cursor的mcp服务器安装(nodejs,npx安装和uv工具安装)

部署运行你感兴趣的模型镜像

一、前言:

1、近期MCP服务器非常火爆,作为LLM大模型的通用工具手脚,MCP可以帮助LLM大模型实现更好的功能。本人经常使用cursor来进行代码的编辑,正巧cursor在0.47版本之后,MCP的相关设置进行了大更新,那么就来尝试一下吧。

二、MCP服务器的支持

MCP服务器的支持可以选择NodeJS的支持,所以需要先整理安装NodeJS。具体可以参考这篇博文:
nodejs安装
设置完环境变量之后,重启电脑,在终端输入

node -v 
npx -v 

image

可以查询到版本号之后,就说明做好了前置工作了。

三、cursor当中使用nodejs进行MCP服务器的配置(以mcp_fetch_fetch为例子)

打开cursor,点击左上角的齿轮,然后选择MCP选择,点击 Add new global MCP server 来配置全局的MCP服务器
之后会打开一个mcp.json文件。我们在里面进行配置即可。
常见的MCP服务器整合网站有:
https://mcp.so/
https://smithery.ai/
这里我们选择 https://smithery.ai/ ,挑选即可MCP服务器来进行尝试。
登录之后选择一个mcp服务器,然后选择图上的配置信息,选择Windows的Json进行复制
image

将复制的Json文本粘贴到mcp.json当中:
image

之后退回到Cursor Settings的MCP选择,检查服务器是否启动成功
image

只要显示绿色,并且启动(Enable),说明MCP服务器就已经启动了。

之后可以在cursor的agent模式下面,通过自然语言来要求ai来调用工具:
image

四、cursor当中使用uv进行MCP服务器的配置(以mcp_fetch_fetch为例子)

如果你的nodejs安装的服务器出现问题了,那么可以选择使用nv,是一个用于 Python 项目的快速的包安装器和解析器。
首先先让我们安装uv,在终端输入:

https://astral.sh/uv/install.ps1

之后终端当中会进行包的安装,最后可以在路径

C:\Users\Admin\.local\bin

下面得到uv.exe和uvx.exe文件

image

安装好之后记得将路径“C:\Users\Admin.local\bin”放到用户变量的path当中:

image

之后重启电脑,让环境变量生效。

我们打开cursor的mcp.json,然后进行响应的配置,将执行器切换为uv,按照uv的方式写入json字符串,具体写入的参数可以工具官方的github说明文档,比如:
https://github.com/modelcontextprotocol/servers/tree/main/src/fetch

image

image

重新检查,发现mcp服务器启动成功了:
image

五、可能存在的问题

  1. 如果cursor服务器启动失败,可以尝试重启cursor
  2. uv安装失败,尝试使用vpn,或者使用国内源

您可能感兴趣的与本文相关的镜像

Llama Factory

Llama Factory

模型微调
LLama-Factory

LLaMA Factory 是一个简单易用且高效的大型语言模型(Large Language Model)训练与微调平台。通过 LLaMA Factory,可以在无需编写任何代码的前提下,在本地完成上百种预训练模型的微调

<think>好的,用户问的是Cursor是否支持自动化MCP服务器的创建与安装。首先,我需要明确用户提到的MCP服务器具体指什么。因为“MCP”这个缩写可能有多种含义,比如在IT领域常见的可能有: 1. **Minecraft服务器(Minecraft Server)**:有些社区可能会用MCP(Minecraft Coder Pack)来指代相关的服务器工具。 2. **Multi-Cloud Platform**:多云管理平台。 3. **Mobile Content Provider**:移动内容提供商。 4. **Management Control Plane**:管理控制平面。 5. **其他特定领域的专有名词**:比如某些企业内部系统。 接下来,我需要考虑Cursor这个工具的功能。Cursor是一个基于AI的代码编辑器,支持智能补全、代码生成、问题解答等功能,类似于VS Code的增强版。它的主要能力集中在代码编写自动化任务处理上,比如生成脚本、自动化部署等。 假设用户指的是Minecraft服务器的自动化创建与安装,那么需要分析Cursor是否能够生成相关脚本或配置。例如,通过询问用户需求,生成Dockerfile、Shell脚本或者Ansible Playbook等自动化部署文件。这种情况下,Cursor是有能力辅助用户编写自动化脚本的,但需要用户提供具体的技术栈需求细节。 如果MCP指的是其他类型的服务器,比如多云管理平台,那么可能需要集成特定的云服务API(如AWS、Azure、GCP等)。Cursor本身并不直接提供服务器创建的接口,但可以通过生成调用云平台API的代码(如Python脚本使用boto3库操作AWS)来间接实现自动化。这同样需要用户明确具体的技术要求目标平台。 接下来,我需要验证这些思路是否正确。查阅Cursor的官方文档或社区资源,确认是否有直接支持MCP服务器自动化的功能。如果官方没有明确说明,那么结论是Cursor不直接支持,但可以通过生成代码脚本间接实现。 另外,用户可能对“自动化”的理解有不同层次。例如,是否希望完全一键部署,还是通过生成的脚本手动执行。需要明确用户的需求层次,提供相应的解决方案。 最后,总结回答时需要分情况讨论,给出不同可能性下的解决方案,并建议用户提供更多细节以便更精确的帮助。同时,保持回答的结构清晰,步骤明确,符合用户可见层的要求。</think>关于CursorMCP服务器自动化创建与安装的支持,需要分以下三个层面进行说明: $$注意:MCP在不同领域有不同解释,本回答默认指向IT基础设施中的服务器部署场景$$ 一、核心能力匹配 1. Cursor作为AI增强型代码编辑器 - 原生不具备直接操作服务器的API接口 - 擅长生成自动化脚本代码(Python/Shell/PowerShell等) - 支持通过代码生成实现间接自动化 二、技术实现路径 1. 自动化脚本生成示例: ```python # Cursor生成的AWS EC2实例创建脚本示例 import boto3 ec2 = boto3.resource('ec2') instance = ec2.create_instances( ImageId='ami-0abcdef1234567890', MinCount=1, MaxCount=1, InstanceType='t2.micro', KeyName='your-key-pair' ) ``` 2. 支持主流技术栈: - 云服务API调用(AWS/Azure/GCP) - Ansible/Terraform模板生成 - Docker/Kubernetes配置文件 - SSH自动化连接脚本 三、最佳实践建议 1. 明确具体需求: - 目标平台(物理机/虚拟机/云服务器) - 认证方式(API密钥/SSH证书) - 配置规格(CPU/内存/存储) 2. 推荐工作流: $$需求分析 \rightarrow 代码生成 \rightarrow 人工验证 \rightarrow 自动化执行$$ 如需进一步帮助,请提供: 1. 具体的MCP服务器定义 2. 目标部署环境类型 3. 现有技术栈信息 (本回答基于Cursor v0.9.9版本功能,实际支持度可能随版本更新变化)
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值