# MCP 支付：如何将 AI 智能体连接到支付基础设施 > 了解如何使用模型上下文协议（MCP）将 AI 智能体连接到支付 API。通过采用 Code Mode 架构的 Dodo Payments MCP 服务器，借助 AI 对话创建支付、管理订阅和处理退款。 - **Author**: Ayush Agarwal - **Published**: 2026-04-10 - **Category**: AI, Payments, Engineering - **URL**: https://dodopayments.com/blogs/zh/mcp-payments-ai-agents --- AI 智能体正在编写代码、部署基础设施并管理完整的产品生命周期。但其中大多数仍然无法处理支付。AI 智能体能够构建什么，以及能够为之收费什么，这两者之间的差距正是阻碍[自主 AI 商业](https://dodopayments.com/blogs/monetize-ai-agent)发展的瓶颈。 模型上下文协议（MCP）弥合了这一差距。MCP 是一种开放标准，为 AI 智能体提供对外部工具和 API 的结构化访问。当你将 MCP 服务器连接到支付平台后，你的 AI 智能体就能通过自然语言对话创建支付、管理订阅、发放退款并追踪用量。 本指南将介绍 MCP 支付的工作原理、如何在 AI 开发环境中设置 Dodo Payments MCP 服务器，以及当你的 AI 智能体能够直接访问[支付基础设施](https://dodopayments.com/blogs/payments-architecture-saas)后可以实现哪些功能。 ## 什么是 MCP，以及它为什么对支付很重要 模型上下文协议是由 Anthropic 创建的一种开放标准，用于定义 AI 应用如何连接外部数据源和 API。你可以把 MCP 想象成 AI 智能体的 USB-C 接口：它是一种通用接口，让任何兼容的 AI 客户端都能与任何兼容的服务器通信，而不受底层实现方式影响。 在 MCP 出现之前，将 AI 智能体连接到外部 API 意味着要为每种工具与 LLM 的组合编写自定义集成代码。如果你想让 Claude 访问支付 API，就需要编写 Claude 插件；如果想让 Cursor 实现同样的功能，就需要编写另一套集成。每增加一个 AI 客户端或 API 端点，集成工作量都会成倍增加。 MCP 将这一过程标准化。MCP 服务器通过一致的协议提供能力。任何兼容 MCP 的客户端----Claude Desktop、Cursor、Claude Code、Windsurf、VS Code、Zed 或 OpenCode----都可以通过一份 JSON 配置连接到任何 MCP 服务器。一个服务器，连接所有客户端。 对于支付而言，MCP 解决了三个问题： - **结构化访问**：AI 智能体可以获得带类型、带文档的支付操作接口，而不必解析原始 REST 响应 - **安全性**：API 密钥在服务器端注入，不会暴露给 LLM 的上下文窗口 - **可组合性**：智能体可以在一次执行中串联多个支付操作（创建客户、绑定支付方式、开始订阅） > 我们发现，AI 智能体非常擅长编写支付集成代码，却不擅长真正执行支付操作。MCP 通过让智能体获得与人类开发者相同的 SDK 访问能力来弥合这一差距，只不过使用的是它们原生理解的协议。 > > - Ayush Agarwal，Dodo Payments 联合创始人兼 CPTO ## 传统支付集成与 MCP 支持的支付集成 为了理解 MCP 为什么重要，可以比较一下使用 AI 智能体构建支付工作流的两种方式。 ### 传统方式 没有 MCP 时，将 AI 智能体连接到支付 API 需要手动编写胶水代码： 1. 人类开发者阅读支付 API 文档 2. 人类为每个端点编写包装函数（创建支付、列出订阅、发放退款） 3. 人类在 AI 智能体框架中将这些函数注册为工具 4. 智能体每次调用一个工具，每次调用都需要完整的 LLM 推理往返 5. API 演进后，人类还要维护这些包装函数 如果 API 有 50 个端点，你就要编写 50 个工具定义。每个定义都会占用智能体上下文窗口中的令牌。Anthropic 发现，仅工具定义一项，在对话开始前就可能消耗超过 10 万个令牌。而且每次 API 更新都有可能导致手写的包装函数失效。 ### MCP 方式 使用 MCP 时，连接采用声明式配置： 1. 添加指向 MCP 服务器的 JSON 配置块 2. 智能体自动发现可用能力 3. 智能体在沙盒环境中针对 SDK 编写并执行代码 4. API 密钥保留在服务器端，永远不会接触 LLM 上下文 无需包装代码。无需为每个端点编写工具定义。API 发布新功能时，也无需承担维护负担。 ```mermaid flowchart LR subgraph traditional ["Traditional Approach"] A[AI Agent] -->|"tool call 1"| B[Custom Wrapper] A -->|"tool call 2"| B A -->|"tool call N"| B B --> C[Payment API] end subgraph mcp ["MCP Approach"] D[AI Agent] -->|"writes code"| E[MCP Server] E -->|"executes in sandbox"| F[Payment SDK] F --> G[Payment API] end ``` 规模扩大后，差异会非常明显。