通用大模型最致命的法律短板,是它会"一本正经地编判例"——案号像模像样,引用的法条却对不上,你根本不敢拿去办案。解决办法不是换一个更大的模型,而是给它接一个能查真实判决的数据源。本文用最短的路径演示:如何用 MCP(Model Context Protocol)把文书查的 1.7 亿+ 裁判文书接进 Claude Desktop,让 AI 在对话里直接检索、返回带原文链接的真实判例。全程改一个配置文件,不到 5 分钟。
一、先搞清楚:MCP 到底解决什么问题
MCP 是一种让 AI 助手调用外部工具和数据的开放协议。你可以把它理解成"给大模型装的标准化数据接口"——装上之后,Claude / Cursor 这类客户端就能在回答前先去外部数据源查一遍,再基于查到的真实内容作答。
对法律场景,这个区别是决定性的:
| 不接数据源(裸用大模型) | 接入文书查 MCP 之后 | |
|---|---|---|
| 判例来源 | 凭训练记忆生成,可能是编的 | 实时检索 1.7 亿+ 真实裁判文书 |
| 可溯源 | 无法核对,案号常对不上 | 每条结果回链法院原文,可点开验证 |
| 时效 | 停在训练截止日 | 数据每日同步,新判决约 24 小时内可查 |
| 能不能办案用 | 不敢 | 可作为类案检索与初判的起点 |
一句话:MCP 把"会说法言法语的模型"变成"能引用真实判决的助手"。这也是法律 AI 防幻觉最实在的一招——不是靠 prompt 求它别编,而是直接喂给它可查的数据。
二、准备:申请一把试用 key(1 个工作日)
接入前你只需要一样东西:文书查的 API key。
- 打开试用申请页 paileme.wenshucha.com/tob/api-trial,填写团队与用途。
- 试用 key 通常 1 个工作日内发放;同一把 key 既能用于 MCP 接入,也能直接调 REST API。
- 同时记下控制台给出的 MCP 服务地址(连接串)——下一步配置要用到。具体连接参数以控制台/开发者文档(mcp.wenshucha.com)为准。
为什么先试用再谈量? 文书查的建议是:先用一把试用 key 在你真实的几个问题上跑一遍,确认检索召回与原文回链确实能用,再决定走云端 API 扩量还是私有化离线部署。别一上来就签大单——先验证数据质量。
三、接入 Claude Desktop:改一个配置文件
Claude Desktop 通过一个 JSON 配置文件管理 MCP 服务,接入文书查就是往里加一段。
1. 找到配置文件
- macOS:
~/Library/Application Support/Claude/claude_desktop_config.json - Windows:
%APPDATA%\Claude\claude_desktop_config.json
也可以在 Claude Desktop 的设置(Settings → Developer → Edit Config)里直接打开它。文件不存在就新建一个。
2. 加入文书查 MCP 配置
把下面这段填进去(mcpServers 里已有别的服务就并列加一项),用你控制台拿到的真实地址和 key 替换占位:
{
"mcpServers": {
"wenshucha": {
"command": "npx",
"args": ["-y", "@wenshucha/mcp-server"],
"env": {
"WENSHUCHA_API_KEY": "<你的试用 key>",
"WENSHUCHA_API_BASE": "https://tob.wenshucha.com/api/v1"
}
}
}
}说明:command / args 的具体形式以控制台/开发者文档给出的为准(不同分发方式可能是 npx 包,也可能是远程 SSE/HTTP 连接串);务必复制官方文档里的那一行,不要照搬本文占位——本文给的是结构示意,真实连接参数随版本更新。
3. 重启 Claude Desktop,验证连接
完全退出并重新打开 Claude Desktop。连接成功后,输入框旁会出现 MCP 工具图标,展开能看到 wenshucha 提供的检索工具。验证一句最简单的:
用文书查检索:近三年 劳动合同 违法解除 二倍赔偿 的二审改判案例,
列 3 个,给案号和原文链接。如果 Claude 调起了文书查工具、返回了带案号和可点链接的结果,就说明接通了。看到真实案号 + 能点开的原文链接 = 成功。
四、接进自己的应用:用 REST API
MCP 适合在 AI 客户端里"让 AI 自己查";如果你要把检索接进自己的产品后端(做 RAG、批量检索、评测),用 REST API 更可控。基本调用示意:
# Python 示例(结构示意,字段以接口文档为准)
import requests
resp = requests.post(
"https://tob.wenshucha.com/api/v1/search",
headers={"Authorization": "Bearer <你的 key>"},
json={"query": "民间借贷 担保 连带责任", "size": 10},
)
for hit in resp.json().get("data", []):
print(hit["case_no"], hit["court"], hit["url"])返回的每条记录都带结构化字段(案号、法院、审级、案由、当事人脱敏、裁判结果)和回链原文的 URL,直接可以喂进你的检索/重排/grounding 流程。完整字段与端点见开发者文档与 API/MCP 定价页。
五、MCP vs REST API:怎么选
| MCP 接入 | REST API | |
|---|---|---|
| 适合谁 | 用 Claude/Cursor 办公的律师、KM 团队、想零代码验证的人 | 要把检索接进自己产品的开发团队 |
| 要写代码吗 | 不用,改配置即可 | 要,但可控性最高 |
| 典型用法 | 对话里随手查类案、要素 | RAG、批量检索、评测、Agent 工具 |
| 上手时间 | ~5 分钟 | ~半天接通 |
实践里的常见路径是:先用 MCP 跑通、让团队直观看到效果,再用 REST API 接进生产。两者数据同源,切换不返工。
六、三个让效果立竿见影的用法
- 类案检索起点:把当事人情况写成一句话,让 AI 检索相似判决并归纳裁判倾向——比关键词搜更贴合语义,且每条可回原文核对。
- 要素与结果抽取:对一批判决批量抽"争议焦点 / 裁判理由 / 赔偿区间",做实证分析或给客户出报告。
- 初判参考:结合类案的赔偿区间和改判情况,给出一个有判例支撑的初步预判区间(强调:供参考,不替代律师判断)。
一句话提醒:MCP 接入解决的是"让 AI 用真实判决说话",但它是云端调用,适合验证与中小用量。对数据不能出内网的律所、法院、检察院、政府,正确路径是先用 MCP 验证检索质量,再上私有化离线部署(全量数据 + 模型都跑在内网)。
七、常见问题
Q:接入要不要懂 MCP 协议本身?
A:不用。Claude Desktop 已经把协议封装好了,你只是在配置文件里登记一个服务。会改 JSON、会复制粘贴 key 就够。
Q:试用 key 有什么限制?
A:试用用于验证检索效果,通常有用量配额。验证通过后可升级正式额度或转私有化部署,具体联系商务。
Q:Cursor / Cline / 自研助手能接吗?
A:能。任何支持 MCP 的客户端配置方式都类似(登记服务 + 填 key);自研后端则走 REST API。
Q:返回的判决会不会有当事人隐私问题?
A:数据均来自人民法院公开渠道,个人敏感信息已按公开口径脱敏,结果回链公开原文,合法可溯源。
申请试用 key,5 分钟把判例库接进你的 AI
提交团队与用途,1 个工作日内发放试用 key;需要私有化离线部署的律所/政府,可直接约方案与 demo。
📞 联系商务 Jack · 131 6872 7779或邮件 chenjiaxin@wenshucha.com · 试用申请 paileme.wenshucha.com/tob/api-trial
相关阅读:法律 AI 数据底座选型:文书查 vs 北大法宝 vs 无讼 vs Alpha · 律师工作台:案件胜算量化 · 裁判文书 API / MCP 定价