大模型实战：Cursor + MCP + 文档智能体，太爽了呀！！！

最新推荐文章于 2025-10-18 14:08:05 发布

原创最新推荐文章于 2025-10-18 14:08:05 发布 · 2.8k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#langchain #人工智能 #chatgpt #机器学习 #学习 #ai #大模型

该文章已生成可运行项目，

一、基础信息同步

1、Cursor

Cursor是Anysphere推出的AI编程工具 ，基于微软开源代码编辑器VS Code开发，将AI融入开发人员工作流程。它能自动用自然语言写代码，从代码库获取答案，参考特定文件文档，还能预测编辑内容。开发者通过指令编写代码，简单提示词就能更新类或函数。

2、MCP

MCP 即模型上下文，在人工智能领域意义重大。它指的是在模型运行期间，为其提供的相关信息集合。这些信息能帮助模型更好地理解任务需求、处理数据和做出决策。比如在对话式 AI 中，模型上下文包含之前的对话内容，使 AI 能结合前文准确回复。在图像识别里，上下文信息可以是图像的拍摄背景等。良好的 MCP 可提升模型的准确性和泛化能力，让其在复杂多变的实际场景中更出色地完成任务，从而为用户带来更优质、智能的服务体验。

3、智能体

AI智能体是一种基于人工智能技术构建的智能系统。它能够感知环境并做出决策，以实现特定目标。通过机器学习算法，AI智能体可以从大量数据中学习规律和模式，不断提升自身的性能。它具备自主性，能够在一定范围内独立行动，还能与人类或其他智能体交互。例如，在智能家居场景中，AI智能体可以自动调节室内温度、灯光等设备，根据用户习惯提供个性化服务，为人们的生活和工作带来便利。

4、RAG知识库

RAG知识库是一种结合检索（Retrieval）和生成（Generation）技术的知识库系统。它通过检索模块从海量数据中快速找到与问题最相关的片段，然后利用生成模块对这些片段进行整合和优化，生成准确、流畅的答案。这种结合方式既利用了检索的高效性和准确性，又发挥了生成的灵活性和创造性。RAG知识库广泛应用于智能问答、文本生成等领域，能够为用户提供高质量的知识服务，帮助人们快速获取所需信息，提升工作效率和知识获取的便捷性。

二、效果图

1、概念流程图

在这里插入图片描述

2、实际效果展示图

在这里插入图片描述

三、完整流程

1、文档智能体搭建

第一步：采集目标文档

我这里使用爬虫采集，推荐爬虫框架：DrissionPage - drissionpage.cn/。

哈哈哈哈！我用它自己抓取了它自己的文档！

在这里插入图片描述

第二步：文档数据清洗

我自己开发了一个工具（可以分享出来，思路很简单，就是调用大模型批量重写），支持对文件批量上传、大文件切割、调取大模型批量清洗、生成清洗后新文件列表、批量下载清洗后的文档。

清洗后的文件列表

在这里插入图片描述

原文件

在这里插入图片描述

清洗后

在这里插入图片描述

第三步：创建文档智能体

将文档上传到知识库，简单配置下就可以了。用过扣子，觉得不太好，后来使用阿里云百炼平台，觉得很好！

阿里云百炼平台：bailian.console.aliyun.com/

上传文档

在这里插入图片描述

创建文档智能体

在这里插入图片描述

第四步：发布智能体

发布之后，可验证下API调用是否正常。推荐Apifox。

在这里插入图片描述

2、MCP 服务搭建

看这个教程

Model Context Protocol(MCP) 编程极速入门

github.com/liaokongVFX…

3、集成到Cursor

参考配置，这是本地的 MCP 服务。

{
    "chat_with_drissionpage": {
      "command": "cmd",
      "args": [
        "/c",
        "cd /d C:\\MyGitHub\\mcp_curl && .venv\\Scripts\\python.exe main.py"
      ]
    },
}