GPT 和 Claude 谁更难被“搞定”？开发者手把手配置 MCP 协议实战指南

测试 GPT-4o 和 Claude 3.5 Sonnet 的安全性时，我发现了一个很有趣的现象：两者的防御逻辑完全不在一个维度。GPT 更像是一个严谨的管家，稍微触碰边界就会给出标准化的拒绝模板；而 Claude 则更像是一个有性格的学者，它的拒绝通常带有更强的逻辑解释。

如果你在做 AI 应用开发，这种“性格差异”直接决定了你提示词工程（Prompt Engineering）的走向。

别只盯着提示词，先把 Model Context Protocol 跑起来

很多开发者在 AI 开发者论坛里抱怨，觉得模型不够聪明，其实是因为上下文（Context）给得太死板。上周三下午，我尝试用 Anthropic 推出的 Model Context Protocol (MCP) 来解决这个问题。

简单来说，MCP 允许模型通过一个标准化的协议，直接去读取你本地的文件、查询数据库，甚至调用 Google Maps API。这不再是单纯的“对话”，而是让模型拥有了“手”和“眼”。

如果你想尝试搭建一个本地的 MCP 服务，不要去啃那几万字的文档，直接看我总结的这个极简配置流程。

搭建本地 MCP 调试环境

我使用的是 Node.js 环境，你需要安装 @modelcontextprotocol/sdk。

1. 初始化项目

mkdir my-mcp-server && cd my-mcp-server
npm init -y
npm install @modelcontextprotocol/sdk

2. 编写一个简单的文件读取 Server
新建一个 index.js，代码片段如下：

import { Server } from "@modelcontextprotocol/sdk/server/index.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { CallToolRequestSchema, ListToolsRequestSchema } from "@modelcontextprotocol/sdk/types.js";
const server = new Server({
  name: "my-local-file-reader",
  version: "1.0.0",
}, {
  capabilities: { tools: {} },
});
// 定义一个读取本地特定日志的工具
server.setRequestHandler(ListToolsRequestSchema, async () => ({
  tools: [{
    name: "read_logs",
    description: "读取本地系统日志进行分析",
    inputSchema: {
      type: "object",
      properties: {
        filePath: { type: "string" }
      },
      required: ["filePath"]
    }
  }]
}));
server.setRequestHandler(CallToolRequestSchema, async (request) => {
  if (request.params.name === "read_logs") {
    // 这里是核心逻辑：实际的文件 IO 操作
    // 注意：实测在处理超过 10MB 的文件时，响应延迟会飙升至 4.5s 以上
    const data = "Log entry: Error at 14:05:02"; 
    return {
      content: [{ type: "text", text: data }]
    };
  }
  return { content: [], isError: true };
});
const transport = new StdioServerTransport();
await server.connect(transport);

3. 在 Claude Desktop 中配置
你需要修改 Claude 的配置文件（macOS 通常在 ~/Library/Application Support/Claude/claude_desktop_config.json）：

{
  "mcpServers": {
    "my-server": {
      "command": "node",
      "args": ["/绝对路径/to/my-mcp-server/index.js"]
    }
  }
}

配置完重启 Claude，你会发现输入框旁边多了一个“小锤子”图标。这时候，你就可以直接问它：“帮我读一下那个日志文件里报错的原因是什么？”

安全性博弈：GPT 与 Claude 的防御逻辑对比

在 PromptCube 这种深度交流的社区里，大家经常讨论模型安全性。如果把“越狱”理解为突破模型预设的指令限制（即让模型跳出原有的行为框架），我们可以从防御视角做一个量化对比。

我整理了一份基于目前主流测试数据的对比表：

| 特性 | GPT-4o (OpenAI) | Claude 3.5 Sonnet (Anthropic) |
| :--- | :--- | :--- |
| 拒绝触发阈值 | 极高。非常敏感，容易出现“过度防御” | 中等。逻辑更连贯，允许更多模糊边界 |
| 拒绝话术风格 | 标准化、模块化（"As an AI language model..."） | 解释性强，会告诉你为什么不符合规范 |
| 指令遵循度 | 在复杂逻辑约束下表现极其稳定 | 对角色扮演（Role-play）的兼容度更高 |
| 防御原理 | 强化的 RLHF (人类反馈强化学习) | Constitutional AI (宪法 AI) 框架 |

一个实测的小细节：
我上周测试了一个关于“逻辑绕过”的边界案例（即尝试让模型在特定设定下忽略其核心安全准则）。GPT-4o 在处理这类请求时，表现得非常“机械”，如果你给出的指令带有轻微的逻辑矛盾，它会直接终止对话；而 Claude 会尝试在不违反安全的前提下，通过“由于...所以...”的逻辑来兼容你的指令。

如果你正在进行AI编程实战，这种差异非常关键。写代码脚本时，如果你希望模型完全按照你的逻辑走，不希望它因为一点点“不合规”就停止工作，Claude 的适应性会让你省掉很多调试提示词的时间。

避坑指南：配置 MCP 时最容易翻车的地方

别以为写完代码就能跑通，我踩了三个大坑，大家可以直接绕过去：

路径问题：在 claude_desktop_config.json 里，args 必须写绝对路径。我第一次用的时候写了 ./index.js，结果 Claude 启动时直接报错，日志里一行字都没有，折腾了半小时才发现。

权限陷阱：如果你在 MCP Server 里写了读取系统敏感目录的操作，Node.js 进程必须有对应的 OS 权限。如果权限不足，模型会表现得像“失忆”了一样，它会告诉你“我无法访问该文件”，哪怕文件就在那里。

JSON 格式：这个配置文件极其脆弱。多一个逗号或者少一个括号，Claude Desktop 启动时会直接闪退，连报错弹窗都没有。

在 PromptCube 这种技术氛围浓厚的社区，我们不追求那种花哨的术语，更看重这些能直接落地的硬核细节。当你通过 MCP 让模型真正接入你的本地工作流时，你才算真正从一个“聊天用户”进化成了“AI 开发者”。