Cursor不得不配置的 9 款MCP Server 清单

ServBay2026-07-07 17:15

Cursor 本身的 AI 编程能力不用多说，是非常出色的，但受限于编辑器本身的能力边界，它无法直接操作本地文件系统、管理开发环境、抓取网页数据或者与项目管理工具对接。而MCP（Model Context Protocol，模型上下文协议）的出现，恰好补上了这块短板。

MCP 是一套由 Anthropic 发起、后交由 Linux 基金会治理的开放协议，截至 2026 年中，其开发套件每月下载量已达 9700 万次，公开的 MCP Server 超过 1 万个。它为 AI 客户端与外部工具之间定义了一种标准化的通信方式，使得 Cursor 这样的 AI 编辑器能够安全地调用外部资源。

不过，面对数量庞大的 MCP Server 目录，该如何选择适合自己工作流的组合呢。本文从实际开发场景出发，整理了 9 款经过验证、配置成熟 of Cursor MCP Server，涵盖文件管理、本地环境、搜索研究、浏览器自动化、UI 生成、网页抓取、项目管理和推理增强等方向。

在 Cursor 中配置 MCP Server 的基本方法

在逐个介绍之前，先了解 Cursor 中 MCP Server 的通用配置方式。

Cursor 支持两种配置范围：

  • 全局配置 （对所有项目生效）：~/.cursor/mcp.json
  • 项目级配置 （仅对当前项目生效）：.cursor/mcp.json（放在项目根目录下）

当同一个 MCP Server 在两个文件中都定义时，项目级配置会覆盖全局配置。

配置入口在 Cursor Settings > Tools & Integrations > MCP Tools ，点击 New MCP Server 即可自动打开或创建配置文件。

配置文件的通用格式如下：

json 复制代码 
{
  "mcpServers": {
    "server-name": {
      "command": "npx",
      "args": ["-y", "@scope/server-package"],
      "env": {
        "API_KEY": "your-api-key"
      }
    }
  }
}

保存后需要重启 Cursor 使配置生效。MCP Tools 面板中出现绿色状态指示，说明连接成功。

Filesystem MCP Server：文件系统直接操作

Filesystem MCP Server 由 MCP 官方维护，让 Cursor 的 AI Agent 获得对指定目录的文件系统读写能力。这是最基础也是最常用的 MCP Server 之一。

功能范围

操作类型 具体能力
文件操作 读取、写入、创建、移动、删除文件
目录管理 列出目录内容、创建目录、递归树状展示
搜索 基于 glob 模式匹配文件路径，基于内容搜索文件
元数据 获取文件大小、修改时间等详细信息

安全机制

Filesystem MCP Server 采用了严格的沙箱策略。启动时必须通过命令行参数显式指定允许访问的目录路径，AI Agent 只能在这些目录范围内操作，无法进行路径穿越。对于大文件，服务端使用流式传输以控制内存占用。

Cursor 配置

json 复制代码 
{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/yourname/projects",
        "/Users/yourname/documents"
      ]
    }
  }
}

上面的配置允许 AI Agent 访问 projects 和 documents 两个目录。实际使用中根据需要替换为自己的路径即可。

适用场景

  • 跨多个文件搜索特定的代码模式或文本内容

  • 批量重命名、移动或整理项目文件

  • 在不切换窗口的情况下快速浏览项目结构

  • 自动化创建项目脚手架或模板文件

ServBay MCP Server：让Cursor管理你的本地开发环境

如果说 Filesystem MCP Server 让 AI 能操作文件，那么 ServBay MCP Server 让 AI 能直接管理整个本地开发环境，是AI开发的底座。

ServBay 本身是一个集成了 50 多种开发服务的本地环境管理工具，覆盖 PHP、Node.js、Python、Go、Java、Ruby 等多种语言运行时，内置 MySQL、MariaDB、PostgreSQL、MongoDB、Redis 等数据库，以及 Caddy、Nginx、Apache 等 Web 服务器。它内置了 MCP Server，支持 macOS 和 Windows 双平台。

