从 AI IDE 转战 CLI，关于 Claude Code、MCP 以及科研工作流配置的疑惑

各位佬友大家好，之前主力一直是 AI IDE（之前用cursor，现在用antigravity），用来写代码确实爽。但最近在做深度学习项目的优化，同时也开始肝毕业论文，感觉 IDE 的黑盒模式有点不够用了，想转向 CLI + Claude 的纯粹工作流，追求更精准的上下文控制。

但在配置过程中遇到几个概念上的疑惑，想请教一下目前还在坚持 CLI 路线的大佬们：

关于 Claude Code (CLI) 的最佳实践
目前这一套工具链（如果是指官方或主流的 wrapper）起手配置大概是个什么逻辑？是指向原来的 API Key 还是必须走某些特定的认证流程，我用中转站的api应该也一样可以对吧？
MCP 还是刚需吗？
我看现在 Claude 自身的 Skills已经很强了，但是根据搜集到的资料似乎是一些md文件而已？如果我已经有了 Claude Skills，MCP Server 这一层是必须配置的吗？我是该理解为 MCP 是 Skills 的一种超集，还是说两者目前是并行的？对于读取本地论文 PDF 或大型代码库，走 MCP 的 filesystem 还是直接扔 Context 比较好？
全局配置文件的现状（agents.md）
以前用类似项目时，很习惯维护一个 agents.md 或者 system_prompt 来做全局的角色设定（比如设定为科研助手、Python 专家）。在现在的 MCP 架构下，这种全局配置文件的玩法还存在吗？还是说现在通过其他方式来替代了？

我的具体场景：
● 科研党：主要在写毕业论文，需要处理大量 LaTeX 和文献引用。
● 深度学习：需要对现有项目做模型优化，代码量适中但逻辑比较深。

主要是不想在配置环境上像无头苍蝇一样乱撞，希望有经验的佬友指点一下目前最稳、最适合科研的 CLI 配置方案大概长什么样。

感谢大家！

8 posts - 4 participants

Read full topic

via - 最新话题 (author: Ali)