【原创】MCP服务介绍&使用MCP实现类Manus Agent

一、部分MCP服务介绍

Sequential Thinking MCP

介绍：AI 的"深度思考"模式，它能够通过多轮思考，逐步拆解复杂问题，最终给出全面的解决方案）

地址：https://github.com/smithery-ai/reference-servers/tree/main/src/sequentialthinking

安装指令：

Mac：

npx -y @modelcontextprotocol/server-sequential-thinking

Windows：

npm install -g @modelcontextprotocol/server-sequential-thinking

node C:\Users\heiye\AppData\Roaming\npm\node_modules\@modelcontextprotocol\server-sequential-thinking\dist\index.js

Firecrawl MCP

介绍：一款企业级网页数据采集工具，专门针对复杂网页场景设计，支持JavaScript动态渲染、批量数据处理、智能内容搜索和深度网页爬取等高级功能）

地址：https://github.com/mendableai/firecrawl-mcp-server

安装：

设置环境变量：FIRE_CRAWL_API_KEY 或 FIRECRAWL_API_KEY（去官网申请免费的key）

方式1：

Mac

npx -y mcp-server-firecrawl

Windows

npm install -g mcp-server-firecrawl

node C:\Users\heiye\AppData\Roaming\npm\node_modules\mcp-server-firecrawl\dist\src\index.js

方式2：

Mac

npx -y firecrawl-mcp

Windows

npm install -g firecrawl-mcp

node C:\Users\heiye\AppData\Roaming\npm\node_modules\firecrawl-mcp\dist\index.js

方式3：

firecrawl-mcp

或

cmd /c "set FIRECRAWL_API_KEY=fc-b79de4cfa8264a6386194da0102b9521 && npx -y firecrawl-mcp"

Fetch MCP

介绍：Anthropic官方开发的一款专注于网页内容抓取的高效数据采集工具，可以抓取网页上的内容，以 markdown 的格式返回）

地址：https://github.com/smithery-ai/mcp-fetch

安装：

Mac

npx -y @kazuph/mcp-fetch

Windwso

npm install -g @kazuph/mcp-fetch

node C:\Users\heiye\AppData\Roaming\npm\node_modules\@kazuph\mcp-fetch\dist\index.js

或：

pip install mcp-server-fetch

python -m mcp_server_fetch

uvx mcp-server-fetch

Hot News MCP

介绍：获取抖音、知乎、虎扑、微博、百度、B站、豆瓣最热新闻）

地址：https://github.com/wopal-cn/mcp-hotnews-server

安装：

Mac：

npx -y @wopal/mcp-server-hotnews

Windows：

npm install -y @wopal/mcp-server-hotnews

node C:\Users\heiye\AppData\Roaming\npm\node_modules\@wopal\mcp-server-hotnews\build\index.js

Playwright MCP

介绍：一个强大的自动化测试工具，它能够帮助开发者在多种浏览器环境中进行端到端测试，大大简化了测试流程，提高了测试效率和准确性）

地址：https://github.com/executeautomation/mcp-playwright

安装：

Mac

npx -y @executeautomation/playwright-mcp-server

Windows

npm install -g @executeautomation/playwright-mcp-server

node C:\Users\heiye\AppData\Roaming\npm\node_modules\@executeautomation\playwright-mcp-server\dist\index.js

Magic MCP

介绍：支持直接创建前端组件，所有组件均来自 21st.dev。使用"/ui"指令，就能快速创建各种 UI 界面）

地址：https://github.com/21st-dev/magic-mcp

Brave Search MCP

介绍：使用 Brave Search API 进行信息检索。当然你得先去 Brave Search 的控制台去生成一个 API Key，才能使用这个 MCP。经过实测，Brave Search 比 Cursor 自带的 Search 效果要）

介绍：https://github.com/smithery-ai/reference-servers/tree/main/src/brave-search

安装：

Mac：

npx -y @modelcontextprotocol/server-brave-search

Windows：

npm install -g @modelcontextprotocol/server-brave-search

node C:\Users\heiye\AppData\Roaming\npm\node_modules\@modelcontextprotocol\server-brave-search\dist\index.js

安装Tips：

在Windows上面都可以使用 node 命令测试整个服务是否工作正常。

上面的用户heiye替换成你的用户名

二、实现的类Manus效果

使用Sequential Thinking参考Prompt：

复制代码

`- Speak Chinese.
- Use the sequential-thinking MCP service to plan your actions. 
- You are an assistant. When you receive a task, you will carry it out step by step. You will generate a todo.md file and update it once you complete one step.
- If you receive a data analysis task, you will use Python-based data science.
- Use Python 3.12 as the main programming language.
- Use NumPy for numerical calculations and array operations.
- Use Pandas for data manipulation and analysis.
- Use UV for environment and package management.
- Use Dash for web-based reporting.
- Generate web-based reports using separate files, which should be beautiful, modern and have good interactivity.
- Run a web server and provide me with the URL.
- Use website preview and fetch-mcp to obtain web page content.
- If fetch-mcp does not work, you can choose to use tools such as Requests-HTML, BeautifulSoup, Scrapy, Selenium, etc. to obtain and process web page content.
- Give priority to using Google for searching. If Google search does not work, you can use Bing and Baidu search engines to retrieve information.
- Store the project summary in a separate file.
- Store the to-do list in a separate file.
- Use a separate directory to store all files from one task.
- Store all process data in files under the task directory. `

核心思路：

主要是通过Prompt + Sequential Thinking MCP + Cursor 实现类似于Manus的效果。

第一步：设置必要的MCP

第二步提交需求

第三步：参与互动过程

第四步：查看最终整理出的网页效果

三、简单总结

MCP的想象力还是很大的，特别是能够与大模型，或者是与现有数据或服务结合的MCP，潜力巨大。很多传统公司完成可以转型成为MCP公司，比如上面MCP案例里的 Brave Search 和 Firecrawl 就是很典型的案例，一个是做搜索引擎的，一个是做爬虫的，都转型成为MCP服务商，然后卖API赚钱。
通过这些Prompt和MCP服务结合，可以很快速的实现类似于Manus这种复杂Agent的场景，但是，还需要Cursor或Windsurf这种基础AI Agent才能达到。反正想象力都是非常巨大的。

【大模型介绍电子书】

快速揭秘DeepSeek背后的AI工作原理

要获取本书全文PDF内容，请在后台留言："AI大模型基础" 或者 "大模型基础" 就会获得电子书的PDF。