工具集覆盖

ServBay MCP Server 提供了超过 40 个工具接口，分布在以下几个领域：

管理领域 工具能力
服务与包管理 启停/重启服务，安装/切换语言版本（PHP、Node.js、Python、Go 等）
站点与网络 创建本地开发站点，配置本地 DNS，自动签发和续期 SSL 证书，管理反向代理和隧道
数据库操作 创建和管理数据库，处理凭据，执行查询、导入/导出数据
系统诊断 get_system_info 和 get_system_metrics 工具，监控 CPU 使用率、内存占用、存储空间等
配置与日志 读取服务配置文件，查看运行日志

配置方式

与其他需要手动编辑 mcp.json 的 MCP Server 不同，ServBay 在设置面板中提供了一键连接 AI 客户端的功能。它会自动检测本机已安装的AI 客户端（Cursor、Claude Code、Codex 等），并直接写入所需的 MCP 配置文件。整个过程不超过 30 秒。

实际使用示例

在 Cursor 中发出这样的指令：

帮我创建一个新站点 blog.servbay.host，使用 PHP 8.3 + MySQL 8.0，配好 HTTPS 和数据库。

ServBay 收到指令后，会自动完成站点创建、域名绑定、SSL 证书签发、数据库初始化等一系列操作。在没有 MCP 的情况下，AI 只能输出一长串操作步骤让开发者自己去执行，而现在这些操作都由 AI 代为完成了。

适用场景

  • 快速搭建带数据库和 HTTPS 的本地开发站点

  • 在多个 PHP 或 Node.js 版本之间切换调试兼容性问题

  • 排查服务故障时让 AI 读取日志和系统指标

  • 管理开发过程中的数据库创建和数据迁移

与 Filesystem MCP Server 的互补

Filesystem MCP Server 管理的是文件层面的操作，ServBay MCP Server 管理的是服务层面的操作。两者配合使用，AI Agent 既能读写代码文件，又能操控运行环境------等于同时获得了「写代码」和「部署环境」两种执行能力。

Exa MCP Server：AI 原生的语义搜索引擎

普通的搜索引擎返回的是网页链接列表，而 Exa 使用神经网络语义搜索技术，能够理解查询意图并返回内容相关度更高的结果。Exa MCP Server 将这一能力接入 Cursor，使 AI Agent 在编码过程中可以直接进行技术调研。

功能特性

  • 语义搜索：不依赖关键词精确匹配，而是基于语义理解返回结果，对于模糊的技术查询效果明显优于传统搜索

  • 内容提取 ：通过 exa-fetch 工具从任意 URL 提取全文内容，输出格式为对 AI 友好的 Markdown

  • 代码搜索：覆盖大量 GitHub 仓库、技术文档和 Stack Overflow 帖子，适合查找具体的代码实现

  • 带引用的研究：返回结果附带来源链接，方便验证信息的准确性

Cursor 配置

Exa 目前提供了托管的 MCP 端点，配置并不复杂：

json 复制代码 
{
  "mcpServers": {
    "exa": {
      "url": "https://mcp.exa.ai/mcp"
    }
  }
}

高级功能或高频使用场景可能需要 API Key，可以在 Exa Dashboard 申请后通过环境变量传入。

适用场景

  • 调研某个框架或库的最佳实践写法

  • 查找特定技术问题的解决方案和代码示例

  • 在编码过程中获取最新的 API 文档和变更信息

  • 做技术选型时对比不同方案的优缺点

Browserbase MCP Server：云端浏览器自动化

Browserbase MCP Server 提供了基于云端的浏览器自动化能力。与本地运行浏览器实例不同，它通过 Browserbase 的云端基础设施来执行浏览器操作，无需在本地安装和管理浏览器依赖。

功能特性

  • 云端浏览器：在远程环境中运行真实的浏览器实例，不占用本地资源

  • 页面交互：支持导航、点击、输入、滚动等标准浏览器操作

  • 截图与录制：可以对页面进行截图，记录交互过程

  • 会话管理：支持会话持久化，可以在多次交互之间保持浏览器状态

Cursor 配置

json 复制代码 
{
  "mcpServers": {
    "browserbase": {
      "url": "https://mcp.browserbase.com/mcp?browserbaseApiKey=YOUR_API_KEY"
    }
  }
}