包含 50 个 API 端点的传统集成需要 50 个工具定义，占用约 5.5 万个上下文令牌。而 MCP 方式无论 API 规模多大，都只使用 2 个工具，大约占用 1,000 个令牌。 ## Dodo Payments MCP 服务器：Code Mode 架构 [Dodo Payments MCP 服务器](https://docs.dodopayments.com/developer-resources/mcp-server)采用了一种名为 Code Mode 的架构，由 Anthropic 和 Cloudflare 首创。Code Mode 不会为每个 API 端点暴露一个工具，而是将完整的支付 API 能力压缩为恰好两个工具： 1. **文档搜索工具**----查询有关 Dodo Payments API 和 SDK 的文档，以了解可用操作和参数 2. **代码执行工具**----在安全的沙盒环境中，针对 Dodo Payments SDK 编写并执行 TypeScript 代码 这正是它与其他支付 MCP 实现的不同之处。大多数支付 API 的 MCP 服务器采用简单直接的方式：为 `createPayment` 提供一个工具，为 `getSubscription` 提供另一个工具，为 `issueRefund` 再提供一个工具，以此类推。这种方式在规模扩大后会出现问题。 ### 为什么 Code Mode 更好 **LLM 更擅长编写代码，而不是调用工具。** LLM 已经通过数百万行真实世界的 TypeScript 代码进行训练，而工具调用模式通常基于合成示例。当你让智能体编写 `client.payments.create({...})`，而不是填写 JSON 工具模式时，准确率会更高。 **上下文窗口保持整洁。** 两个工具定义约占用 1,000 个令牌，50 个工具定义则会占用 55,000 多个令牌。Code Mode 为实际对话保留了 95% 的上下文窗口。 **多步骤操作一次完成。** 在传统工具调用中，先列出所有订阅，再取消特定订阅，需要多次 LLM 往返。在 Code Mode 中，智能体只需编写一个脚本，即可完成获取、筛选和操作----全部在一次沙盒执行中完成。 **安全性内置其中。** API 密钥在服务器端注入沙盒。它们不会出现在工具参数中，不会进入 LLM 上下文，也无法通过提示注入泄露。除了 Dodo Payments API 外，沙盒无法访问文件系统或网络。 Cloudflare 通过将超过 2,500 个 API 端点压缩为 2 个 Code Mode 工具验证了这一方式。与传统工具调用相比，Anthropic 测得令牌使用量降低了 37%，知识检索准确率也从 25.6% 提升至 28.5%。 ## 设置 Dodo Payments MCP 服务器 通过以下任一配置，将你的 AI 开发环境连接到 Dodo Payments MCP 服务器。推荐使用远程服务器----无需本地安装，并通过 OAuth 处理身份验证。 ### Cursor 添加到 `~/.cursor/mcp.json`： ```json { "mcpServers": { "dodopayments": { "command": "bunx", "args": ["-y", "mcp-remote@latest", "https://mcp.dodopayments.com/sse"] } } } ``` ### Claude Desktop 添加到 Claude Desktop 配置文件（macOS 上为 `~/Library/Application Support/Claude/claude_desktop_config.json`）： ```json { "mcpServers": { "dodopayments": { "command": "bunx", "args": ["-y", "mcp-remote@latest", "https://mcp.dodopayments.com/sse"] } } } ``` ### Claude Code 在终端中运行： ```bash claude mcp add dodopayments -- bunx -y mcp-remote@latest https://mcp.dodopayments.com/sse ``` ### Windsurf 添加到 `~/.codeium/windsurf/mcp_config.json`： ```json { "mcpServers": { "dodopayments": { "command": "bunx", "args": ["-y", "mcp-remote@latest", "https://mcp.dodopayments.com/sse"] } } } ``` ### 本地安装（替代方案） 如果你更喜欢在本地运行 MCP 服务器，而不是使用远程服务器： ```json { "mcpServers": { "dodopayments": { "command": "bunx", "args": ["-y", "dodopayments-mcp@latest"], "env": { "DODO_PAYMENTS_API_KEY": "dodo_test_...", "DODO_PAYMENTS_WEBHOOK_KEY": "your_webhook_key", "DODO_PAYMENTS_ENVIRONMENT": "live_mode" } } } } ``` 远程服务器要求 Node.js 18+，并使用 OAuth 进行身份验证。