必须配置mcp_server_url并启动mcp服务端，再注册工具到mcp_tools.json，最后重启openclaw才能调用外部服务；否则tool_call消息不会生成，工具调用被忽略。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在本地部署的OpenClaw中真正调用外部运维工具、数据库或API服务，必须让Agent能识别并执行MCP协议定义的结构化工具请求，而不是仅靠硬编码或静态技能文件驱动。
确认OpenClaw已启用MCP客户端支持
打开项目根目录下的.agent/config.yaml，检查llm节下是否存在mcp_server_url字段。若不存在，手动添加一行：mcp_server_url: http://localhost:3000——这是默认MCP服务监听地址，【必须与后续启动的mcp-server端口完全一致】。
这一步不完成，OpenClaw在推理时根本不会构造MCP格式的tool_call消息，所有工具调用都会被忽略。
启动兼容OpenClaw的MCP服务端
方法一：使用官方fastmcp快速启动
执行：pip install "mcp[cli]" → mcp server --host 0.0.0.0 --port 3000。服务启动后终端会显示“MCP server running on http://0.0.0.0:3000”，表示已就绪。
方法二：运行自定义MCP工具集（需Python 3.9+）
新建my_tools.py，写入一个符合MCP规范的工具函数，例如：
from mcp.server import Serverserver = Server()@server.tooldef get_disk_usage() -> str: return "sda: 87% full"server.run()
然后运行python my_tools.py。注意：该脚本必须保持运行状态，关闭即断连。
本次更新实现飞书插件 npm 独立分发，新增 Ollama 本地模型配置及 openclaw 命令别名。引入 SQLite 持久化队列，支持断点续传。全面集成飞书、钉钉、企业微信及 QQ 官方渠道，优化阿里云百炼模型选择。修复多 Agent 路由、定时任务校验及配对授权等关键问题，提升系统稳定性与兼容性。
注册MCP工具到OpenClaw运行时环境
第一步：确保.agent/skills/目录下存在mcp_tools.json文件。
第二步：编辑该文件，填入服务端暴露的工具列表，格式为：
[{"name": "get_disk_usage", "description": "获取磁盘使用率", "input_schema": {}}]
第三步：重启OpenClaw主进程。此时Agent加载技能时会解析该JSON，并将其中工具名注入LLM提示词的可用工具列表中。
如果跳过这一步，即使MCP服务在运行，LLM也不会知道有这个工具可用——它只认.agent/skills/里声明过的工具名。
验证MCP工具调用是否生效
启动OpenClaw CLI交互终端：codeclaw --interactive。
输入自然语言指令，例如：“查一下当前磁盘使用情况”。
观察日志输出：若看到类似tool_call: {"name": "get_disk_usage", "args": {}}及后续tool_result: "sda: 87% full"，说明MCP通路已打通。
若只返回“我不清楚如何操作”，说明工具未注册或MCP服务未响应，需回头检查mcp_server_url配置和端口连通性。
