我們將說明如何建置與設定 MCP 客戶端，特別聚焦於 RooCode 工具與本地模型的整合，以及實際的應用。
1. 安裝與設定 Roo code
roo code 是一款支援本地 AI 助手的 VS Code 擴充套件。安裝步驟如下：
- 前往 Visual Studio Marketplace 或Extensions 搜尋「Roo code」並點擊安裝。
- 安裝後，Roo code 圖示會出現在 VS Code 側邊欄。
2. 本地模型支援
Roo code 支援多種本地模型，包括 Ollama、LM Studio 等。這些工具可讓你在本地運行大型語言模型（LLM），並與 MCP 協議整合。
- Ollama：開源工具，輕鬆在本地運行 LLM。
- LM Studio：圖形化介面，方便管理本地模型。
2.1 如何安裝ollama
- 先去下載最新版ollama https://ollama.com/download
- 選擇你的作業系統
- 安裝ollama
- 安裝好之後下載你想要用的模型，https://ollama.com/search
我這邊使用gemma3n e4b試試看
實際模型的選擇要根據你的電腦性能來選擇，如果像是你想使用nvidia geforce GTX 1080跑原生的deepseek r1,就會象是把大象塞進冰箱一樣
- 安裝模型
ollama run gemma3n:e4b
- 成功的結果就會像下圖
2.2 設定本地模型（後續都以Ollama爲例）
這個時候你進去Roo code的時候應該就可以看到你剛才下載的模型了，如果沒有，就重啓VSCode。
3. MCP 工具協議運作方式
MCP 工具讓模型能夠與外部世界互動。其運作流程如下：
flowchart TD
A[代理人（Agent）模式下，所有可用工具會隨 user 請求一同傳送給模型] --> B[模型可選擇在回應中呼叫工具]
B --> C[若工具政策為「自動」，則略過用戶確認步驟]
C --> D[RooCode 會自動呼叫內建功能或 MCP 伺服器提供的工具]
D --> E[工具執行結果回傳給模型]
E --> F[模型可再次發起工具呼叫，進行多輪互動]
4. 整合 MCP 伺服器
若要將現有 MCP 伺服器整合進 Roocode，請依下列步驟：
- 點擊圖片上方 MCP圖標
- Add MCP Servers，點擊Edit Global MCP
- 將下方程式碼貼入
{
"mcpServers": {
"playwright": {
"command": "npx",
"args": [
"@playwright/mcp@latest"
]
}
}
}
重新刷新頁面
4.之後應該在MCP Server上面可以看到有出現一個PlayWright的選項，并且亮綠燈
5. 實際應用範例
假設你已設定好 MCP 伺服器與本地模型，將模式選擇成Code之後，就可以嘗試以下自動化任務：
- 使用 playwright 瀏覽 https://news.ycombinator.com。
- 擷取首頁前 4 筆貼文的標題與網址。
- 在專案根目錄建立
hn.txt檔案。 - 將標題與網址以「標題 - 網址」格式逐行寫入檔案。
執行後，會在目錄下自動產生 hn.txt，內容即為擷取結果。
使用本地模型運行有問題時，可以先使用google gemini的免費模型，只要到 https://aistudio.google.com/apikey 創建一個免費的API key，就可以使用gemini 2.5 flash 模型
6. 結論
透過 Roocode 結合本地模型與 MCP 伺服器，你可以打造完全本地化、資料私有且功能強大的 AI 助手開發流程。建議多嘗試不同 MCP 伺服器，探索更多自動化與 AI 工具的可能性！