【Cursor进阶实战·06】MCP生态：让AI突破编辑器边界

AI的"孤岛困境"

周三下午，你正在开发用户统计报表功能。打开Cursor，准备让AI帮忙：

第一回合：查询数据库

你：「帮我写个查询用户的SQL」

AI：「好的，这是查询代码：」

sql 复制代码

SELECT * FROM users WHERE status = 'active';

你皱起眉头：「等等，我们的用户表到底叫什么？有哪些字段？email字段是user_email还是email？」

→ 打开Navicat，切换到数据库标签页

→ 找到users表，双击查看结构

→ 发现表名其实是sys_users，字段叫user_email

→ 复制字段列表回到Cursor

→ 重新告诉AI：「表名是sys_users，字段有id, username, user_email, status, created_at...」

5分钟过去了。

第二回合：生成API接口

你：「帮我生成用户统计的API接口」

AI生成了代码，你粘贴到项目里，准备测试。突然想起：「咦，我们的API响应格式是什么来着？」

→ 切换到Confluence，搜索"API规范文档"

→ 找到文档：统一返回 { code, message, data }

→ 复制规范回到Cursor

→ 告诉AI：「响应格式要改成我们的统一格式」

→ AI重新生成

又是5分钟。

第三回合：前端图表展示

你：「生成前端统计图表页面」

AI：「好的，使用Chart.js绘制图表」

你：「等等，我们用的是ECharts，不是Chart.js！而且项目里已经有图表组件了...」

→ 打开项目目录，找到components/charts

→ 查看现有的LineChart.tsx组件

→ 复制组件代码给AI

→ 告诉AI：「参考这个组件的写法」

再过5分钟，你已经切换了6次工具窗口。

你抬头看了眼时间：20分钟过去了，代码还没写完。

更糟糕的是，你的思绪已经被这些上下文切换打断了。你不记得最初是想做什么了，得重新理一遍思路。

这就是AI的"孤岛困境"：

Cursor AI只能看到编辑器里的代码，无法访问数据库、API文档、设计稿、云服务...

它像一个戴着眼罩的程序员，需要你不断地"口述"外部世界的信息。

如果AI能直接查询数据库、读取API文档、访问GitHub仓库，岂不是能减少90%的上下文切换？

这就是MCP（Model Context Protocol）要解决的核心问题。

本文将带你：

理解MCP协议的核心概念
5分钟配置第一个MCP服务器
实战配置5个核心MCP服务器
打造"AI + 工具生态"的完整工作流

什么是MCP？3分钟理解核心概念

MCP = Model Context Protocol（模型上下文协议）

通俗解释：

如果把Cursor AI比作一个程序员，MCP就是给他装了**"USB接口"**，可以插入各种外部工具------数据库、GitHub、云服务、设计工具...

没有MCP的AI（孤岛模式）：

复制代码

你 → [描述数据库结构] → AI → [生成代码]
你 → [粘贴API文档] → AI → [生成代码]
你 → [描述现有组件] → AI → [生成代码]

→ 你是信息的"搬运工"，不断在工具间复制粘贴

有了MCP的AI（生态模式）：

复制代码

你 → [提出需求] → AI → [自动查询数据库] → [自动读取文档] → [自动参考现有代码] → [生成代码]

→ AI主动获取所需信息，你只需专注于需求本身

MCP架构图

架构说明：

工作流程：

你在Cursor中提问："查询最近7天注册的用户数量"
AI识别需要数据库信息
AI通过MCP调用SQLite服务器
服务器执行SQL查询
结果返回给AI
AI基于真实数据生成完整代码

MCP的3个核心概念

1. Resources（资源）

定义：AI可以读取的外部数据

示例：

数据库表结构：sqlite://users
API文档：docs://api-conventions.md
设计稿：figma://file/abc123
Git历史：github://repo/commits

使用场景：

复制代码

你: "列出数据库中所有表"
AI: [通过MCP读取数据库]
    "数据库有3个表: users, posts, comments"

2. Tools（工具）

定义：AI可以调用的外部功能

示例：

执行SQL：execute_query(sql)
发送HTTP请求：http_request(url, method)
创建GitHub Issue：create_issue(title, body)
截图网页：screenshot(url)

使用场景：

复制代码

你: "查询昨天新增的用户数"
AI: [通过MCP执行SQL]
    "昨天新增了42个用户"

3. Prompts（提示词模板）

定义：预定义的上下文模板

示例：

数据库性能分析模板
API接口生成模板
Bug修复模板

使用场景：

复制代码

你: "使用 analyze-db-performance 模板"
AI: [加载预定义的分析流程]
    自动检查索引、慢查询、表大小...

