mcp-cli：按需调用的 MCP 工具，让你的 AI 编程助手 context 不再被塞满

用过 Claude Code 或者 Cursor 的同学，一定装过不少 MCP Server 吧？GitHub、Slack、Postgres……一个一个接进去，结果 context 窗口被一堆用不上的工具塞满，模型反而变慢了。

今天挖到一个很「克制」的 Skill——mcp-cli，来自老牌开发者工具仓库 obra/superpowers-lab（⭐ 423），专门解决这个痛点：让 MCP 服务器「随用随调」，不占用任何 context。

它解决了什么问题？

传统 MCP 集成是「常驻」模式——你配置了多少个 server，AI 每次请求都会把所有工具定义塞进 context。用得上的没几个，token 倒是烧了不少。

mcp-cli 换了一个思路：按需调用。你需要什么 MCP 工具，现用现调；不需要的时候，context 里完全没有它们的痕迹。

核心能力一览

• 动态发现：用 mcp CLI 工具随时查询可用工具/资源/prompts，不预先加载
• context 友好：只在你明确调用时才加载对应工具定义
• 跨客户端兼容：Claude Code、Cursor、Windsurf 等主流 AI 编程工具都支持
• 轻量安装：通过 npx / bunx 一键装入现有项目

怎么用？

安装只需要一行命令：

npx skills add obra/superpowers-lab/mcp-cli --agent claude-code

装完之后，让 AI 用自然语言描述你想做的事，它会通过 mcp-cli 动态找到合适的 MCP 工具并调用。比如：「帮我查一下这个 GitHub 仓库的 issue 列表」，它会临时接入 GitHub MCP，拿完数据就释放，不留残余。

适用场景

• 同时用到多个 MCP 服务器，但不想每次都全量加载
• context 窗口经常告急，想优化 token 消耗
• 需要临时调用某个特定服务（GitHub、数据库、Slack），用完就走

值得注意的点

mcp-cli 本身不包含任何 MCP 服务器实现，它只是一个「调度层」。你需要预先安装好目标 MCP 服务器（通过 Smithery 或手动配置），然后把调度权交给 mcp-cli。

如果你用的是 Claude Code，或者刚接触 MCP 不久，这个 Skill 是很好的「上下文优化第一步」。

⭐ GitHub 仓库直达

GitHub: https://github.com/obra/superpowers-lab