MCP+Cursor入门

原创已于 2025-07-07 19:42:03 修改 · 1k 阅读

26 ·

CC 4.0 BY-SA版权

文章标签：

#mcp #cursor #AI

于 2025-07-03 20:36:22 首次发布

AI工具专栏收录该内容

2 篇文章

订阅专栏

该文章已生成可运行项目，

文章目录

1.背景
2.MCP原理
- 2.1 MCP的原语
- 2.2 MCP 通信方式
3.通过cursor配置自己的MCP
4.常见问题与注意事项

1.背景

1.1 MCP是什么

MCP（Model Context Protocol，模型上下文协议）是由Claude的母公司 Anthropic 推出的模型上下文协议，旨在标准化应用程序如何向大型语言模型（LLM）提供上下文。它允许LLM与外部数据源和工具无缝集成，从而使AI模型能够访问实时数据并执行更复杂的任务

你可以把 MCP 想象成 AI 应用的 USB-C 接口——正如 USB-C 为设备与各种外设和配件提供了统一的连接标准，MCP 也为 AI 模型与不同数据源和工具之间的交互提供了标准化方案

一句话描述就是MCP是一座桥，让大模型可以调用我们的应用。

1.2为什么要使用MCP

随着 AI 助手逐渐成为主流，行业在模型能力上投入了大量资源，在推理和质量方面取得了快速进展。然而，即使是最先进的模型也受限于与数据的隔离——被困在信息孤岛和遗留系统之后。每个新数据源都需要定制化实现，这使得真正互联的系统难以扩展。

MCP 解决了这一挑战。它提供了一个通用的开放标准，用于将 AI 系统与数据源连接起来，用一个单一协议取代了分散的集成方式。其结果是为 AI 系统提供了一种更简单、更可靠的方式来获取所需数据。
在这里插入图片描述

1.3 MCP使用场景

需要让AI助手实时访问企业内部知识库、数据库或API的场景

需要标准化AI与多种外部工具集成的复杂应用
希望快速扩展AI能力、减少重复开发成本的团队

2.MCP原理

2.1 MCP的原语

MCP通过三种主要原语（Primitives）增强LLM的功能，理解这些原语是编写MCP的关键：

提示（Prompts）：预定义的指令或模板，指导LLM如何处理输入或生成输出。
资源（Resources）：提供额外上下文的结构化数据，例如文件或数据库内容。
工具（Tools）：可执行的函数，允许LLM执行操作（如查询API）或检索信息。

关键点：这些原语是MCP的核心，决定了服务器能为LLM提供什么能力。

2.2 MCP 通信方式

MCP 支持两种通信方式：
标准输入输出（Standard Input/Output, stdio）：客户端通过启动服务器子进程并使用标准输入（stdin）和标准输出（stdout）建立双向通信，一个服务器进程只能与启动它的客户端通信（1:1 关系）。

stdio 适用于本地快速集成的场景

服务器发送事件（Server-Sent Events, SSE）：：一种基于HTTP协议的单向通信方式，允许服务器主动向客户端推送实时数据。服务器作为独立进程运行，客户端和服务器代码完全解耦，支持多个客户端随时连接和断开。这种方式将在后续的系列文章中单独进行介绍。

具体流程如下：
在这里插入图片描述

3.通过cursor配置自己的MCP

MCP配置可分为项目级配置和全局配置

3.1 项目级配置

仅当前项目生效

在.cursor目录下创建mcp.json

3.2 全局配置

在这里插入图片描述

编辑mcp.json

{
  "mcpServers": {
    "mcp-test-tool": {
      "command": "npx", // 启动命令
      "args": [
        "-y",
        "@xx/xxx-yuque-mcp-tool",
        "--stdio" // 使用标准输入输出通信
      ],
      "env": {
        "YUQUE_EXTRA_TOKEN": "研发:your token,", // API访问令牌
        "YUQUE_DEFAULT_SEARCH_SCOPE": "MCP TEST", // 默认搜索范围
        "npm_config_registry": "http://nodepackages.xxxxx.cn:4873/" // npm私有源地址
      }
    }
  }
}