需要在 Browserbase Dashboard 获取 API Key。如果客户端支持 HTTP 头部认证，建议使用 Authorization: Bearer 方式传递 API Key，比 URL 参数方式更安全。

适用场景

  • 自动化测试 Web 应用的交互流程

  • 从需要 JavaScript 渲染的页面中提取数据

  • 对开发中的前端页面进行截图比对

  • 模拟用户操作流程以排查前端问题

21st.dev Magic MCP：AI 驱动的 UI 组件生成

21st.dev Magic MCP 专注于前端 UI 组件的生成。它背后是 21st.dev 维护的一套高质量 React 组件库，通过 MCP 协议接入 Cursor 后，开发者可以用自然语言描述需求，直接在编辑器中获得完整的组件代码。

功能特性

  • 组件生成 ：在 Cursor 聊天中输入 /ui 加上需求描述（如「一个带深色模式的定价卡片」），即可生成多个设计方案供选择

  • 完整输出：生成的代码包含 TypeScript 类型定义、依赖声明和响应式样式，可以直接集成到项目中

  • 品牌资源搜索：通过 SVGL 集成，支持搜索品牌 Logo 和图标素材

  • 组件优化：对已有组件进行重新设计或迭代改进

Cursor 配置

json 复制代码 
{
  "mcpServers": {
    "21st-magic": {
      "command": "npx",
      "args": ["-y", "@21st-dev/magic@latest"],
      "env": {
        "TWENTY_FIRST_API_KEY": "your-api-key"
      }
    }
  }
}

API Key 可以在 21st.dev 官网获取。

适用场景

  • 快速原型搭建阶段，用自然语言生成 UI 组件

  • 需要参考现代设计模式但不想逐个搜索组件库时

  • 为已有项目补充通用组件（表格、卡片、导航栏等）

  • 前端组件的风格迭代和多方案比较

Crawl4AI MCP：自托管的智能网页抓取

Crawl4AI 是一个面向 AI 场景优化的网页爬取框架，其 MCP Server 封装了完整的抓取能力，输出格式经过专门的 LLM 优化。与 Exa 侧重搜索不同，Crawl4AI 侧重对目标网页的深度内容提取。

功能特性

  • LLM 优化输出：将抓取到的网页内容自动转换为干净的 Markdown 或结构化 JSON，减少 Token 消耗

  • 多格式支持：除了普通网页，还支持 PDF、Word、Excel、PowerPoint 文档的内容提取，以及 YouTube 字幕转录

  • 智能摘要：对长篇内容自动生成摘要后再传递给 AI，在保留信息的同时大幅降低 Token 使用量

  • 磁盘缓存：可以将完整的抓取结果保存到本地磁盘，仅向 AI 返回元数据，避免上下文窗口膨胀

  • 自托管部署：支持通过 Docker 或本地 Python 环境部署，数据不经过第三方服务

依赖环境

Crawl4AI MCP 需要 Python 3.11+ 和 Playwright（用于处理需要 JavaScript 渲染的页面）。推荐使用 uvx ，如果还没有部署python环境，也可以使用ServBay来一键部署python环境。

Cursor 配置（以 uvx 方式为例）

json 复制代码 
{
  "mcpServers": {
    "crawl4ai": {
      "command": "uvx",
      "args": ["crawl4ai-mcp"]
    }
  }
}

适用场景

  • 从技术文档站点批量提取特定框架的 API 说明

  • 抓取竞品网站的产品页面进行结构化分析

  • 将 PDF 技术白皮书或报告转换为 AI 可处理的格式

  • 构建 RAG（检索增强生成）管道时获取外部数据源

Playwright MCP：基于真实浏览器的测试与调试

Playwright MCP 由 Playwright 团队官方维护，它让 Cursor 中的 AI 能够启动一个真实的浏览器实例，直接与被测页面交互。与 Browserbase 的云端方案不同，Playwright MCP 在本地运行浏览器，主要面向测试生成和调试场景。