关键价值：从"单机工具"到"生态中枢"

维度	传统模式	MCP模式
信息获取	手动复制粘贴	AI自动查询
工具切换	频繁切换窗口	一站式操作
上下文理解	碎片化描述	完整真实数据
代码质量	基于"想象"	基于真实环境
开发效率	3x	10x

MCP的本质：让AI从"听你描述世界"升级为"亲眼看见世界"。

快速上手：5分钟配置你的第一个MCP服务器

让我们从最实用的场景开始：让AI直接查询你的项目数据库。

实战案例：配置SQLite MCP

假设你有一个Next.js项目，使用SQLite作为开发数据库。

Step 1: 准备测试数据库

如果还没有数据库，快速创建一个：

bash 复制代码

# 创建数据库文件
sqlite3 ./dev.db

# 创建测试表
sqlite> CREATE TABLE users (
  id INTEGER PRIMARY KEY,
  name TEXT NOT NULL,
  email TEXT UNIQUE NOT NULL,
  created_at DATETIME DEFAULT CURRENT_TIMESTAMP
);

# 插入测试数据
sqlite> INSERT INTO users (name, email) VALUES
  ('张三', 'zhangsan@example.com'),
  ('李四', 'lisi@example.com'),
  ('王五', 'wangwu@example.com');

# 退出
sqlite> .quit

Step 2: 配置Cursor的MCP服务器

打开Cursor设置：

方式1：图形界面配置

打开 Cursor Settings → Features → MCP
点击 Edit Config

方式2：直接编辑配置文件

打开 ~/.cursor/config.json（macOS/Linux）
或 %APPDATA%\Cursor\config.json（Windows）

添加配置：

json 复制代码

{
  "mcpServers": {
    "sqlite": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-sqlite",
        "/absolute/path/to/your/dev.db"
      ]
    }
  }
}

⚠️ 注意：

路径必须是绝对路径，不能用相对路径
macOS/Linux示例：/Users/yourname/projects/myapp/dev.db
Windows示例：C:\\Users\\yourname\\projects\\myapp\\dev.db

Step 3: 重启Cursor

关闭并重新打开Cursor，让配置生效。

Step 4: 验证连接

打开Cursor Chat，输入：

复制代码

列出数据库中的所有表

如果配置成功，AI会返回：

复制代码

数据库中有以下表：

1. users
   - id (INTEGER, PRIMARY KEY)
   - name (TEXT, NOT NULL)
   - email (TEXT, UNIQUE, NOT NULL)
   - created_at (DATETIME)

🎉 恭喜！你的第一个MCP服务器已经工作了！

Step 5: 实战测试

现在试试让AI直接操作数据库：

测试1：查询数据

复制代码

查询users表中的所有用户

AI会执行SQL并返回结果：

复制代码

找到3个用户：
1. 张三 (zhangsan@example.com) - 注册于 2026-01-06
2. 李四 (lisi@example.com) - 注册于 2026-01-06
3. 王五 (wangwu@example.com) - 注册于 2026-01-06

测试2：统计分析

复制代码

统计最近7天每天新增的用户数量

AI会生成并执行SQL：

sql 复制代码

SELECT
  DATE(created_at) as date,
  COUNT(*) as count
FROM users
WHERE created_at >= datetime('now', '-7 days')
GROUP BY DATE(created_at)
ORDER BY date DESC;

并返回分析结果。

测试3：生成代码

复制代码

帮我写一个Next.js API路由，查询所有用户并返回JSON

AI会基于真实的数据库结构生成代码：

typescript 复制代码

// app/api/users/route.ts
import { NextResponse } from 'next/server';
import Database from 'better-sqlite3';

const db = new Database('./dev.db');

export async function GET() {
  try {
    const users = db.prepare('SELECT id, name, email, created_at FROM users').all();
    return NextResponse.json({
      code: 200,
      message: 'success',
      data: users
    });
  } catch (error) {
    console.error('[GET /api/users]', error);
    return NextResponse.json({
      code: 500,
      message: error instanceof Error ? error.message : 'Unknown error',
      data: null
    }, { status: 500 });
  }
}

