作為一個獨立開發UserJot 的開發者，我花了太多時間在重複性任務上。除了分析使用者回饋、進行關鍵字研究、查看支援工單以及實際編寫程式碼之外，我幾乎沒有時間寫程式碼。
後來我發現了 MCP（模型上下文協定），並自動化了大部分這類任務。你也可以這樣做。
什麼是 MCP？
MCP 允許像 Claude 這樣的 AI 助手與外部工具和服務互動。 Claude 不只聊天，還可以：
-
在電腦上讀取和寫入文件
-
呼叫 API 和 Web 服務
-
執行終端命令
-
存取資料庫
-
基本上執行您為其編寫的任何程式碼
可以將其視為建構 Claude 可以在需要時呼叫的自訂函數。
FastMCP 讓一切變得簡單
雖然 MCP 很實用，但從頭建立伺服器需要編寫樣板程式碼。 FastMCP 簡化了這項流程。
這是一個基本的例子：
import { FastMCP } from "fastmcp";
import { z } from "zod";
const server = new FastMCP({
name: "My Automation Server",
version: "1.0.0",
});
server.addTool({
name: "check_todos",
description: "Get my current todo list",
parameters: z.object({
status: z.enum(["pending", "completed", "all"]).default("pending"),
}),
execute: async (args) => {
// Your logic here to fetch todos
const todos = await fetchTodosFromNotion(args.status);
return todos.map(t => `- ${t.title}`).join('\n');
},
});
server.start({ transportType: "stdio" });現在，當您要求時，Claude 可以檢查您的待辦事項。
我建構的工具
以下是真正節省我時間的 MCP 工具：
1.關鍵字研究
我沒有手動檢查搜尋量，而是建立了一個從 SEO API 中提取資料的工具：
server.addTool({
name: "keyword_research",
description: "Research keywords for blog topics",
parameters: z.object({
topic: z.string(),
intent: z.enum(["informational", "commercial", "transactional"]),
}),
execute: async (args) => {
// Calls SEO APIs to get search volume, difficulty, related keywords
const data = await analyzeKeywords(args.topic, args.intent);
return formatKeywordReport(data);
},
});現在我可以問：“克勞德，研究‘用戶反饋工具’的關鍵字”，並在幾秒鐘內而不是 15 分鐘內獲取資料。
2. 支援工單摘要
我以前每天早上要花 30 分鐘瀏覽支援郵件。現在我有了一個可以匯總這些郵件的工具：
server.addTool({
name: "analyze_support",
description: "Analyze recent support tickets",
parameters: z.object({
days: z.number().default(7),
urgentOnly: z.boolean().default(false),
}),
execute: async (args) => {
const tickets = await fetchSupportTickets(args);
return categorizeAndPrioritize(tickets);
},
});3. 任務優先級
一個簡單的工具可以幫助我弄清楚下一步該怎麼做：
server.addTool({
name: "smart_todos",
description: "Manage and prioritize my development tasks",
parameters: z.object({
action: z.enum(["list", "add", "complete", "prioritize"]),
task: z.string().optional(),
category: z.enum(["feature", "bug", "refactor", "content"]).optional(),
}),
execute: async (args) => {
if (args.action === "prioritize") {
// Sorts tasks based on impact and urgency
return await prioritizeTasks();
}
// Handle other actions...
},
});4. 使用者回饋閱讀器
這個連接到 UserJot 的 API 來提取功能請求：
server.addTool({
name: "top_feature_requests",
description: "Get the most requested features from UserJot",
parameters: z.object({
limit: z.number().default(10),
minVotes: z.number().default(5),
}),
execute: async (args) => {
const feedback = await userJotAPI.getFeatureRequests({
sortBy: "votes",
limit: args.limit,
threshold: args.minVotes,
});
return feedback.map(f =>
`${f.title} (${f.votes} votes)\n${f.description}`
).join('\n\n');
},
});如何使用 UserJot 與 MCP
UserJot是我收集使用者回饋的地方。我目前的工作流程如下：
-
使用者在我的 UserJot 板上提交回饋
-
其他用戶投票選出重要事項
-
我的 MCP 工具讀取了最熱門的請求
-
我使用這些資料來決定下一步要做什麼
我們正在努力為 UserJot 提供原生 MCP 支援。目標是讓您更輕鬆：
-
將功能請求直接拉入您的編碼工作流程
-
根據使用者描述產生實施計劃
-
追蹤已處理的回饋
例如，您可以詢問 Claude：「最需要的功能是什麼？」並讓它自動檢查 UserJot，然後幫助您實現它。
設定
- 安裝依賴項：
npm install fastmcp zod-
建立伺服器檔案（例如
my-automation.ts） -
將其新增至 Claude 桌面：
{
"mcpServers": {
"my-automation": {
"command": "npx",
"args": ["tsx", "/path/to/my-automation.ts"]
}
}
}- 開始使用它
實際結果
自從實施這些工具以來：
-
我每天在重複性任務上節省約 2 小時
-
我花在管理工作上的時間更少了，因此我可以更快地交付功能
-
我更快回覆支援工單
-
我可以更好地決定要建立什麼（基於真實用戶資料）
每個工具的建置和測試大約需要 30 分鐘。
入門
選擇一項讓你煩惱的重複性任務。也許是：
-
每天早上檢查多個儀表板
-
格式化報告資料
-
執行相同的 API 測試
-
對電子郵件或票據進行分類
為它建立一個簡單的 MCP 工具。模式很簡單：
-
找到您想要自動化的服務的 API
-
將其包裝在 FastMCP 伺服器中
-
將其連接到 Claude
-
使用它來代替手動執行任務
您已經使用的服務大多有 API：Notion、Linear、Slack、GitHub 等。每個都可以成為 MCP 工具。
下一步
人工智慧助理與可程式工具的結合正在改變我們的工作方式。無需在十幾個應用程式之間切換，Claude 可以透過 MCP 協調一切。
如果您想親自嘗試，不妨從FastMCP開始。如果您正在尋找更好的方法來收集和處理使用者回饋，請查看UserJot - 我們正在建立工具，以縮短從回饋到功能的週期。
重點不在於取代開發人員，而是減少在無聊任務上花費的時間，而將更多時間投入在建立人們真正想要的東西上。
原文出處：https://dev.to/shayy/i-automated-my-entire-dev-workflow-with-ai-you-wont-believe-how-easy-it-is-45n0
1) --- 會變成分隔線（上一行必須是空白）
2) # 會變成一級標題
3) ## 會變成二級標題
4) ### 會變成三級標題
5) **粗體文字**會顯示粗體文字
6) ```當第一行與最後一行會顯示程式碼
7) 請搜尋 Markdown 語法，了解各種格式