CloudBase MCP 实战：用自然语言 30 分钟搭建智能待办事项

作者：吃一根烤肠

创作日期：2026年4月19日

版权声明：本文首发于CSDN，转载请注明出处。

引言：从"写代码"到"下指令"

在 2026 年的 AI 原生开发环境中，**CloudBase MCP (Model Context Protocol)** 彻底改变了我们构建应用的方式。传统开发需要手动敲命令、配置数据库、写接口，而现在，你只需要在 Cursor 或 Claude Code 中对 AI 描述需求，它就能直接调用云端资源帮你完成部署。

本教程将带你实战一个**智能待办事项（Smart Todo）**应用，全程使用自然语言与 AI 协作，体验"描述即开发"的高效快感。

一、环境准备：打通 AI 与云端的任督二脉

在开始之前，我们需要确保你的 IDE 具备了"操控云端"的能力。

1. 安装 CloudBase CLI V3

CloudBase CLI V3 是专门为 AI Agent 设计的命令行工具，它提供了机器可读的 --json输出和完整的自解释能力。

复制代码

npm install -g @cloudbase/cli
tcb login

2. 配置 MCP Server（关键步骤）

MCP 是 AI 与 CloudBase 之间的通信协议。你需要在你使用的 AI IDE（如 Cursor）中配置 MCP 服务器。

对于 Cursor 用户：

在项目根目录创建或编辑 .cursor/mcp.json文件，添加以下配置：

复制代码

{
  "mcpServers": {
    "cloudbase": {
      "command": "npx",
      "args": ["@cloudbase/cloudbase/mcp@latest"]
    }
  }
}

配置完成后，重启 Cursor。此时你的 AI 助手（如 Claude）就获得了直接操作 CloudBase 环境、数据库和云函数的权限。

二、实战开始：四轮对话构建全栈应用

假设你现在面对的是一个空文件夹，我们将通过四轮核心对话，让 AI 帮你搭建起整个应用。

第 1 轮：创建与初始化环境

你的指令（Prompt）：

"请使用 CloudBase MCP 帮我创建一个新的 CloudBase 环境，环境别名设为 smart-todo-demo，并初始化一个 NoSQL 数据库集合，名为 todos。"

AI 的执行逻辑（幕后发生了什么）：

AI 通过 MCP 调用 tcb env create命令创建环境。
调用 tcb db model init或直接执行数据库命令创建 todos集合。
返回环境 ID 和状态信息。

关键配置（AI 会自动处理）：

集合 Schema ：AI 会智能推断并创建包含 _id（自动生成）、title（字符串）、completed（布尔值）、createdAt（时间戳）等字段的文档结构。

第 2 轮：部署云函数（后端 API）

你的指令：

"请为我生成并部署两个云函数：

addTodo：接收 POST 请求，处理新增待办事项。

getTodos：接收 GET 请求，返回所有待办事项列表。

请直接使用 CloudBase MCP 部署到当前环境。"

AI 生成的云函数代码示例（addTodo）：

复制代码

const cloudbase = require("@cloudbase/node-sdk");
const app = cloudbase.init({ env: cloudbase.SYMBOL_CURRENT_ENV });

exports.main = async (event) => {
  const { title } = JSON.parse(event.body);
  const db = app.database();
  
  const result = await db.collection("todos").add({
    title,
    completed: false,
    createdAt: new Date()
  });
  
  return { code: 200, message: "添加成功", id: result.id };
};

部署过程：

AI 会通过 MCP 的 CloudBaseDeployFunction工具，将代码打包并部署到你的云端环境，无需你手动敲击任何 CLI 命令。

第 3 轮：前端页面生成与托管

你的指令：

"请生成一个简单的 Vue 3 前端页面，包含输入框和待办列表，并调用刚才部署的云函数。然后使用 CloudBase 静态网站托管服务将其部署上线。"

AI 的执行动作：

生成前端代码 ：创建一个 index.html和 app.js，在其中使用 @cloudbase/js-sdk初始化 SDK 并调用 addTodo和 getTodos函数。
配置托管 ：通过 MCP 调用 tcb hosting deploy，将 dist目录（或静态文件）上传至 CloudBase 静态托管，并返回可访问的 HTTPS 域名。

第 4 轮：智能升级（"智能"之处）

你的指令（进阶需求）：

"我希望这个待办事项能自动识别截止时间。请帮我修改 addTodo函数，使其能从 title中提取类似 '明天开会' 或 '周五前提交报告' 这样的时间关键词，并自动计算出 dueDate字段存入数据库。"

AI 的增强操作：

AI 会在云函数代码中引入 date-fns或类似的时间解析库。
修改逻辑，在插入数据库前，先对 title进行 NLP（自然语言处理）解析，提取出时间信息并转换为标准的 Date 对象。
通过 MCP 自动完成增量部署，更新云函数代码，而不会影响现有数据。

三、避坑指南与最佳实践

在实战过程中，为了避免 AI 产生"幻觉"或配置错误，请遵循以下原则：

权限最小化 ：在 MCP 配置中，建议使用子账号密钥（SecretId/SecretKey），并仅授予该环境的管理权限，避免使用主账号密钥，防止 AI 误操作其他资源。
明确环境 ID ：在多环境开发时，务必在指令中明确指定环境 ID（如 --env-id your-env），或者通过 tcb env use设置默认环境，防止 AI 将代码部署到生产环境。
验证部署结果 ：虽然 AI 能自动执行，但部署后建议通过 tcb fn list --json或直接在浏览器中访问返回的域名，快速验证接口是否通畅。

四、总结：MCP 带来的开发范式转移

通过这个简单的待办事项案例，你可以清晰地看到 CloudBase MCP 如何将开发流程从 "人驱动工具" 转变为 "人驱动 AI，AI 驱动云"。

传统开发流程	MCP + AI 开发流程
手动敲 CLI 命令创建环境	自然语言描述："创建一个环境"
手动编写云函数代码	自然语言描述："写一个添加待办的函数"
手动点击控制台部署	自然语言描述："部署它"
前后端联调测试	AI 自动生成前端调用代码

核心价值 ：你不再需要记忆复杂的 CLI 命令参数，也不再需要在 IDE 和浏览器控制台之间反复横跳。CloudBase MCP 充当了 AI 与云端资源的神经连接层，让开发者可以更专注于业务逻辑的描述，而非底层运维的实现。

下一步探索：

尝试让 AI 为你的待办事项添加用户登录认证（CloudBase 内置了 Auth 能力）。
尝试集成 AI 模型，让待办事项能自动根据内容进行智能分类。

赶紧打开你的 Cursor，配置好 MCP，开始你的第一次"对话式开发"吧！