1. 蓝湖原型转 Markdown 需求文档的真实痛点蓝湖在国内产品团队里的普及率很高原型、PRD、UI 标注基本都沉淀在上面。但只要你用 Cursor、Cline 这类 AI 编辑器做过用例设计或 UI 还原度测试就会撞上同一个问题AI 读不到蓝湖链接里的内容。你只能手动截图、复制标注文字、再粘进一个临时 Markdown 文件页面一多就漏字段交互备注经常丢最后生成的用例质量全看当天手速。我试过最笨的办法是把每个页面的标注逐条抄下来一个中等复杂度的原型大概 20 个页面抄完加校对要一个多小时而且第二天原型一改全部重来。这个链路里真正缺的不是 AI 能力而是「让 AI 稳定拿到蓝湖数据」的通道。蓝湖 Skill 配合 MCP 就是补这一环你给一个蓝湖链接它自动调蓝湖 MCP 拉取 PRD、原型页、UI 标注输出结构化 Markdown包含需求背景、功能模块、交互说明、特殊约束这些固定段落。但链路一长新的坑就来了。Cursor 里同时挂着蓝湖 MCP、文件系统 MCP、数据库 MCP每个服务端各配一个 Key鉴权信息散落在不同 settings 文件里。改一个 Key 要翻三四个地方401 报错时根本分不清是哪个服务挂了。这篇就聚焦这条完整链路蓝湖 Skill 通过 MCP 把原型导出为 Markdown 需求文档同时用 TaoToken 统一 Key 收敛多服务鉴权给出可直接复制的 Base URL 配置、MCP settings 示例以及一次从原型到需求文档的端到端验证。适合谁看正在用 Cursor 做测试提效的测试工程师、需要把原型快速转成 AI 可读输入的产品经理、以及被多 Key 鉴权折腾过的 MCP 使用者。核心检索词就三个蓝湖 Skill、MCP、Markdown 需求文档全文围绕它们展开。2. TaoToken 统一 Key 打通 MCP 鉴权链路先说清楚 TaoToken 在这条链路里的位置。它不是替代蓝湖 MCP也不是替代 Cursor而是把「模型调用」这一层的鉴权统一掉。蓝湖 MCP 负责从蓝湖平台拉数据Skill 负责把数据整理成 Markdown而 Skill 背后调用的模型请求走的是 TaoToken 的统一入口。这样你不需要在 Cursor、Cline、Codex 里各维护一套模型 KeyBase URL 指向同一个地址Key 用同一个模型 ID 按需切换。官网入口在这里https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 地址是 https://taotoken.net/api 注意 API 地址不带 UTM 参数配置时直接填这个。模型对话、Coding Plan、控制台、API Keys、接入文档、Claude Code 这些入口都在官网导航里能找到需要拿 Key 就去 API Keys 页面需要看接入细节就去接入文档。为什么要在 MCP 场景下强调统一 Key因为 MCP 服务端本质是一个本地进程它启动时要读环境变量或配置文件里的鉴权信息。如果你有五个 MCP 服务每个都指向不同的模型供应商那 settings 文件里就会有五组 Base URL Key Model ID。任何一组过期报错信息都长得差不多排查成本极高。统一到 TaoToken 之后所有 MCP 服务共享同一组鉴权出问题只需要检查一个地方。这里要区分两个概念蓝湖 MCP 的鉴权是蓝湖平台自己的通常是一个蓝湖 token模型调用的鉴权是 TaoToken 的。两者不要混。蓝湖 MCP 负责「取数据」TaoToken 负责「模型推理」Skill 是把两者串起来的胶水。很多人配错就是因为把蓝湖 token 填到了模型 Base URL 的位置或者反过来。实际操作上你需要在 TaoToken 控制台创建一个 API Key然后在 Cursor 的 MCP settings 里把模型服务的 Base URL 指向 https://taotoken.net/api Key 填刚创建的那串。蓝湖 MCP 单独配置它自己的启动命令和蓝湖 token。这样职责清晰排障时一眼能看出是哪一层的问题。如果你只是临时验证模型连通性可以直接用模型对话入口测一条请求如果是长期跑编码和 Agent 任务建议看 Coding Plan额度模型更适合高频调用。