注意到了吗？

✅ 字段名完全正确（id, name, email, created_at）
✅ 表名正确（users）
✅ 使用了better-sqlite3库（基于项目实际情况）
✅ 错误处理完整

这就是MCP的威力 ：AI基于真实数据生成代码，而不是"猜测"。

效果对比

方式	操作步骤	用时	准确率
传统	打开Navicat → 查看表结构 → 复制字段 → 告诉AI	2分钟	60%
MCP	直接问AI	10秒	95%

效率提升：12倍！

核心MCP服务器实战配置

掌握了SQLite MCP的基础用法后，让我们扩展AI的能力，连接更多外部工具。

1. 文件系统MCP - 让AI管理项目文件

使用场景

AI需要读取项目配置文件
批量分析代码文件
检查项目结构
自动生成文件清单

配置方式

json 复制代码

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/path/to/your/project"
      ]
    }
  }
}

⚠️ 安全提示：

实战案例1：检查依赖版本一致性

复制代码

检查项目中所有 package.json 的依赖版本，找出版本不一致的依赖包

AI会：

扫描所有package.json文件
提取依赖版本
对比分析
生成报告：

发现3处版本不一致：
1. react
  - 主项目: 18.2.0
  - packages/admin: 18.3.1
  - packages/mobile: 18.2.0
    ⚠️ 建议统一到 18.3.1
2. typescript
  - 主项目: 5.3.3
  - packages/admin: 5.2.2
    ✅ 差异较小，可接受
3. eslint
  - 主项目: 8.56.0
  - packages/admin: 8.55.0
  - packages/mobile: 未安装
    ⚠️ mobile包缺少eslint配置

实战案例2：生成项目文档

复制代码

分析项目结构，生成 ARCHITECTURE.md 文档

AI会自动：

遍历目录结构
识别关键文件和模块
分析依赖关系
生成Markdown文档

生成的文档示例：

markdown 复制代码

# 项目架构文档

## 目录结构
\`\`\`
project/
├── src/
│   ├── app/          # Next.js App Router页面
│   ├── components/   # React组件
│   ├── lib/          # 工具函数
│   └── types/        # TypeScript类型
├── public/           # 静态资源
└── prisma/           # 数据库Schema
\`\`\`

## 核心模块
1. **认证模块** (src/lib/auth/)
   - 使用NextAuth.js
   - 支持GitHub和Google登录

2. **数据库** (prisma/)
   - PostgreSQL
   - Prisma ORM
   ...

2. GitHub MCP - 连接代码仓库

使用场景

查看Issue和PR
分析提交历史
自动生成Release Notes
代码审查辅助

配置方式

json 复制代码

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-github"
      ],
      "env": {
        "GITHUB_TOKEN": "ghp_your_token_here"
      }
    }
  }
}

如何获取GitHub Token：

访问 https://github.com/settings/tokens
点击 Generate new token (classic)
勾选权限：repo, read:org
复制生成的token

实战案例1：分析最近的代码变更

复制代码

查看最近10个PR中，哪些涉及到认证模块的修改

AI会：

通过GitHub API获取最近10个PR
分析每个PR的文件变更
筛选出涉及src/lib/auth/的PR
生成摘要报告：

找到3个相关PR：
1. #156: 添加Google OAuth登录
  - 修改文件: src/lib/auth/providers.ts
  - 状态: 已合并
  - 作者: @zhangsan
  - 合并时间: 2天前
2. #142: 修复JWT过期处理
  - 修改文件: src/lib/auth/jwt.ts, src/middleware.ts
  - 状态: 已合并
  - 作者: @lisi
  - 合并时间: 5天前
3. #138: 重构认证中间件
  - 修改文件: src/lib/auth/* (多个文件)
  - 状态: 进行中
  - 作者: @wangwu

实战案例2：自动生成Release Notes

复制代码

基于最近20个已合并的PR，生成v1.5.0的Release Notes

AI会分析PR标题、标签、描述，自动分类并生成：

markdown 复制代码

# Release v1.5.0

## 🚀 新功能
- 添加Google OAuth登录支持 (#156)
- 支持用户头像上传 (#151)
- 新增数据导出功能 (#149)

## 🐛 Bug修复
- 修复JWT过期后无法刷新的问题 (#142)
- 修复分页组件在移动端的显示问题 (#145)

## 🔨 重构
- 重构认证中间件，提升性能 (#138)
- 优化数据库查询逻辑 (#140)

## 📝 文档
- 更新API文档 (#147)
- 添加部署指南 (#143)

3. Postgres MCP - 企业级数据库操作

使用场景

生产环境数据库查询（只读）
数据库性能分析
生成数据库迁移脚本
复杂SQL优化

配置方式

json 复制代码

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-postgres",
        "postgresql://user:password@localhost:5432/dbname"
      ]
    }
  }
}

