scope project；當設定應僅適用於目前專案中的您時，則使用 --scope local。

檢查已註冊的伺服器：

bash

claude mcp get pandanpc
claude mcp list

您也可以在 Claude Code 安裝所使用的 MCP 設定中手動設定 stdio 伺服器：

json

{
  "mcpServers": {
    "pandanpc": {
      "command": "pandanpc-mcp"
    }
  }
}

將 PandaNpc 新增至 OpenAI Codex

Codex 可以從指令列註冊相同的本地程序：

bash

codex mcp add pandanpc -- pandanpc-mcp

驗證已儲存的設定：

bash

codex mcp get pandanpc
codex mcp list

在 ~/.codex/config.toml 中的對應項目是：

toml

[mcp_servers.pandanpc]
command = "pandanpc-mcp"

新增伺服器後，請重新啟動 Codex 或開啟新的工作階段。如果您維護自訂的 Codex 設定檔，請將 MCP 表格放在該檔案中，而不是跨檔案重複。

設定 Cursor 及其他 MCP 用戶端

對於 Cursor，使用與 Claude Code 顯示的相同 JSON 格式，將本地伺服器新增至 ~/.cursor/mcp.json。對於 Windsurf 及其他用戶端，請建立一個 stdio MCP 伺服器，其指令為 pandanpc-mcp，且引數清單為空。

可執行檔必須位於圖形應用程式所繼承的 PATH 中。如果在終端機中可以運作，但桌面用戶端回報「找不到指令」，請使用下列指令傳回的絕對可執行檔路徑：

bash

command -v pandanpc-mcp

在 Windows PowerShell 中，請使用：

powershell

Get-Command pandanpc-mcp

從代理程式登入

PandaNpc 使用兩步驟電子郵件驗證流程。請要求代理程式依序執行下列動作：

使用您的電子郵件地址呼叫 note_login。PandaNpc 會傳送驗證碼。
使用相同的電子郵件地址和驗證碼再次呼叫 note_login。

本地端認證會快取，因此您不需要在每個工作階段中都登入。切勿將驗證碼貼到公開的轉錄稿或共用的提示中。

驗證 MCP 連線

在允許代理程式建立或編輯資料之前，請先執行一個小型唯讀測試：

要求它呼叫 list_workspaces。
要求它針對一個工作區呼叫 list_notes。
要求它使用 search_notes 搜尋一個無害的關鍵字。

成功的回應表示 MCP 用戶端已啟動程序、驗證已完成，且帳戶 API 可連線。若要進行寫入測試，請建立一個可拋棄的筆記，然後將其軟刪除。

您的 MCP 用戶端顯示的確切工具清單是已安裝版本的事實來源。工具會圍繞下列工作流程分組：

工作流程	典型工具	重要行為
筆記	`list_notes`、`create_note`、`read_note`、`update_note`、`search_notes`	`update_note` 會取代完整內文；編輯前請先讀取
工作紀錄	`save_done`	自動將已完成的工作儲存在今天的專案資料夾中
工作區	`list_workspaces`、`create_workspace`、`update_workspace`	繫結的專案路徑可讓伺服器找到正確的工作區
排定工作	`list_scheduled_bridges`、`create_scheduled_task`、`list_scheduled_task_runs`	PandaPaw 機器必須在線上；cron 運算式使用六個欄位
提供者和模型	`list_providers`、`list_models`、建立/更新/刪除工具	請先列出清單，以便使用目前的 ID 和有效的模型類型
規則和技能	`sync_rules`	同步支援的專案指示，同時略過未變更的檔案

如需提供者和模型欄位定義，請參閱自訂 AI 提供者和 API 金鑰。如需帳戶和計費限制，請參閱 PandaNpc 帳戶、方案和 API 成本。

安全操作實務

在建立、更新、刪除或排定動作之前，請先使用清單、讀取或搜尋工具。
更新筆記前請先讀取，因為筆記更新會取代整個 Markdown 文件，而不是套用修補程式。
將排定的提示視為程式碼執行要求：請確認目標機器、工作目錄、時區和六欄位 cron 運算式。
請勿將提供者 API 金鑰放在提示和筆記中。只能透過預定的提供者設定流程輸入機密。
在允許破壞性或外部動作之前，請檢閱 MCP 工具核准卡片。
請使用 save_done 來記錄工作紀錄，而不是手動猜測正確的工作區和日期資料夾。

疑難排解

用戶端說找不到 `pandanpc-mcp`

安裝後請開啟新的終端機，並檢查可執行檔路徑。桌面應用程式有時會繼承較舊的 PATH；請設定絕對路徑或重新啟動應用程式。如果 npm 是透過版本管理員安裝的，請確認 MCP 用戶端是在相同的使用者和環境下啟動。

伺服器已註冊，但沒有出現任何工具

重新啟動用戶端，然後檢查 claude mcp get pandanpc 或 codex mcp get pandanpc。如果指令錯誤，請移除並重新新增項目。同時請確認您沒有將本地 stdio 程序設定為 HTTP URL。

工具顯示您未通過驗證

重複兩次 note_login 呼叫。請使用最新的驗證碼、檢查垃圾郵件資料夾，並確認兩次呼叫使用相同的電子郵件地址。

排定工作找不到機器

請先呼叫 list_scheduled_bridges。如果沒有傳回可用的裝置，請在目標機器上確認 PandaPaw 狀態和裝置連線。已關機、休眠、登出或中斷連線的機器無法啟動排定的執行。

筆記更新移除了現有文字

update_note 接受完整的取代內文。請從可用的歷史紀錄或垃圾桶還原筆記，然後讀取目前內容並提交合併後的文件。

需要帳戶特定的協助嗎？請聯絡 support@pandanpc.com，並附上 MCP 用戶端名稱、作業系統、套件版本以及不含機密的確切錯誤訊息。