近日，部分使用 Visual Studio Code 中 Gemini Code Assist 扩展的开发者发现，在启动 AI 代码辅助功能时，界面弹出“No MCP servers. Configure MCP servers in .gemini/settings.json”的提示信息，导致智能代码建议、上下文感知补全等服务无法正常使用。这一现象迅速在开发者社区引发关注，不少用户反映此前未遇到过类似配置要求。究竟是什么原因导致该提示出现？MCP 服务器又是何物？本文将为您详细解读。

背景：Gemini Code Assist 与 MCP 协议

Gemini Code Assist 是谷歌基于其大型语言模型 Gemini 推出的 AI 编程助手，集成于 Visual Studio Code 中，提供代码生成、解释、调试建议等功能。该扩展自推出以来，凭借其强大的多模态理解能力和与 Google Cloud 的深度集成，成为许多开发者的辅助工具。

而“MCP”全称为 Model Context Protocol（模型上下文协议），是一种旨在标准化 AI 模型与外部工具、数据源之间交互的开放协议。简单来说，MCP 允许 AI 助理（如 Gemini）调用开发者自定义的服务器，从而访问本地数据库、文件系统、API 接口等私有上下文。例如，开发者可以通过 MCP 服务器让 Gemini 读取指定项目中的文档、查询公司内部知识库，或在代码生成时参考本地配置文件。这一机制极大扩展了 AI 助手的边界，使其从“通用模型”进化为“定制化工作伴侣”。

问题现象：配置缺失导致核心功能停摆

根据多位用户反馈，在更新 Gemini Code Assist 至最新版本后，扩展会主动检测 MCP 服务器的配置状态。若未在指定路径找到有效配置，便会弹窗提示“No MCP servers”，并引导用户编辑 .gemini/settings.json 文件。在此状态下，模型的代码补全、问答等基础功能虽能维持，但任何需要调用外部上下文的特性（如“引用项目结构”“读取注释文档”）均会失效。

受影响用户主要集中在两类场景：一是企业级开发环境中，团队希望通过 MCP 统一管理 AI 助理的上下文权限；二是个人开发者尝试自建工具链，例如连接本地代码索引或自定义数据库。由于 MCP 属于可选配置，此前版本从未强制要求，此次变更让不少用户措手不及。

原因分析：谷歌强化开放性与可控性

据谷歌开发者关系团队在 GitHub Issues 中的回应，这一变化是 Gemini Code Assist 迈向更高定制化的一步。官方表示，通过显式要求 MCP 服务器配置，可以避免 AI 模型在无明确授权的情况下访问用户文件或网络资源，从而提升数据安全性。同时，这也为第三方工具和服务的接入提供了统一接口。

然而，这一设计的副作用是：对于大多数没有特殊需求的个人开发者而言，“无 MCP 服务器”本身并不是错误，而仅仅是一个提示——他们无需配置任何服务器也能正常使用基础功能。但 UI 弹窗的交互方式容易引发误解，导致不少人误以为扩展存在故障。部分用户批评谷歌未在更新日志中充分说明这一改动，且默认关闭了 MCP 功能却仍弹出警示，体验不够友好。

解决方案：如何配置或忽略 MCP 服务器

针对上述问题，官方已提供两种应对思路：

  1. 忽略提示：若无需使用 MCP 功能，可在 .gemini/settings.json 文件中将 "mcpServers" 字段设置为空对象 {}，或直接删除该文件。重启 VS Code 后提示将不再出现。不过，部分版本仍需在扩展设置中关闭“显示 MCP 配置警告”选项。

  2. 配置自定义服务器：对于需要连接外部上下文的用户，需在 .gemini/settings.json 中按以下格式填写：

{
  "mcpServers": {
    "my-server": {
      "command": "node",
      "args": ["/path/to/server.js"],
      "env": {}
    }
  }
}

其中 command 和 args 指定启动 MCP 服务器的方式，env 用于传递环境变量。谷歌建议参考 MCP 官方文档 了解具体协议规范。

目前，已有社区成员开发了通用的 MCP 服务器实现，例如用于连接本地 Git 日志、Jira 工单、Confluence 文档等，供开发者直接引用。

展望：MCP 或成 AI 编程助手的标配

此次事件折射出一个更宏观的趋势——AI 编程助手正从“开箱即用”转向“可编程、可组装”。MCP 协议的引入，使得开发者不再依赖工具厂商内置的有限上下文，而是能够像搭积木一样，将 AI 与自身环境中的任意服务连接。尽管初期配置门槛略高，但长期来看，这恰恰是提升 AI 适用性的关键一步。

可以预见，随着 VS Code、JetBrains 等主流编辑器逐步支持 MCP，未来的 AI 辅助开发将不再是单一模型输出，而是模型与开发者在自定义生态中的协作。对于今天的开发者而言，花几分钟配置一个 MCP 服务器，或许正是开启这一全新工作流的第一步。