⚠️ 安全建议：

使用只读账号
连接开发/测试数据库，避免直连生产库
敏感数据脱敏

实战案例：数据库性能分析

复制代码

分析users表的查询性能，提出优化建议

AI会：

查询表结构和索引
分析表大小和行数
检查索引使用率
生成优化建议：

📊 users表性能分析报告

基本信息
- 行数: 1,245,678
- 大小: 248 MB
- 索引数: 3
当前索引
1. PRIMARY (id) - 正常使用 ✅
2. idx_email (email) - 正常使用 ✅
3. idx_created_at (created_at) - 使用率低 ⚠️
性能问题
1. 缺少复合索引
  - 常见查询: WHERE status = ? AND created_at > ?
  - 建议: CREATE INDEX idx_status_created ON users(status, created_at)
2. created_at索引使用率低
  - 原因: 大多数查询都包含status条件
  - 建议: 删除单独的created_at索引，使用复合索引
优化SQL
```sql
-- 添加复合索引
CREATE INDEX CONCURRENTLY idx_status_created
ON users(status, created_at);

-- 删除低效索引
DROP INDEX idx_created_at;
```

预期效果
- 查询速度提升: 3-5倍
- 索引存储减少: 20MB

4. Puppeteer MCP - Web自动化测试

使用场景

自动化UI测试
网页截图
性能监控
数据抓取

配置方式

json 复制代码

{
  "mcpServers": {
    "puppeteer": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-puppeteer"
      ]
    }
  }
}

实战案例：自动化测试登录流程

复制代码

测试我们的登录页面 http://localhost:3000/login
检查表单验证是否正常工作

AI会：

启动无头浏览器
访问登录页
测试各种输入场景
截图并分析

测试报告：

复制代码

🧪 登录页面测试报告

**测试场景1: 空表单提交**
- 操作: 直接点击"登录"按钮
- 结果: ✅ 显示错误提示 "请输入邮箱"
- 截图: [附带截图]

**测试场景2: 邮箱格式错误**
- 操作: 输入 "invalid-email" 并提交
- 结果: ✅ 显示 "邮箱格式不正确"

**测试场景3: 密码太短**
- 操作: 输入邮箱，密码只输入"123"
- 结果: ✅ 显示 "密码至少6位"

**测试场景4: 正确登录**
- 操作: 输入正确的测试账号
- 结果: ✅ 成功跳转到首页

**总结**
- 通过率: 4/4 (100%)
- 表单验证工作正常 ✅

5. 自定义MCP - 连接你的业务系统

使用场景

连接公司内部API
集成CRM/ERP系统
对接监控告警系统
自定义工作流

最简MCP服务器实现

创建文件 my-custom-mcp.ts：

typescript 复制代码

#!/usr/bin/env node
import { Server } from '@modelcontextprotocol/sdk/server/index.js';
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';

// 创建服务器
const server = new Server({
  name: 'my-custom-mcp',
  version: '1.0.0',
}, {
  capabilities: {
    resources: {},
    tools: {},
  },
});

// 定义Resources - AI可以读取的数据
server.setRequestHandler('resources/list', async () => ({
  resources: [
    {
      uri: 'custom://internal-api/docs',
      name: 'Internal API Documentation',
      description: '公司内部API文档',
      mimeType: 'text/markdown',
    },
  ],
}));

server.setRequestHandler('resources/read', async (request) => {
  const uri = request.params.uri;

  if (uri === 'custom://internal-api/docs') {
    return {
      contents: [{
        uri,
        mimeType: 'text/markdown',
        text: `
# 内部API文档

## 用户服务
- GET /api/v1/users - 获取用户列表
- POST /api/v1/users - 创建用户
...
        `,
      }],
    };
  }

  throw new Error('Resource not found');
});

