两个月前，我让 Claude 帮我分析一份竞品调研报告。我的做法是：打开飞书找到文档，复制正文，粘贴进 Claude 对话框，等待回复。
这个流程看起来很正常，但有一天我意识到：我每天要重复这套「找 → 复制 → 粘贴」动作几十次。我在给 AI 当秘书，而不是让 AI 帮我做产品决策。
MCP 改变了这件事。
什么是 MCP，为什么产品经理应该关注它
MCP（Model Context Protocol）是 Anthropic 2024 年底发布的开放协议，本质是让 AI 能调用外部工具的标准接口。
用一个比喻来说：
- 没有 MCP 的 Claude = 一个智力极强、但被关在小房间里的顾问，只能处理你带进来的信息
- 有 MCP 的 Claude = 同样的顾问，但他现在有权限进入你的文件柜、查阅飞书、打开浏览器、读取数据库
对产品经理来说，这个差异决定了 AI 是「增强思维的工具」还是「需要喂饭的工具」。
MCP 的三个核心能力
1. Resources（读取资源）：Claude 可以读取本地文件、数据库记录、API 数据。你不用复制粘贴，让它去拿。
2. Tools（调用工具）：Claude 可以主动执行操作——搜索飞书、查 GitHub Issues、抓取网页内容，把结果整合进回答。
3. Prompts（预设上下文）：可以给 Claude 预设角色和信息，每次对话自动带入你的公司背景、产品定位、团队 OKR。
5 个高价值 MCP 工具组合，覆盖 PM 80% 的日常场景
以下是我实测最有价值的组合，按配置难度从低到高排列。
Tool 1：文件系统 MCP（10 分钟配好，价值最高）
官方名称：@modelcontextprotocol/server-filesystem
能做什么：Claude 可以直接读写你指定的本地文件夹。你的 PRD 草稿、竞品截图分析、会议纪要 Word 文档——全都可以直接丢给 Claude 分析，不用复制。
典型使用场景：
你：帮我看一下 ~/docs/2026-Q2/产品规划.md，找出我们目前 OKR 和用户反馈之间的矛盾点
Claude：（直接读取文件，给出分析）
配置方式：在 Claude Desktop 的 claude_desktop_config.json 中加入：
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-filesystem",
"/Users/yourname/docs",
"/Users/yourname/Desktop"
]
}
}
}
把路径改成你自己的工作目录即可。
Tool 2：飞书 MCP（对飞书重度用户价值极高）
开源方案：feishu-mcp（GitHub 搜索可找到多个社区实现，推荐 star 数最多的版本）
能做什么：Claude 可以直接检索你的飞书文档、读取多维表格、查看日历。
典型使用场景：
你：上周的产品需求评审会议纪要里，研发提的那些技术疑虑有哪些没有被解决？
Claude：（检索飞书相关文档，汇总未闭环问题）
注意：需要在飞书开放平台创建自建应用并获取 App ID + Secret，按照 README 配置 OAuth 授权范围。全程约 20 分钟。
Tool 3：Notion MCP（团队用 Notion 的必配）
官方支持：@notionhq/notion-mcp-server（Notion 官方维护）
能做什么：读取 Notion 数据库、页面内容，可以让 Claude 直接引用你的项目 Wiki、功能 Backlog、用户调研库。
最爱的用法——把用户访谈库接进来：
你：从我们上个月的 30 条用户访谈记录里，找出提到"查找困难"相关问题的用户，他们的使用场景有什么共同点？
Claude：（读取 Notion 数据库，生成分析）
Tool 4：GitHub MCP（做技术驱动产品必备）
官方名称：@modelcontextprotocol/server-github
能做什么：Claude 可以读取 Issues、PR、代码文件。
产品经理的用法（不是程序员也用得到）：
你：最近 30 天，哪些 Issues 被关闭了但没有关联 PR？可能是哪些功能没有真正上线？
Claude：（检索 GitHub Issues 状态，交叉比对）
在迭代复盘时，这个能力让你不用再依赖研发自我汇报，可以直接看数据。
Tool 5：网页抓取 MCP（竞品调研神器）
方案：@modelcontextprotocol/server-puppeteer 或 Firecrawl MCP
能做什么：Claude 可以直接抓取网页内容，不用你手动复制竞品文案。
典型使用场景：
你：把这 5 个竞品的定价页面抓下来：[URL1][URL2]...[URL5]，帮我做一个功能-价格对比表
Claude：（批量抓取页面，输出结构化对比）
以前做竞品分析要打开 5 个标签页、逐一截图、整理表格，现在一个指令搞定。
如何把这 5 个工具组合成 PM 工作台：完整配置示例
Claude Desktop 的配置文件在：
- macOS：
~/Library/Application Support/Claude/claude_desktop_config.json - Windows：
%APPDATA%\Claude\claude_desktop_config.json
一份典型的 PM 工作台配置：
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem",
"/Users/yourname/Documents", "/Users/yourname/Desktop"]
},
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxxxxxxxxxxx"
}
},
"puppeteer": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-puppeteer"]
}
}
}
Notion 和飞书因为需要 OAuth，建议参考各自官方文档单独配置。
实际效果：一个用 MCP 工作台完成需求评审的示例
最近我用这套工作台处理了一次需求评审前的准备工作，过程是这样的：
- 让 Claude 读取本地文件夹里的 PRD 草稿（filesystem MCP）
- 让 Claude 抓取竞品最新的 Changelog 页面（puppeteer MCP）
- 让 Claude 检索飞书里上一期用户调研中与本次功能相关的反馈（飞书 MCP）
- 整合成一份「需求背景 + 竞品对标 + 用户声音」的评审前置材料
以前这个准备工作要 45 分钟，现在 5 分钟。
重要的是：我没有减少思考，而是把信息搬运的时间还给了真正需要判断力的部分。
关于安全性和数据隐私的几点提醒
在接入 MCP 之前，有几点需要产品经理特别注意：
明确授权范围：文件系统 MCP 只开放你明确指定的文件夹，不要授权整个 ~/ 目录。
Token 不入代码：GitHub、Notion 的 API Token 放在配置文件的 env 字段，确认配置文件没有被同步到公共 Git 仓库。
企业数据谨慎接入：如果是用于公司项目，提前确认公司对 AI 工具使用的数据安全政策，飞书等平台的企业账号接入需要 IT 审批。
用官方 MCP 服务器：Anthropic 和各工具官方维护的 MCP 服务器代码是开源可审查的，第三方 MCP 使用前需要自己看源码。
下一步怎么走
如果你现在还没用过 MCP，推荐的入门顺序：
- 先配文件系统 MCP——10 分钟上手，立刻体验到"让 Claude 直接读文件"的感觉
- 再接一个你最常用的工具（飞书 / Notion / GitHub 三选一）
- 把 MCP 接入稳定后，考虑给 Claude 写一段常驻 System Prompt——包括你的角色（产品经理）、公司产品定位、当前季度 OKR，让每次对话都自带正确上下文
AI 工具的真正价值不在于它有多聪明，而在于它能接触到多少你真实的工作上下文。MCP 是目前为止最接近"真正懂你工作"的技术路径。