Slima MCP 完全指南：讓 AI 直接讀寫你的書
複製。貼上。再複製。再貼上。
打開角色設定檔，全選，複製，切到 Claude 的對話框，貼上。打開第八章，全選，複製，切回去，再貼一次。然後打一句話：「請幫我比對這兩份資料有沒有矛盾。」AI 回覆了，但只看到片段，抓不到第三章的伏筆，也不知道世界觀筆記裡寫了什麼。於是再開一個檔案，再複製，再貼上。
一個下午，花在搬資料的時間比寫作還多。
問題的根源不複雜——AI 看不到整本書。它只看得到手動餵進去的碎片。解決方法也不複雜：Slima MCP，三分鐘設定，讓 AI 直接存取書籍，從此不再複製貼上。
MCP 到底是什麼？
MCP 全名 Model Context Protocol，Anthropic 提出的開放標準。聽起來很技術——其實只有一句話的概念：讓 AI 工具可以直接跟外部服務交換資料。
沒有 MCP 的世界：AI 只能看到對話框裡貼進去的文字。不知道角色設定怎麼寫、不知道前面章節發生什麼事、不知道世界觀筆記放在哪。作者充當搬運工，一段一段把資料餵進去。
有了 MCP：「幫我看一下第八章，主角的行為有沒有跟角色設定矛盾。」AI 自己去找角色設定檔，自己打開第八章，自己比對——然後回報結果。
如果需要一個比喻——MCP 就是 USB。不管什麼牌子的隨身碟，插進任何電腦都能用，因為遵守同一個協定。同樣的道理，Claude Desktop、Cursor、Gemini CLI、VS Code，只要支援 MCP，就能連上 Slima 讀寫書籍。
Slima MCP 是一個 npm 套件（slima-mcp），安裝完就讓 AI 工具即時讀取、編輯 Slima 上的書。不匯出匯入，不複製貼上。即時的。
安裝與認證
兩樣東西就夠：Node.js 和一個 Slima 帳號。
第一步：認證
打開終端機，一行指令：
npx slima-mcp auth
瀏覽器會自動打開，引導用 Slima 帳號登入。登入成功——結束了。
認證令牌存在作業系統原生的金鑰管理裡。macOS 是 Keychain，Windows 是 Credential Manager，Linux 是 libsecret。不是某個資料夾裡的 token.txt——是作業系統級別的安全機制，跟保護銀行密碼的是同一套東西。即使有人翻遍硬碟的每個角落，也找不到一個明文檔案可以偷走。
令牌會自動刷新，幾乎不需要重新登入。想確認狀態的話：
npx slima-mcp auth --status
要登出：
npx slima-mcp auth --logout
認證就這樣。下一步。
各平台設定
認證完，得告訴 AI 工具去哪裡找 Slima MCP。不同平台的設定檔長得稍有不同，但核心都一樣：告訴工具「用 npx 執行 slima-mcp」。
Claude Desktop
找到 claude_desktop_config.json。macOS 通常在 ~/Library/Application Support/Claude/，Windows 在 %APPDATA%\Claude\。打開，加入：
{
"mcpServers": {
"slima": {
"command": "npx",
"args": ["slima-mcp"]
}
}
}
重新啟動 Claude Desktop，對話框旁邊會出現一個工具圖示——代表 Slima MCP 連接成功。
Cursor
在專案根目錄建立 .cursor/mcp.json：
{
"mcpServers": {
"slima": {
"command": "npx",
"args": ["slima-mcp"]
}
}
}
Cursor 會自動偵測，需要時自動啟動。
Gemini CLI
編輯 ~/.gemini/settings.json：
{
"mcpServers": {
"slima": {
"command": "npx",
"args": ["slima-mcp"]
}
}
}
VS Code
在專案裡建立 .vscode/mcp.json：
{
"servers": {
"slima": {