// 定义Tools - AI可以调用的功能
server.setRequestHandler('tools/list', async () => ({
  tools: [
    {
      name: 'query_crm',
      description: '查询CRM系统中的客户数据',
      inputSchema: {
        type: 'object',
        properties: {
          customer_id: {
            type: 'string',
            description: '客户ID',
          },
        },
        required: ['customer_id'],
      },
    },
  ],
}));

server.setRequestHandler('tools/call', async (request) => {
  const { name, arguments: args } = request.params;

  if (name === 'query_crm') {
    // 调用你的内部API
    const response = await fetch(`https://internal-crm.company.com/api/customers/${args.customer_id}`);
    const data = await response.json();

    return {
      content: [{
        type: 'text',
        text: JSON.stringify(data, null, 2),
      }],
    };
  }

  throw new Error('Tool not found');
});

// 启动服务器
const transport = new StdioServerTransport();
await server.connect(transport);

配置使用

json 复制代码

{
  "mcpServers": {
    "my-custom": {
      "command": "node",
      "args": ["/path/to/my-custom-mcp.ts"]
    }
  }
}

使用示例

复制代码

查询客户ID为12345的详细信息

AI会通过你的自定义MCP调用内部CRM系统，返回客户数据。

完整工作流案例：MCP加持的全栈开发

让我们通过一个真实场景，看看MCP如何改变开发流程。

场景：开发用户统计报表功能

需求：

统计最近30天的用户增长趋势
支持按日/周/月分组
前端用ECharts展示图表
符合团队的API规范

传统开发流程（约30分钟）

复制代码

1. 打开Navicat，查看users表结构
   → 确认字段名和类型
   ⏱️ 2分钟

2. 手动写SQL测试查询
   → 确认数据正确
   ⏱️ 5分钟

3. 复制SQL到代码，写API接口
   → 打开Confluence查API规范
   → 复制响应格式模板
   ⏱️ 10分钟

4. 找现有的图表组件
   → 打开项目目录查找
   → 阅读组件源码
   ⏱️ 5分钟

5. 写前端页面调用API
   → 调试图表参数
   ⏱️ 8分钟

总计: 30分钟 + 5次工具切换

MCP加持的开发流程（约5分钟）

打开Cursor Chat，一句话搞定：

复制代码

开发一个用户增长统计报表功能

需求:
- 统计最近30天用户增长趋势
- 支持按日/周/月分组
- 使用ECharts展示

请完成:
1. 后端API接口 (按照 @docs/api-conventions.md 规范)
2. 前端页面 (参考 @src/components/charts/ 中的图表组件)

AI自动执行（全程无需人工干预）：

步骤1: 查询数据库结构（通过SQLite MCP）

复制代码

[MCP] 连接数据库...
[MCP] 查询表结构: users
[MCP] 字段: id, username, email, created_at, status

步骤2: 生成并测试SQL

sql 复制代码

-- AI自动生成并测试
SELECT
  DATE(created_at) as date,
  COUNT(*) as count
FROM users
WHERE created_at >= datetime('now', '-30 days')
GROUP BY DATE(created_at)
ORDER BY date ASC;

步骤3: 读取API规范（通过Filesystem MCP）

复制代码

[MCP] 读取 docs/api-conventions.md
[MCP] 识别响应格式: { code, message, data }

步骤4: 生成后端API

typescript 复制代码

// app/api/stats/users/route.ts
import { NextResponse } from 'next/server';
import Database from 'better-sqlite3';

const db = new Database('./dev.db');

export async function GET(request: Request) {
  try {
    const { searchParams } = new URL(request.url);
    const groupBy = searchParams.get('groupBy') || 'day';

    // 根据groupBy参数调整SQL
    const dateFormat = {
      'day': "DATE(created_at)",
      'week': "strftime('%Y-W%W', created_at)",
      'month': "strftime('%Y-%m', created_at)"
    }[groupBy];

    const stats = db.prepare(`
      SELECT
        ${dateFormat} as period,
        COUNT(*) as count
      FROM users
      WHERE created_at >= datetime('now', '-30 days')
      GROUP BY ${dateFormat}
      ORDER BY period ASC
    `).all();

    return NextResponse.json({
      code: 200,
      message: 'success',
      data: stats
    });
  } catch (error) {
    console.error('[GET /api/stats/users]', error);
    return NextResponse.json({
      code: 500,
      message: error instanceof Error ? error.message : 'Unknown error',
      data: null
    }, { status: 500 });
  }
}

