在完成文档切分、向量化和 MCP Server 开发后我们已经具备了一个可以被外部调用的知识库服务。

服务能够运行，并不代表 AI 客户端能够稳定、准确地使用它。

从“服务可用”到“客户端按需调用”，中间还需要解决几个痛点：

• Claude Code 如何发现并连接 MCP Server？按理说，
• 使用者提出问题后客户端如何判断该查询哪个知识库？说起来，
• 如何通过文档类型缩小检索范围？
• MCP 返回的知识片段如何参与大模型的最终回答？
• 如何避免把完整的内部文档长期放入模型上下文？怎么说呢，

这篇文章以 Claude Code 调用 CorpRAG 为例。介绍“客户端配置—规则路由—工具发现—向量检索—答案生成”的完整链路。

一、完整调用链

整个流程可以概括为：

使用者 │ │ 在 Claude Code 中提出问题 ▼Claude Code │ │ 根据 CLAUDE.local.md 判断是否需要查询知识库 │ 命中决策场景 → 加载 Skill
▼Skill │ │ 识别决策类型
│ 将宽泛问题
为具体查询
│ 调用 MCP 工具
▼MCP 工具调用
│ mcp__corprag__fr_query
▼CorpRAG MCP Server
│ 参数校验 + 知识库路由
▼向量检索
│ 问题向量化 → 查询对应向量表 → 返回相关片段
▼MCP Server
│ 格式化片段、来源和文档类型
▼Claude Code
│ 将使用者问题、检索结果和当前上下文交给大模型组合
▼最终回答

这里涉及两种不同模型的职责：

1. Embedding 模型负责把问题转换为向量，用于查找语义相近的知识片段；
2. Claude 大模型负责理解使用者意图、选择工具、阅读检索结果并组织最终答案。按理说，

MCP Server 不直接替代大模型回答问题。它提供的是与当前问题相关的知识上下文。不过，

二、Claude Code 如何连接 MCP Server

项目通过根目录下的 .mcp.json 声明 MCP 服务：

{
"mcpServers": {
"corprag": {
"command": "node"。"args":,"cwd": ""
}
}
}

. 服务名称

corprag 是 Claude Code 识别该 MCP Server 时使用的名称。

服务端注册的工具（如 fr_query) 在 Claude Code 运行时中显示为：

mcp__corprag__fr_query

名称可以拆成三部分：

mcp__<服务名称><工具名称>

规则文档中描述的逻辑名称 .fr_query 与 Claude Code 运行时展示的完整名称 mcp__corprag__fr_query ` 指向的是同一个工具。

. STDIO 传输

Court Code 根据配置启动一个子进程，执行编译后的 MCP Server入口文件。入口文件中通过 StdioServerTransport 建立通信：

const server = createServer;const transport = new StdioServerTransport;其实，await server.connect;

• Court Code 是 MCP Client；
• Court RAG 是 MCP Server；不过，
• both 使用标准输入和标准输出传递 MCP 协议消息；
• SERVICE 日志应写入标准错误，避免干扰协议消息。

STDIO 的好处：适合本地知识库场景。不需要额外监听网络端口，也不必将知识库服务暴露到公网。

. 工作目录

cwd 指定 MCP Server 启动时工作目录。当服务需要读取环境变量、本地数据或相对方法时正确工作目录很关键。显式配置 cwd 可减少不同启动环境带来的方法差异。