前端Vibe Coding探索:Cursor+MCP打造沉浸式开发流(使用MCP与Cursor Rules让Vibe Coding更快速与精准)

许久不见,关注哈士奇的xdm,很久没有写文章了,哈士奇从公司新人培训结束,刚刚回来工作两个月,最近工作也算是走入正轨了,之前写出来的AI Review的工具也在组里面使用了一段时间,最后因为某些特殊原因还是没有继续使用下去。

最近哈士奇也在不断学习一些新的技术和开发模式,所以这次来和大家聊聊最近学习到的一些内容,并且分享一些自己的看法。

在前端开发领域,"效率" 与 "沉浸感" 始终是我们开发者追求的核心目标。随着 AI 工具与工作流协同技术的发展,一种全新的开发模式 ------Vibe Coding(氛围编码)逐渐兴起。它不再局限于单一工具的效率提升,而是通过与agent的对话,去除程序员对于代码的介入,构建符合个人开发节奏、降低认知负荷的沉浸式开发环境。

其中,AI 编辑器 Cursor 与 MCP(Model Context Protocol,模型上下文协议)的组合,成为前端 Vibe Coding 的核心实践方案。本文将从概念解析、工具配置到生态协同,全面探索这一开发模式并进行一些更优雅的使用。(对这些概念了解的直接折叠第一章的絮叨)

一、核心概念解析

1. Vibe Coding

Vibe Coding 直译是 "氛围编码",它作为一种新兴的编程范式,由OpenAI联合创始人、前特斯拉AI部门总监Andrej Karpathy于2025年2月在社交平台X上首次提出。其核心内涵是让开发者能够通过自然语言表达编程意图,指导AI编写、测试、优化代码。它强调让开发者专注于设计产品和思考创意,通过自然语言表达编程意图,而并非繁琐的代码实现。前端开发中,通过直接向ai提问获取自己想要的界面展示和逻辑展示。比如下面:

我可以通过直接与ai对话来生成一个APP,并帮助我进行解决问题,而自己不需要去查看代码逻辑,只需要观察页面上面的展示,告知ai帮我修改优化。

2. Cursor

cursor.com/cn/docs

Cursor 是一款由 AI 驱动的代码编辑器,能够理解你的代码库,并通过自然语言助你更快编写代码。只需描述你想要构建或修改的内容,Cursor 就会为你生成相应的代码。(更好的大模型需要付费)

2.1.Cursor是什么

Cursor 基于 VS Code 内核开发(界面、操作逻辑和 VS Code 高度一致,上手成本极低),但聚焦「AI 辅助编码」,而非全功能编辑器。它的核心优势是:

  • AI 原生集成:无需安装额外插件,打开就能用 AI 功能,响应速度比 VS Code + AI 插件更快;
  • 轻量高效:体积比 VS Code 小,启动快,专注编码场景,无冗余功能;
  • 精准适配开发者:AI 模型针对代码场景优化,支持多种编程语言、框架,代码生成 / 修改的准确率更高。
2.2.主要功能(核心亮点)
1. 实时 AI 代码建议(Inline Suggestions)
  • 编码时自动联想补全代码,支持单行、多行甚至整个函数的生成;
  • 例如:输入注释 // 用 JavaScript 实现数组去重,或输入函数名 function uniqueArr(),AI 会实时弹出完整实现方案,按 Tab 即可采纳。
2. 自然语言转代码(Chat to Code)
  • 用日常语言描述需求,AI 直接生成对应代码,支持复杂逻辑(如算法、业务逻辑、配置文件等);
  • 操作:打开左侧「AI Chat」面板,输入指令(例:"用 Python 写一个爬虫,爬取掘金文章标题和链接,保存为 CSV 文件"),AI 会生成完整可运行的代码,并附带注释。
3. 代码解释 / 重构 / 调试
  • 解释代码:选中陌生代码,右键选择「Explain Code」,AI 会用通俗语言说明代码功能、逻辑流程、潜在问题;
  • 重构代码:选中需要优化的代码,右键选择「Refactor Code」,AI 会自动优化结构、简化逻辑、提升性能(如将冗余代码精简、转换为更优雅的写法);
  • 调试报错:遇到报错时,复制错误信息到 AI Chat 面板,或直接选中报错代码,AI 会分析报错原因、给出修复方案,甚至直接生成修正后的代码。
4. 对话式编程(AI Chat 面板)
  • 像和 ChatGPT 聊天一样,与 AI 讨论技术问题、询问语法细节、设计方案;
  • 支持上下文关联:例如先让 AI 生成一个函数,再追问 "如何优化这个函数的时间复杂度",AI 会基于之前的代码给出针对性建议。
5. 支持多语言与场景
  • 编程语言:覆盖 Python、JavaScript/TypeScript、Java、Go、C++、PHP 等主流语言,以及 HTML/CSS、SQL 等;
  • 场景适配:支持框架(React、Vue、Django 等)、算法题、脚本编写、配置文件生成等。