步骤5: 参考现有组件（通过Filesystem MCP）

复制代码

[MCP] 扫描 src/components/charts/
[MCP] 找到参考: LineChart.tsx
[MCP] 分析组件API

步骤6: 生成前端页面

typescript 复制代码

// app/dashboard/user-growth/page.tsx
'use client';

import { useState, useEffect } from 'react';
import { LineChart } from '@/components/charts/LineChart';

export default function UserGrowthPage() {
  const [data, setData] = useState([]);
  const [groupBy, setGroupBy] = useState('day');
  const [loading, setLoading] = useState(true);

  useEffect(() => {
    fetchStats();
  }, [groupBy]);

  const fetchStats = async () => {
    setLoading(true);
    try {
      const res = await fetch(`/api/stats/users?groupBy=${groupBy}`);
      const json = await res.json();
      if (json.code === 200) {
        setData(json.data);
      }
    } catch (error) {
      console.error(error);
    } finally {
      setLoading(false);
    }
  };

  return (
    <div className="p-6">
      <h1 className="text-2xl font-bold mb-4">用户增长趋势</h1>

      <div className="mb-4">
        <select
          value={groupBy}
          onChange={(e) => setGroupBy(e.target.value)}
          className="border rounded px-3 py-2"
        >
          <option value="day">按日</option>
          <option value="week">按周</option>
          <option value="month">按月</option>
        </select>
      </div>

      {loading ? (
        <div>加载中...</div>
      ) : (
        <LineChart
          data={data}
          xKey="period"
          yKey="count"
          title="用户增长趋势"
          height={400}
        />
      )}
    </div>
  );
}

AI总结：

复制代码

✅ 已完成:
1. 后端API: app/api/stats/users/route.ts
   - 支持day/week/month三种分组
   - 符合API规范
   - 包含错误处理

2. 前端页面: app/dashboard/user-growth/page.tsx
   - 使用现有的LineChart组件
   - 支持动态切换分组方式
   - 包含loading状态

建议测试:
1. 访问 http://localhost:3000/dashboard/user-growth
2. 切换分组方式，验证数据更新
3. 检查API响应格式是否正确

⏱️ 总用时: 约5分钟

效果对比

指标	传统方式	MCP方式	提升
开发时间	30分钟	5分钟	6倍
工具切换	5次	0次	-
代码质量	需要手动检查	基于真实数据验证	⬆️
规范遵守	容易遗漏	自动遵守	✅
上下文理解	碎片化	完整准确	⬆️

MCP生态图谱：官方服务器一览

数据库类

服务器	支持数据库	npm包名
SQLite	SQLite	`@modelcontextprotocol/server-sqlite`
Postgres	PostgreSQL	`@modelcontextprotocol/server-postgres`
MySQL	MySQL/MariaDB	`@modelcontextprotocol/server-mysql`
MongoDB	MongoDB	`@modelcontextprotocol/server-mongodb`

开发工具类

服务器	功能	npm包名
GitHub	Issue, PR, Commits	`@modelcontextprotocol/server-github`
GitLab	MR, Issues	`@modelcontextprotocol/server-gitlab`
Jira	任务管理	`@modelcontextprotocol/server-jira`
Linear	项目管理	`@modelcontextprotocol/server-linear`

云服务类

服务器	支持服务	npm包名
AWS	S3, Lambda, DynamoDB	`@modelcontextprotocol/server-aws`
Google Cloud	Cloud Storage, Functions	`@modelcontextprotocol/server-gcp`
Azure	Blob Storage, Functions	`@modelcontextprotocol/server-azure`
Docker	容器管理	`@modelcontextprotocol/server-docker`

通用工具类

服务器	功能	npm包名
Filesystem	文件系统操作	`@modelcontextprotocol/server-filesystem`
Puppeteer	浏览器自动化	`@modelcontextprotocol/server-puppeteer`
HTTP	HTTP请求	`@modelcontextprotocol/server-http`
Shell	命令行执行	`@modelcontextprotocol/server-shell`

设计工具类

服务器	功能	npm包名
Figma	设计稿读取	`@modelcontextprotocol/server-figma`
Sketch	设计稿读取	`@modelcontextprotocol/server-sketch`

第三方生态

社区已开发100+ MCP服务器，覆盖各种场景：

数据分析：Tableau, Metabase
文档协作：Notion, Confluence
通讯工具：Slack, Discord
支付系统：Stripe, PayPal
监控告警：Datadog, Prometheus
...更多