这一步不涉及任何网络工具就是标准的 API 配置流程。3. 可复制的 MCP settings 与 Base URL 配置片段这一节给可直接复制的配置。Cursor 的 MCP 配置通常放在用户目录下的 settings 文件里路径按你的系统来Windows 一般在C:\Users\你的用户名\.cursor\mcp.jsonmacOS 在~/.cursor/mcp.json。下面是一个包含蓝湖 MCP 和模型服务的最小示例注意 JSON 格式路径和原文保持一致。{ mcpServers: { lanhu: { command: npx, args: [-y, lanhu/mcp-server], env: { LANHU_TOKEN: 你的蓝湖token, LANHU_BASE_URL: https://lanhuapp.com } }, taotoken-model: { command: npx, args: [-y, modelcontextprotocol/server-openai], env: { OPENAI_BASE_URL: https://taotoken.net/api, OPENAI_API_KEY: 你的TaoToken Key, OPENAI_MODEL: 你的模型ID } } } }三件套必须写全Base URL 是https://taotoken.net/apiKey 是你在 TaoToken 控制台创建的那串Model ID 按你实际使用的模型填。缺任何一个都会在调用时报鉴权或模型不存在。蓝湖 MCP 的LANHU_TOKEN是蓝湖平台侧的和 TaoToken Key 不是一回事别填串。如果你用的是 Cline配置位置在 Cline 的 MCP 设置面板里格式类似只是字段名可能叫baseUrl和apiKey。Codex 的话鉴权信息写在auth.json里结构大致如下{ baseUrl: https://taotoken.net/api, apiKey: 你的TaoToken Key, model: 你的模型ID }CC Switch 这类多配置切换工具本质也是帮你管理这几组字段切换时确保 Base URL、Key、Model ID 三件套同步更新不要只改 Key 忘了 Model ID。配置完保存重启 Cursor 让 MCP 服务重新加载。你可以在 Cursor 的 MCP 面板里看到 lanhu 和 taotoken-model 两个服务是否显示为运行中。如果 lanhu 显示 failed先单独在终端跑一遍npx -y lanhu/mcp-server看报错如果 taotoken-model 显示 failed检查 Base URL 有没有多写斜杠、Key 有没有多余空格。一个容易忽略的点MCP 服务启动是本地进程它读的是启动那一刻的环境变量。你改了 settings 文件但没重启编辑器旧进程还在用旧配置表现就是「明明改了 Key 还是 401」。养成改完配置重启的习惯能省掉一半排障时间。4. 端到端验证从蓝湖链接到 Markdown 需求文档配置就绪后做一次完整验证。打开 Cursor在对话窗口输入 Skill 指令格式是斜杠命令加蓝湖链接/lanhu-requirements-doc https://lanhuapp.com/web/#/item/project/你的原型链接回车后AI 会先调用蓝湖 MCP 向蓝湖平台发起请求拉取该原型下的所有页面数据包括页面布局、按钮交互、输入框规则、备注说明。这个过程在 Cursor 的调用日志里能看到 MCP 工具被触发的记录。拉取完成后Skill 把零散数据整理成结构化 Markdown。验证输出是否合格看四个模块是否齐全。第一是需求基本信息包含原型名称、链接、适用模块第二是核心功能模块划分每个模块对应原型里的一个功能区块第三是各页面交互逻辑与操作规则比如点击某个按钮跳转到哪、输入框的格式校验规则第四是特殊约束比如输入格式、权限限制、异常提示。这四块齐了说明链路是通的。我实测下来一个 15 页左右的原型从发指令到拿到完整 Markdown 大概几十秒比手动整理快一个数量级而且字段不会漏。生成的文档可以直接丢给 AI 做用例设计或者作为 UI 还原度测试的基准输入。