3. MCP

modelcontextprotocol.io/docs/gettin...

MCP(Model Context Protocol)是一种用于将 AI 应用程序连接到外部系统的开源标准。使用mcp可以让ai连接到对应的数据源(比如对应应用的数据库或者本地)或者是特定的工具(比如浏览器)还有工作流程,可以让ai了解到特定的关键信息执行对应任务。

总而言之,假设我们需要充手机电,但是我有很多个手机:vivo、oppo、小米、华为,我可以通过一个充电线,把电传给不同的手机,同样的我很多个手机想要传输数据到我的电脑里面,也只要通过同一根充电线就行了。MCP就是把不同的应用连接到大模型的充电线。

这张图经典永流传哈

二、使用 Agent 进行 Vibe Coding的问题

我们在vibe coding的时候可能会碰到这样的问题:

  1. 询问agent进行生成代码以后,浏览器出现问题,需要从控制台复制问题原因交给agent,告知他们代码出现啥问题了,但是实际上,这一步就增加了人工操作的过程(复制问题,粘贴到对话框,询问ai发生什么事情了),如果报错信息很长的话甚至会超出询问限制。

  2. 复制设计稿图片给agent以后,agent总会出现生成不准确,使用错误的语言的问题,或者使用figma或者蓝湖官方生成代码大模型的时候,没有使用想要的自定义组件的问题(公司指定或者自己封装的),这种情况下ai生成的代码是没有意义的,因为不满足使用需求。下面是我把问题一的图片复制到蓝湖的Mastergo里面大模型提示的

三、解决

针对上述问题的解决方法如下

针对调试问题

使用chrome-devtools-mcp

这个mcp是由chrome官方推出的mcp,可以方便ai直接读取我们需要检查的页面的devtools,并且分析页面内的内容是否有问题,尤其是分析网页性能.

我们进入官网直接添加到cursor,然后我们看到下面的和chrome-devtools有关的mcp变绿就行

最后我们来看看


针对设计稿还原问题

使用 Rules+ figma MCP

Rules

cursor支持四种Rules

Project Rules 和 User Rules 可以直接在cursor里面配置

Project Rules是针对项目进行配置的规则,它可以针对项目下的每个文件夹编写特定的规则,每个文件夹的规则不会影响其他文件夹

bash 复制代码
project/
  .cursor/rules/        # 项目级规则
  backend/
    server/
      .cursor/rules/    # 后端专用规则
  frontend/
    .cursor/rules/      # 前端专用规则

最新的Project Rules可以有四种选择

  • Always 始终包含在模型上下文中
  • Intellgently 根据描述匹配
  • Specific Files 当和指定模式匹配的时候
  • Manually 仅在 @模型名称 明确提及时才会包含
markdown 复制代码
## 项目信息
- 项目: example
- 技术栈: Vue 3.3.7 + JavaScript + Vite + Pinia + Ant Design Vue 4.2.6
- 子应用: 
## Vue 组件结构顺序
1. `<template>` 模板
2. `<script setup>`:
   - import 导入
   - Props 定义
   - Emits 定义
   - Store/Composables
   - 响应式数据 (ref/reactive)
   - 计算属性 (computed)
   - 方法 (functions)
   - 生命周期 (onMounted 等)
3. `<style scoped lang="less">` 样式
## 代码风格
- 使用 Composition API (`<script setup>`)
- 优先使用 CSS 处理样式,避免 JS 样式计算(除非 CSS 无法实现)
- 禁止内联样式和滥用 `!important`
- 使用 Prettier + ESLint 格式化
- 函数遵循单一职责原则
- 变量作用域合理,避免全局污染
- 避免深层嵌套,使用解构
## 注意事项
1. Vue 文件超过 500 行必须拆分
2. JS 文件超过 800 行必须拆分
3. 优先复用团队基础组件
4. 大数据量必须使用虚拟列表
5. 所有异步操作必须有错误处理
6. 所有用户文本必须国际化