"command": "npx",
"args": ["slima-mcp"]
}
}
}
注意——VS Code 用的是 servers，不是 mcpServers。跟其他平台不同。這是最常搞混的地方，設定時盯緊這個字。
設定完成，就能在這些工具裡直接跟 Slima 書籍互動了。
十五個工具，三大分類
Slima MCP 提供十五個工具，分成書籍管理、檔案操作、AI Beta Reader 三類。不列乾巴巴的功能清單——用「可以跟 AI 說什麼」的方式走一遍。
書籍管理
create_book — 建立新書。腦袋裡冒出新故事？「幫我在 Slima 建一本新書，書名叫《最後的書店》。」AI 建好之後可以接著說：「再建角色、世界觀、大綱三個資料夾。」
list_books — 列出所有書。「我現在有哪些書？」一句話看到全部，再選要操作哪一本。
get_book — 取得書籍詳細資訊。書名、作者、描述、建立時間，基本資料一覽。
get_book_structure — 取得整本書的檔案樹狀結構。這個工具特別厲害——它給 AI 全局觀。「幫我看一下這本書的完整結構。」AI 看到整棵檔案樹：哪些章節寫了、角色檔案在哪、世界觀設定放哪個資料夾。有了全局觀，後續每一個操作都更精準。
get_writing_stats — 寫作統計。「我最近的寫作進度怎麼樣？」AI 分析總字數、各章節字數、更新頻率。
檔案操作
read_file / get_chapter — 讀取檔案。最常用的工具。「讀一下第五章。」「打開主角的設定檔。」「看看魔法系統的設定。」AI 讀到內容後，給的回饋才是基於實際文本——不是空口說白話。
write_file — 覆寫整個檔案。適合大幅改寫。「好，把第三章改成我們剛才討論的版本。」
edit_file — 搜尋取代特定文字。比 write_file 更精準。「把第一章裡所有的小明改成子軒。」精準替換，不動其他內容。
create_file — 建立新檔案。「在角色資料夾裡建一個反派的角色卡。」AI 建立檔案並填入初始內容。
delete_file — 刪除檔案。清理不需要的舊筆記，或重新整理資料夾結構。
append_to_file — 在檔案末尾追加內容。「在寫作日誌最後面加上今天的進度筆記。」不覆蓋現有內容，只往後面加。
search_content — 跨檔案全文搜尋。殺手級工具。「在整本書裡搜尋所有提到『藍色眼睛』的地方。」或者：「找出所有出現陳教授的段落。」搜遍每一個檔案，回傳所有結果。維護角色一致性和情節連貫——這個工具無價。
AI Beta Reader
list_personas — 列出虛擬讀者人格。Slima 的 AI Beta Readers 不是通用型回饋。不同人格有不同專長——有的盯故事結構，有的看角色發展，有的從市場角度分析。「有哪些 Beta Reader 人格可以用？」先看選項，再挑最適合當前需求的。
analyze_chapter — 讓特定人格分析一整章。「用結構分析師的人格來看第三章。」它像專業 Beta Reader 一樣給回饋：節奏、張力曲線、角色弧線、潛在問題點，全部涵蓋。
四個真實場景
知道工具是一回事。知道什麼時候用、怎麼組合，才是真正改變工作流的關鍵。
場景一：開始新的寫作日
坐下來，打開 AI 工具，第一句話：
「幫我看一下這本書的結構，然後讀一下昨天寫的最後一章。」
AI 用 get_book_structure 掃完整本書的樣貌，再用 read_file 讀最新章節。然後它會說：「昨天寫到主角剛進入遺跡，發現第一個線索。根據大綱，接下來是遇到守護者的場景。」
不用自己翻閱上次寫到哪裡，也不用重新看大綱。AI 已經把上下文備好，直接進入寫作狀態。
場景二：角色一致性檢查
寫到第十五章，突然不確定某個配角在第三章說過什麼。長篇小說裡，這種狀況太常見。
「搜尋老管家在整本書裡所有出現的段落。」
AI 用 search_content 找到所有提到老管家的段落，整理他在不同章節的言行。可能會發現——他在第三章說自己從來不撒謊，但在第十章暗示他隱瞞了什麼。也許是有意設計的伏筆，也許是忘了之前寫過什麼。不管哪種，至少現在知道了。
