前两篇回答了“Pi 是什么”和“怎么把我的环境迁移到新机器”。这一篇聚焦日常使用：进入一个项目后，如何让 Pi 帮你读代码、改代码、运行验证、做 Review，并把长期上下文管理好。

1. 启动：让 Pi 站在项目根目录

Pi 的工具都以当前工作目录为基准，所以建议在项目根目录启动：

cd /path/to/project
pi

MCP 的强大之处在于它能将 AI 模型与现实世界的复杂工具链无缝整合。以下是两个核心应用领域的案例分析。

1. AI 编程集成：开发者的高效副驾驶

• 传统痛点： AI 编程助手（如 Copilot）对本地项目的完整上下文理解有限，难以执行复杂的文件操作或与版本控制系统深度交互。
• MCP 的应用与价值： MCP 将 AI 深度集成到开发环境（IDE）和代码托管平台中，实现全代码库的上下文感知。
  • 案例： Replit 的 AI Agent 可以通过 MCP 连接到 Figma 服务器，开发者只需提供设计稿链接， AI 就能自动生成对应的前端代码，极大提升效率。
  • 工具集成： 诸如 Cursor、Codeium 等 AI 优先的 IDE，通过连接 Git、GitHub、Docker 等 MCP 服务器，让 AI 能够执行读取文件、分析代码依赖、创建 Pull Request 甚至在隔离容器中执行代码等高级任务。一些先进的 AI 模型（如 GLM-4.5）已原生支持 MCP，能够更精准地实现任务的自主规划和多工具协同调用。