首次连接时，系统会提示你输入 API 密钥并选择环境（测试或正式）。 ## 你可以做什么：通过 AI 对话处理支付、订阅和退款 连接 MCP 服务器后，你的 AI 智能体就能通过 [TypeScript SDK](https://docs.dodopayments.com/developer-resources/dodo-payments-sdks)完整访问 Dodo Payments API。以下是一些具体示例。 ### 创建一次性支付 向你的 AI 智能体询问："为客户 jane@company.com 创建一个 Pro 方案支付链接，价格为 49 美元" 智能体会在 Code Mode 沙盒中编写并执行以下代码： ```typescript import DodoPayments from "dodopayments"; const client = new DodoPayments(); const payment = await client.payments.create({ payment_link: true, billing: { city: "San Francisco", country: "US", state: "CA", street: "123 Market St", zipcode: 94105, }, customer: { email: "jane@company.com", name: "Jane Chen", }, product_cart: [{ product_id: "pdt_pro_plan", quantity: 1 }], }); console.log("Payment link:", payment.payment_link); ``` ### 管理订阅 询问："列出所有将在未来 7 天内续期的活跃订阅" 智能体会编写一个脚本，列出订阅、按续期日期筛选，并返回格式化摘要----全部在一次沙盒执行中完成。无需多次往返，也无需手写工具定义。 ### 处理退款 询问："退还客户 john@startup.io 的最近一笔支付" 智能体会搜索客户，找到其最近一笔支付并发起退款。三次 API 调用，一个脚本，一次执行。 这正是 Code Mode 的真正优势：在传统 MCP 设置中需要 5 到 10 次独立工具调用的复杂多步骤计费工作流，现在可以作为一个 TypeScript 脚本一次执行完成。你的智能体会像人类开发者一样，通过编写代码来组合操作。 对于需要[按用量计费](https://dodopayments.com/blogs/usage-based-billing-saas)的 AI 原生 SaaS 产品，MCP 服务器还支持以编程方式接收用量事件并管理[计量计费](https://docs.dodopayments.com/features/usage-based-billing/introduction)。你的智能体可以追踪 API 调用、计算令牌或任何自定义指标，并据此计费。 ## Dodo Knowledge MCP：面向 AI 智能体的文档搜索 除了用于执行 API 操作的 MCP 服务器外，Dodo Payments 还提供独立的 [Knowledge MCP](https://docs.dodopayments.com/developer-resources/mcp-server)服务器。这是一个语义搜索服务器，让 AI 助手能够即时访问完整的 Dodo Payments 文档和知识库。 ### Knowledge MCP 提供的功能 - **语义文档搜索**----使用自然语言查询查找相关文档，而不是进行关键词匹配 - **上下文式回答**----AI 助手可以获取准确、最新的 Dodo Payments 功能信息 - **零配置**----无需 API 密钥或本地安装。连接后即可开始查询 ### 设置 将以下配置添加到 MCP 客户端，与主 MCP 服务器并列： ```json { "mcpServers": { "dodo-knowledge": { "command": "bunx", "args": [ "-y", "mcp-remote@latest", "https://knowledge.dodopayments.com/mcp" ] }, "dodopayments": { "command": "bunx", "args": ["-y", "mcp-remote@latest", "https://mcp.dodopayments.com/sse"] } } } ``` ### 两个服务器如何协同工作 | 服务器 | 用途 | 查询示例 | | :--------------------- | :------- | :----------------------------------------- | | **Dodo Knowledge MCP** | 文档搜索 | "如何处理 Webhook？"