場景三：修訂階段
初稿完成，進入修訂。把每一章依次丟給 AI Beta Reader：
「用節奏分析師的人格來看第一章。」
AI 跑完 analyze_chapter，告訴哪裡節奏拖沓、哪裡轉折太突然、哪裡讀者可能失去興趣。看完回饋，決定怎麼改，然後：
「把第一章第三段那個太長的場景描述精簡一下。」
AI 用 edit_file 精準修改那一段，不動其他內容。不用整章重寫，不用自己找那段文字在哪裡。
場景四：世界觀整理
小說有一套複雜的魔法系統，相關規則散落在不同章節和筆記裡。連作者自己都記不清哪些規則寫在哪裡。
「幫我搜尋整本書裡所有提到魔法系統規則的段落，然後整理成一份統一的設定文件，存到世界觀資料夾裡。」
AI 先用 search_content 搜，再用 read_file 讀相關檔案，整理好之後用 create_file 建新設定文件。散落各處的片段，變成一份完整參考資料。這種跨檔案的組合操作，就是 MCP 最強大的地方——AI 不只回答問題，它執行整套工作流程。
進階技巧
環境變數
遇到問題需要除錯的話，在設定檔裡加環境變數，讓 Slima MCP 輸出詳細日誌：
{
"mcpServers": {
"slima": {
"command": "npx",
"args": ["slima-mcp"],
"env": {
"SLIMA_LOG_LEVEL": "debug"
}
}
}
}
設成 debug 等級，每次 API 呼叫的詳細資訊都會輸出。問題解決後記得改回來。
遠端 MCP
預設情況下 Slima MCP 使用 stdio 傳輸——在本機上直接執行。但它也支援遠端 HTTP 傳輸。一台伺服器上跑 MCP，不同裝置連過去。桌機和筆電之間切換、在平板上用支援 MCP 的工具寫作——遠端模式讓每台裝置都不用另外裝 Node.js。
不同平台的強項
多個平台都設定 Slima MCP，根據任務選工具：
- Claude — 長文本理解特別強。分析整章內容、檢查角色一致性、深度討論情節邏輯，它最在行。
- Cursor — 擅長精確的批次修改。搜尋取代、格式調整、大量文字編輯，效率最高。
- Gemini — 多語言能力突出。翻譯、跨語言對照、資訊整理，它最合適。
連的都是同一個 Slima 帳號、同一批書籍，隨時切換。
常見問題
Q：MCP 會不會讓別人看到我的內容？
不會。Slima MCP 只存取授權帳號的書籍。認證令牌的權限限定在單一帳號內。AI 在指令下才會讀取或修改——它不會自己翻書，也不會把內容傳給其他人。
Q：可以只讓 AI 讀、不讓它改嗎？
可以。MCP 的工具分讀取類（read_file、search_content）和寫入類（write_file、edit_file）。AI 執行寫入操作時通常會先確認。開始對話時說一句「今天只看不改」就行，它會只用讀取類工具。
Q：設定之後 AI 工具沒反應怎麼辦？
最常見原因：JSON 設定檔格式有誤。多一個逗號、少一個括號、用了全形引號——任何一個小錯都讓工具靜默失敗。先用 JSON 驗證工具檢查格式。再跑 npx slima-mcp auth --status 確認認證狀態。
Q：認證令牌會過期嗎？
自動刷新，正常使用下幾乎碰不到過期。真的遇到了，重跑一次 npx slima-mcp auth，三十秒解決。
三分鐘，永久改變工作流
回頭看這篇文章講了什麼。
MCP 是一個標準化協定，讓 AI 直接讀寫外部服務的資料，不再需要手動複製貼上。設定方法：npx slima-mcp auth 認證，AI 工具設定檔裡加幾行 JSON。三分鐘搞定。十五個工具涵蓋書籍管理、檔案操作、AI Beta Reader 三大類——從讀章節、搜全書到讓虛擬讀者分析作品，全部用自然語言完成。
一句話總結 MCP 的價值：它讓 AI 從一個需要手動餵資料的工具，變成一個可以自己查書的寫作夥伴。
時間應該花在寫故事上面。不是花在複製貼上上面。
打開終端機，跑一次 npx slima-mcp auth，然後回到 AI 工具，說一句：「幫我看一下昨天寫到哪裡。」
寫作，可以更專注。