查找更多MCP服务器：

官方仓库：https://github.com/modelcontextprotocol/servers
社区目录：https://mcp.directory

常见问题与避坑指南

问题1: MCP服务器启动失败

错误信息：

复制代码

Failed to start MCP server: command not found

原因分析：

Node.js版本过低（需要18+）
npx未正确安装
路径配置错误

解决方案：

bash 复制代码

# 检查Node.js版本
node --version
# 如果低于18，升级Node.js

# 检查npx
npx --version

# 测试MCP服务器
npx -y @modelcontextprotocol/server-sqlite --help

如果仍然失败，尝试全局安装：

bash 复制代码

npm install -g @modelcontextprotocol/server-sqlite

然后修改配置：

json 复制代码

{
  "mcpServers": {
    "sqlite": {
      "command": "server-sqlite",
      "args": ["/path/to/db.db"]
    }
  }
}

问题2: AI不使用MCP

现象：

配置了MCP，但AI还是"假装"查询数据库，不调用真实的MCP。

原因：

Prompt不明确
AI没有意识到可以使用MCP

解决方案：

❌ 不明确的Prompt：

复制代码

查询用户数量

→ AI可能直接"编造"一个数字

✅ 明确的Prompt：

复制代码

从数据库查询users表的总行数

→ AI会通过MCP执行真实查询

更好的做法：

复制代码

使用MCP连接的数据库，查询users表的总行数

问题3: 数据库连接安全风险

错误做法：

json 复制代码

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-postgres",
        "postgresql://admin:password@production-db:5432/maindb"
      ]
    }
  }
}

→ ⚠️ 直接连接生产数据库，风险极高！

正确做法：

使用本地/测试数据库

json 复制代码

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-postgres",
        "postgresql://readonly:safe_password@localhost:5432/dev_db"
      ]
    }
  }
}

配置只读账号

sql 复制代码

-- 创建只读用户
CREATE USER readonly WITH PASSWORD 'safe_password';
GRANT CONNECT ON DATABASE dev_db TO readonly;
GRANT SELECT ON ALL TABLES IN SCHEMA public TO readonly;

敏感数据脱敏

sql 复制代码

-- 创建脱敏视图
CREATE VIEW users_safe AS
SELECT
  id,
  username,
  CONCAT(LEFT(email, 3), '***@', SPLIT_PART(email, '@', 2)) AS email,
  created_at
FROM users;

-- 只授权访问脱敏视图
GRANT SELECT ON users_safe TO readonly;

问题4: MCP服务器性能问题

现象：

AI调用MCP很慢，甚至超时。

原因：

数据库查询太慢
返回数据量过大
网络延迟

解决方案：

限制查询结果

sql 复制代码

-- ❌ 查询所有数据
SELECT * FROM users;

-- ✅ 限制返回行数
SELECT * FROM users LIMIT 100;

添加索引

sql 复制代码

-- 慢查询分析
EXPLAIN ANALYZE SELECT * FROM users WHERE email = 'xxx';

-- 添加索引
CREATE INDEX idx_email ON users(email);

使用缓存

自定义MCP中添加缓存：

typescript 复制代码

import { LRUCache } from 'lru-cache';

const cache = new LRUCache({
  max: 100,
  ttl: 1000 * 60 * 5, // 5分钟
});

server.setRequestHandler('tools/call', async (request) => {
  const cacheKey = JSON.stringify(request.params);

  // 检查缓存
  if (cache.has(cacheKey)) {
    return cache.get(cacheKey);
  }

  // 执行查询
  const result = await executeQuery(request.params);

  // 存入缓存
  cache.set(cacheKey, result);

  return result;
});

问题5: 自定义MCP开发难度

困难点：

MCP协议规范复杂
TypeScript配置繁琐
调试困难

解决方案：

从官方示例开始

bash 复制代码

# 克隆官方示例
git clone https://github.com/modelcontextprotocol/servers
cd servers/src/sqlite

# 学习源码
cat index.ts

使用MCP SDK

bash 复制代码

npm install @modelcontextprotocol/sdk

参考完整模板

创建 package.json：

json 复制代码

{
  "name": "my-mcp-server",
  "version": "1.0.0",
  "type": "module",
  "bin": {
    "my-mcp": "./dist/index.js"
  },
  "scripts": {
    "build": "tsc",
    "dev": "tsc --watch"
  },
  "dependencies": {
    "@modelcontextprotocol/sdk": "^1.0.0"
  },
  "devDependencies": {
    "@types/node": "^20.0.0",
    "typescript": "^5.3.0"
  }
}