，"支持哪些支付方式？" | | **Dodo Payments MCP** | API 操作 | 创建支付、管理订阅、处理退款 | 配置两个服务器后，你的 AI 助手可以先搜索文档，了解如何实现某项功能，然后执行实际的 API 调用。Knowledge MCP 回答"该怎么做？"，Payments MCP 负责执行。这与人类开发者的工作方式一致：先阅读文档，再编写代码。 ## Agent Skills：面向 AI 助手的流程知识 MCP 让智能体能够访问 API。[Agent Skills](https://docs.dodopayments.com/developer-resources/agent-skills)则教会它们如何正确使用这些 API。 Skills 是可复用的能力包，为实现特定的 Dodo Payments 功能提供流程知识、代码模板、最佳实践和上下文感知能力。你可以把 Skills 想象成 AI 助手的插件，教它正确实现支付功能。 ### 可用 Skills | Skill | 教会智能体的内容 | | :--------------------------- | :------------------------------------------------------------------------------------------------------- | | **dodo-best-practices** | 包含安全性和错误处理模式的完整集成指南 | | **webhook-integration** | 设置和处理支付事件的 Webhook | | **subscription-integration** | 使用试用期和等级实现[订阅计费](https://dodopayments.com/blogs/set-up-subscription-billing-afternoon)流程 | | **checkout-integration** | 创建结账会话和支付流程 | | **usage-based-billing** | 使用事件和计量器实现[计量计费](https://dodopayments.com/blogs/implement-usage-based-billing) | | **billing-sdk** | 使用 BillingSDK React 组件创建定价页面 | | **license-keys** | 管理数字产品的[许可证密钥](https://dodopayments.com/blogs/set-up-license-key-system) | | **credit-based-billing** | 实现预付额度权益和按计量扣减预付额度 | ### 安装 Skills ```bash # 安装所有 Dodo Payments Skills bunx skills add dodopayments/skills # 或安装单个 Skill bunx skills add dodopayments/skills/dodo-payments/webhook-integration bunx skills add dodopayments/skills/dodo-payments/subscription-integration ``` 对于 Claude Code： ```bash /plugin marketplace add dodopayments/skills /plugin install checkout-integration ``` ### Skills + MCP + Knowledge：完整技术栈 这三个层次协同工作： 1. **Agent Skills** 提供流程知识："这是使用 Webhook 实现结账流程的正确模式" 2. **Dodo Knowledge MCP** 提供参考资料："这是 Webhook 负载格式和事件类型列表" 3. **Dodo Payments MCP** 执行操作："这是在沙盒中创建结账会话的代码" 当你告诉 AI 智能体"为我的 Next.js 应用添加订阅计费"时，智能体会加载 subscription-integration Skill 获取实现模式，查询 Knowledge MCP 获取 API 细节，并可以使用 Payments MCP 服务器测试集成。这就是只会猜测实现模式的智能体与遵循经过测试、可用于生产环境的工作流的智能体之间的区别。 ## 未来：自主 AI 商业 MCP 支付代表着软件处理资金方式的结构性转变。今天，你可以要求 AI 智能体创建支付链接，由它执行该操作。明天，AI 智能体将自主处理完整的计费生命周期。 ### 目前已经可以实现的功能 - Cursor 和 Claude Code 等 AI 编程助手可以结合 MCP 与 Agent Skills，设置完整的[支付集成](https://dodopayments.com/blogs/add-payments-nextjs-app) - [Vibe coding 应用](https://dodopayments.com/blogs/vibe-coding)从第一天起就能内置计费功能，无需开发者手动编写支付代码 - 客服智能体可以通过对话界面发放退款、调整订阅并解决计费争议 ### 即将实现的功能 - **智能体之间的商业交易**：AI 智能体使用[自适应定价模型](https://dodopayments.com/blogs/adaptive-pricing-ai-native-startups)，从其他智能体购买计算资源、数据和服务 - **自主计费优化**：智能体监控转化漏斗、调整定价，并在无需人工干预的情况下对结账流程运行 A/B 测试 - **实时用量结算**：随着[AI 计费平台](https://dodopayments.com/blogs/ai-billing-platforms)日趋成熟，智能体将根据实际消耗实时结算微交易 > 下一代 AI SaaS 产品不会再有由人类配置的计费页面，而是会拥有能够自主优化收入的计费智能体。