Claude Code не видит MCP-сервер в другом проекте: проверьте scope

В репозитории сайта Claude Code вызывает MCP-сервер docs, а в соседнем API-проекте сообщает, что такого инструмента нет. Сам сервер доступен, URL не менялся. Разница появилась в момент установки: разработчик выполнил claude mcp add без --scope из папки сайта. По умолчанию Claude Code создал local запись для этого проекта. Установка в одном каталоге не делает сервер доступным во всех репозиториях.

Посмотрите статус из двух каталогов

Откройте терминал в каждом проекте и выполните claude mcp list, затем claude mcp get docs. В первом проекте имя может отображаться как Connected, во втором отсутствовать. Это отличается от состояния Failed to connect: там конфигурация найдена, но соединение не удалось. Команда add сообщает, что запись сохранена; успешное добавление ещё не доказывает, что сервер подключился и выдал инструменты. В интерактивном Claude Code дополнительно откройте /mcp, чтобы увидеть состояние именно этой сессии.

Разберитесь, где лежит запись. Local — значение по умолчанию: сервер доступен только текущему проекту и хранится в секции этого пути внутри ~/.claude.json. User тоже находится в ~/.claude.json, но виден во всех проектах данного пользователя. Project записывается в .mcp.json корня проекта; этот файл можно передать команде через Git. Не путайте MCP local scope с файлом общих локальных настроек .claude/settings.local.json: это разные механизмы.

Выберите область под задачу

Если один личный сервер нужен в разных репозиториях, добавьте его с --scope user. Для общего рабочего сервера команды выберите --scope project: Claude Code создаст или обновит .mcp.json. Например, команда claude mcp add --transport http docs --scope project https://mcp.example.com/mcp описывает проектную конфигурацию для условного адреса. В реальной команде подставьте URL своего доверенного MCP-сервера; примерный домен не является работающим endpoint. Полученный файл имеет такую форму:

{
  "mcpServers": {
    "docs": {
      "type": "http",
      "url": "https://mcp.example.com/mcp"
    }
  }
}

В .mcp.json не записывайте реальный токен. Для индивидуальной авторизации используйте предусмотренный сервером вход или переменные окружения, а доступ к файлу конфигурации проверяйте как к изменению, способному запускать сторонний код. После клонирования проектный сервер в интерактивной сессии может иметь статус Pending approval. Запустите claude в каталоге, подтвердите доверие к workspace и отдельно просмотрите запрос на подключение сервера. Положить разрешение в отслеживаемый Git-файл настроек — не способ автоматически одобрить сервер в чужом клоне.

Если имя есть, но инструмент не тот

Одинаковое имя docs может существовать в нескольких областях с разными адресами. Для ручных записей Claude Code отдаёт приоритет local, затем project, затем user; поля записей не объединяются. Поэтому старый личный endpoint может перекрывать новый проектный. Сравните claude mcp get docs в нужной папке с ожидаемым адресом и проверьте предупреждение о совпавших именах в claude mcp list. Если запись неправильная, удалите её с явной областью, например claude mcp remove docs --scope local, и повторите проверку. Для Failed to connect ищите уже сетевую ошибку или авторизацию, а для Pending approval — решение пользователя; перенос между scope эти ошибки сам по себе не лечит.

Если сервер подключён, а агент вызывает не тот инструмент, проверьте коллизию имён tools разных MCP-серверов.

В платном курсе Vibecoding: Claude Code, Codex, Cursor и agentic development есть настройка рабочей среды coding agent и подключение внешних инструментов через MCP. Разбор области установки полезен перед командной работой: одна и та же команда агента должна иметь понятный набор инструментов в каждом проекте. Откройте программу курса, чтобы собрать этот workflow для своего репозитория.

Продолжить на практике

  • Vibecoding: Claude Code, Codex, Cursor и agentic development ↗

    Практический курс по vibecoding и agentic development: Claude Code, Codex, Cursor и современные coding agents в реальной разработке. Вы научитесь запускать feature workflow через AI, работать с кодовой базой, ускорять debugging, tests и refactoring, делегировать агенту заметную часть разработки и при этом сохранять контроль над качеством, архитектурой и итоговым результатом.