总结与行动清单

核心要点回顾

MCP的3大价值：

🔗 连接生态
- AI从"孤岛"变成"中枢"
- 一次配置，终身受益
⚡ 效率飞跃
- 减少工具切换 90%
- 开发速度提升 5-10倍
🎯 质量提升
- 基于真实数据生成代码
- 自动遵守项目规范

立即行动清单

markdown 复制代码

□ 第1步: 配置SQLite MCP（5分钟）
  - 创建测试数据库
  - 修改~/.cursor/config.json
  - 测试AI查询功能

□ 第2步: 配置Filesystem MCP（3分钟）
  - 授权项目目录
  - 测试AI读取文件

□ 第3步: 配置GitHub MCP（5分钟）
  - 生成GitHub Token
  - 测试AI查询Issue/PR

□ 第4步: 实战测试（20分钟）
  - 用MCP开发一个完整功能
  - 对比传统方式，记录效率提升

□ 第5步: 探索更多MCP（按需）
  - 访问 https://mcp.directory
  - 根据团队需求配置更多服务器

进阶方向

对于个人开发者：

配置本地工具链（数据库、文件系统、浏览器）
探索第三方MCP（Notion、Figma等）
开发自己的MCP服务器

对于团队：

建立团队MCP服务器库
开发连接内部系统的自定义MCP
制定MCP使用规范和安全策略

对于企业：

构建企业级MCP基础设施
集成ERP、CRM、监控系统
实现"AI驱动的DevOps"

预期收益

配置MCP后，你将获得：

维度	传统开发	MCP加持	提升
信息获取	手动查找复制	AI自动获取	10倍
工具切换	10次/小时	1次/小时	90%↓
代码准确率	60-70%	90-95%	+30%
开发速度	1x	5-10x	5-10倍
工作体验	频繁被打断	专注流畅	⬆️

相关资源：

MCP官方文档: https://modelcontextprotocol.io
MCP服务器目录: https://mcp.directory
MCP GitHub仓库: https://github.com/modelcontextprotocol
Cursor官方文档: https://cursor.com/docs

系列文章

感谢阅读！如果这篇文章对你有帮助，欢迎点赞、收藏、分享。我们下期见！👋

有问题欢迎在评论区讨论，我会尽量回复每一条评论。

【Cursor进阶实战·06】MCP生态：让AI突破编辑器边界

AI的"孤岛困境"

什么是MCP？3分钟理解核心概念

MCP = Model Context Protocol（模型上下文协议）

MCP架构图

MCP的3个核心概念

1. Resources（资源）

2. Tools（工具）

3. Prompts（提示词模板）

关键价值：从"单机工具"到"生态中枢"

快速上手：5分钟配置你的第一个MCP服务器

实战案例：配置SQLite MCP

Step 1: 准备测试数据库

Step 2: 配置Cursor的MCP服务器

Step 3: 重启Cursor

Step 4: 验证连接

Step 5: 实战测试

效果对比

核心MCP服务器实战配置

1. 文件系统MCP - 让AI管理项目文件

使用场景

配置方式

实战案例1：检查依赖版本一致性

实战案例2：生成项目文档

2. GitHub MCP - 连接代码仓库

使用场景

配置方式

实战案例1：分析最近的代码变更

实战案例2：自动生成Release Notes

3. Postgres MCP - 企业级数据库操作

使用场景

配置方式

实战案例：数据库性能分析

4. Puppeteer MCP - Web自动化测试

使用场景

配置方式

实战案例：自动化测试登录流程

5. 自定义MCP - 连接你的业务系统

使用场景

最简MCP服务器实现

配置使用

使用示例

完整工作流案例：MCP加持的全栈开发

场景：开发用户统计报表功能

传统开发流程（约30分钟）

MCP加持的开发流程（约5分钟）

效果对比

MCP生态图谱：官方服务器一览

数据库类

开发工具类

云服务类

通用工具类

设计工具类

第三方生态

常见问题与避坑指南

问题1: MCP服务器启动失败

问题2: AI不使用MCP

问题3: 数据库连接安全风险

问题4: MCP服务器性能问题

问题5: 自定义MCP开发难度

总结与行动清单

核心要点回顾

立即行动清单

进阶方向

预期收益

系列文章

🎉 感谢关注,让我们一起享受技术带来的精彩!

我做了一个个人主页，能找到所有我提供给你的资源 : 个人主页