User Rules则是针对使用者的Rules,使用cursor的时候就会自动读取

复制代码
请使用中文回复
请简洁回复

AGENTS.md需要在项目的根目录下面配创建并写入对应的规范,在向agent提出需求的时候会自动对文件读取并加入提示词

markdown 复制代码
# 项目说明

## 代码风格

- 所有新文件使用 TypeScript
- React 中优先使用函数组件
- 数据库列使用 snake_case 命名

## 架构

- 遵循仓储模式
- 将业务逻辑保持在服务层中


## 目录结构

example
├── components/      # 公共组件
├── directives/      # Vue 指令
├── filters/         # 数据格式化函数
├── mock/            # MSW 模拟数据
├── pages/           # 所有页面
├── plugins/         # Pinia 插件
├── services/        # 服务抽象(接口/埋点/三方服务)
├── stores/          # Pinia 状态管理
├── util/            # 工具类
├── locales/         # 国际化
├── assets/          # 静态资源
├── styles/          # 样式文件
├── main.js          # 主入口
└── router.js        # 路由配置

Team Rules 一般是团队用的,这个暂且不提

figma mcp
配置:
复制代码
首先全局下载  npm install -g figma-developer-mcp

这里我们选择个人token并且创建一个新的token

给上对应的项目权限,在这里哈士奇给了所有的项目的读取权限,给了三个月的token有效期

记得保存好token,不然需要重新创建了

点开cursor

json 复制代码
windows
"Figma MCP": {
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "figma-developer-mcp",
        "--figma-api-key= 写你的touken ",
        "--stdio"
      ]
    },
    
mac
"Figma MCP": { 
    "command": "npx", 
    "args": [ 
    "-y", 
    "figma-developer-mcp", 
    "--figma-api-key= 写你的touken ", 
    "--stdio" 
    ]
  },

绿豆出现就可以用了

使用:

我们去figma找到对应的设计稿,复制设计稿的链接

接下来直接复制给agent使用就可以了

优点
  1. 直接获取链接可以获得更详细的设计稿数据,相比较截图生成能够有更好的设计稿还原
  2. 使用rules确定了整个项目的代码风格,最重要的是可以把项目的自定义组件带入,相比较普通的设计稿的大模型生成可以更符合组内规范

总结

总的来说通过chrome-devtools-mcp(调试自动化)+cursor Rules(代码风格约束)+figma mcp(设计稿数据确定) 是目前哈士奇探索出来的最佳的vibe coding模式,如果大家有更好的ai使用方法欢迎与哈士奇分享。

相关推荐
护国神蛙7 小时前
HTTP 重定向踩坑实录:307、301、308 问题排查全指南
前端·网络协议
Hilaku7 小时前
前端开发,真的有必要学Docker吗?
前端·javascript·docker
艾莉丝努力练剑7 小时前
【Git:基本操作】深度解析Git:从初始Git到熟悉基本操作
大数据·linux·c++·人工智能·git·gitee·指令
安迪西嵌入式7 小时前
数据平滑处理算法03——中心移动平均
java·前端·算法
机器之心7 小时前
上海AI Lab发布混合扩散语言模型SDAR:首个突破6600 tgs的开源扩散语言模型
人工智能·openai
掘金安东尼7 小时前
🧭 前端周刊第428期(2025年10月28日–11月3日)
前端·github
wwlsm_zql7 小时前
AI安防革新揭秘:智能体技术引领城市安全新纪元
人工智能·安全
AI_56788 小时前
AI换脸技术安全指南:3条法律红线与合规实践
人工智能·学习·it
明月照山海-8 小时前
机器学习周报二十
人工智能·机器学习