MCP 正是让这一切成为可能的协议层。 > > - Ayush Agarwal，Dodo Payments 联合创始人兼 CPTO 支持这一未来的支付基础设施，从底层开始就需要面向智能体构建。这意味着支持 MCP、采用 Code Mode 架构、提供按用量计费基础能力，并拥有智能体可以搜索和推理的结构化文档。[Dodo Payments](https://dodopayments.com)正在构建的正是这样一套技术栈。 如果你正在构建 AI 智能体、AI 原生 SaaS 或需要处理资金的 [vibe coding 应用](https://dodopayments.com/blogs/monetize-vibe-coded-apps)，MCP 服务器就是从提示词到支付的最快路径。不到一分钟即可完成设置，剩下的交给你的智能体。 ## 常见问题 ### 什么是 MCP 支付？它如何运作？ MCP 支付指的是使用模型上下文协议将 AI 智能体连接到支付基础设施。AI 智能体通过 MCP 服务器访问结构化的支付 API。在 Dodo Payments 的 Code Mode 架构中，智能体针对 SDK 编写 TypeScript 代码，并在安全沙盒中执行，从而通过自然语言对话创建支付、管理订阅和发放退款。 ### 我需要编写自定义代码，才能将 AI 智能体连接到 Dodo Payments 吗？ 不需要。Dodo Payments MCP 服务器通过 AI 客户端（Cursor、Claude Desktop、Claude Code 或 Windsurf）中的一个 JSON 配置块进行连接。远程服务器无需本地安装，配置文件中也不需要 API 密钥。首次连接时会通过 OAuth 完成身份验证。 ### MCP 服务器适合用于生产环境的支付操作吗？ 适合。Code Mode 提供多层安全防护。API 密钥在服务器端注入，不会暴露给 LLM 上下文。代码在隔离沙盒中执行，除了 Dodo Payments API 外无法访问文件系统或网络。只有获得授权的 SDK 方法可用。开发期间可以使用测试模式密钥，生产环境再切换到正式模式。 ### MCP 服务器和 Agent Skills 有什么区别？ MCP 服务器赋予 AI 智能体执行支付 API 操作的能力。Agent Skills 则让它了解如何正确实现支付功能。MCP 服务器是执行层（"运行这段代码"），而 Skills 是知识层（"这是构建结账流程的正确模式"）。为了获得最佳效果，请将两者与用于文档搜索的 Knowledge MCP 一起使用。 ### AI 智能体可以通过 MCP 处理按用量计费吗？ 可以。Dodo Payments MCP 服务器支持完整的[按用量计费](https://docs.dodopayments.com/features/usage-based-billing/introduction) API，包括接收用量事件、查询计量器和管理计费周期。AI 智能体可以通过编程方式追踪 API 调用、计算令牌、存储用量或任何自定义指标，并根据实际消耗向客户计费。 ## 开始构建 MCP 支付 MCP 支付并不是理论概念。这套基础设施今天就已经存在。Dodo Payments MCP 服务器、Knowledge MCP 和 Agent Skills 为 AI 智能体提供了完整的程序化资金处理技术栈。 开始使用： 1. 在你的 AI 客户端中[设置 MCP 服务器](https://docs.dodopayments.com/developer-resources/mcp-server) 2. [安装 Agent Skills](https://docs.dodopayments.com/developer-resources/agent-skills)，获取有指导的实现模式 3. 连接 [Knowledge MCP](https://docs.dodopayments.com/developer-resources/mcp-server)进行文档搜索 4. 浏览 [API 参考](https://docs.dodopayments.com/api-reference/introduction)，查看完整的支持操作列表 如果你正在为 AI 智能体开发评估支付 API，请查看我们关于 [AI 智能体支付 API 的详细比较](https://dodopayments.com/blogs/best-payment-api-ai-agents)。有关定价详情，请访问 [dodopayments.com/pricing](https://dodopayments.com/pricing)。 --- - [More AI articles](https://dodopayments.com/blogs/category/ai) - [All articles](https://dodopayments.com/blogs)