验证时重点看两件事一是 Markdown 结构是否稳定每次生成的段落顺序是否一致这决定了你能不能把它接进自动化流程二是内容是否可复现同一个链接跑两次核心字段应该一致如果差异很大说明 MCP 拉取不稳定或者模型整理时随机性太高需要检查蓝湖 MCP 的返回是否完整。如果输出里出现「无法读取该页面」之类的占位文字通常是蓝湖 MCP 没拿到对应页面的权限去蓝湖平台确认你的账号对该原型有查看权限。如果输出是空的 Markdown检查 Skill 指令里的链接是否完整蓝湖链接经常带一长串参数少一段就定位不到原型。这一步跑通整条链路就算闭环了蓝湖链接进标准化 Markdown 需求文档出中间的多 Key 鉴权被 TaoToken 收敛成一组配置。5. 常见报错排查401、local proxy failed 与 reading choices排障这节按真实报错来。第一个高频错误是 401 Unauthorized。出现在 taotoken-model 服务上八成是 Key 填错或过期。去 TaoToken 控制台的 API Keys 页面确认 Key 状态重新复制一次注意不要带前后空格。出现在 lanhu 服务上就是蓝湖 token 的问题和 TaoToken 无关。区分方法很简单看报错来自哪个 MCP 服务Cursor 的日志里会标服务名。第二个是 local proxy failed。这个通常不是鉴权问题而是 MCP 服务进程没起来或者端口被占。先在终端手动跑一遍服务启动命令看有没有依赖缺失或版本冲突。如果是 npx 拉包失败检查本地网络能否正常访问 npm 源。这个报错和模型 Key 无关别急着去改 Base URL。第三个是 reading choices 相关报错一般出现在模型返回结构不符合预期时。比如 Skill 期望模型输出标准 Markdown但模型返回了带额外解释的文字解析就失败。解决办法是在 Skill 的提示词里明确要求「只输出 Markdown不要额外说明」或者在 MCP 配置里换一个指令遵循更强的 Model ID。这也是为什么三件套里的 Model ID 不能随便填不同模型对结构化输出的稳定性差异很大。第四个是 OAuth 相关报错。有些 MCP 服务用 OAuth 流程拿 token如果本地回调地址被占或者浏览器没弹出授权页就会卡住。检查 MCP 配置里的回调端口是否被其他程序占用换个端口重试。这类问题在蓝湖 MCP 首次授权时比较常见授权一次后 token 会缓存后续不再弹窗。排查顺序建议固定下来先看是哪个 MCP 服务报错再看是鉴权层还是进程层最后看模型输出层。鉴权层查 Key 和 Base URL进程层查启动命令和端口输出层查 Model ID 和提示词。按这个顺序走大部分问题五分钟内能定位。还有一个隐蔽的坑多个 MCP 服务同时启动时如果都用了同一个 npx 包但版本不同可能互相干扰。建议在配置里锁定版本号比如lanhu/mcp-server1.2.3避免自动升级带来的不兼容。这个细节在多人协作的项目里尤其重要别人拉你的配置能复现同样的环境。6. 把统一 Key 接进你的日常测试流程链路跑通之后真正省时间的是把它接进日常流程。我的做法是把蓝湖 Skill 的输出目录固定下来每次生成的 Markdown 按原型名称加日期命名放在项目的docs/requirements/下。这样 AI 做用例设计时直接读这个目录不需要每次重新拉蓝湖。原型更新时重新跑一次 Skill覆盖旧文件用例设计的输入始终是最新的。TaoToken 统一 Key 的价值在长期使用中才明显。你可能会陆续接入更多 MCP 服务比如文件系统、数据库查询、接口调试每多一个服务就多一组鉴权。统一到 TaoToken 后新增服务只需要复用同一组 Base URL 和 Key配置成本几乎为零。需要看额度或换模型时去控制台或 Coding Plan 页面操作不用逐个改本地文件。如果你还在手动截图整理原型建议先跑通这一条链路感受一下从链接到 Markdown 的完整过程。需要拿 Key 就去 API Keys 页面需要看接入细节就去接入文档想先验证模型连通性就用模型对话入口。整条链路的核心就一句话蓝湖 MCP 取数据Skill 整理格式TaoToken 统一模型鉴权三者各司其职缺一环都会在报错里体现出来。