工作原理

Playwright MCP 的独特之处在于它通过读取页面的**可访问性树（Accessibility Tree）**来理解页面结构，而不是简单地解析 HTML 源码或像素级截图。这样 AI 获得的是语义化的页面信息（按钮、输入框、链接的文本标签等），生成的选择器和交互代码更稳定可靠。

功能特性

  • 实时页面感知：AI 可以打开浏览器访问目标页面，获取当前的 DOM 状态和可访问性信息

  • 交互能力：支持点击、填写表单、导航、等待元素等标准操作

  • 测试生成：基于实时页面状态生成 Playwright 测试代码，选择器准确度远高于仅凭源码推断

  • 调试辅助：当测试失败时，AI 可以重新打开浏览器检查当前页面状态，定位失败原因

Cursor 配置

json 复制代码 
{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"]
    }
  }
}

需要本地安装 Node.js 18+。

最佳实践

配合 .cursorrules 文件使用效果更好。可以在规则文件中定义团队的测试规范，比如强制使用 Page Object 模式、禁止使用任意等待时间、优先使用可访问性选择器等。这样 AI 生成的测试代码会自动遵循既有规范。

适用场景

  • 为现有 Web 应用自动生成端到端测试

  • 测试失败后让 AI 打开浏览器实地检查页面状态

  • 对比页面重构前后的功能一致性

  • 表单流程和交互逻辑的自动化验证

Jira MCP Server：项目管理与编码工作流打通

对于使用 Jira 管理项目的团队而言，在 Cursor 和 Jira 之间反复切换查看需求详情、更新任务状态是一件高频但低效的事情。Jira MCP Server

将 Jira 的项目管理能力接入 Cursor，让 AI 能够直接读取任务信息并更新状态。

两种接入方式

方式一：Atlassian Rovo MCP （官方托管）

Atlassian 官方提供了云端 MCP 端点，配置最简单：

json 复制代码 
{
  "mcpServers": {
    "jira": {
      "url": "https://mcp.atlassian.com/v1/mcp/authv2"
    }
  }
}

添加后需要在浏览器中完成 OAuth 授权流程。

方式二：手动配置（使用 API Token）

如果需要更细粒度的控制，可以通过 API Token 方式配置：

json 复制代码 
{
  "mcpServers": {
    "jira": {
      "command": "npx",
      "args": ["-y", "@atlassian/mcp-atlassian"],
      "env": {
        "ATLASSIAN_API_TOKEN": "your-api-token",
        "ATLASSIAN_SITE_URL": "https://yourcompany.atlassian.net"
      }
    }
  }
}

API Token 可以在 Atlassian Account Security 页面创建。

适用场景

  • 在编码过程中直接查看当前 Sprint 的任务描述和验收标准

  • 完成某个功能后自动更新 Jira 任务状态

  • 让 AI 根据 Jira 上的 Bug 描述直接定位和修复代码

  • 批量查看和整理项目中的未完成任务

Sequential Thinking MCP --- 结构化推理增强

Sequential Thinking MCP 与其他 MCP Server 有本质区别。它不提供任何外部数据源或操作能力，而是对 AI 模型的推理过程本身进行优化。

解决什么问题

大语言模型在面对复杂任务时，倾向于直接给出最终答案，跳过中间推导步骤。这在处理简单问题时没什么影响，但在面对大规模重构、多文件架构调整或复杂 Bug 定位时，缺少中间推理步骤会导致 AI 遗漏关键细节或给出不连贯的方案。

工作方式

Sequential Thinking MCP 提供了一个 sequentialthinking 工具。当 AI 调用这个工具时，它会被引导按照以下模式思考：

  1. 分解问题：将复杂任务拆解为有序的子步骤

  2. 逐步推演：对每个步骤独立分析，输出中间结果

  3. 分支探索：在不确定的节点尝试多个方向，再选择最优路径

  4. 自我校正：回顾已完成的步骤，发现不合理之处时回退修正

Cursor 配置

json 复制代码 
{
  "mcpServers": {
    "sequential-thinking": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-sequential-thinking"]
    }
  }
}

使用方式

不需要手动调用。在 Cursor 中给 AI 下达指令时加上引导即可，例如：

用逐步推理的方式分析这个模块的性能瓶颈，找到根本原因并给出优化方案。

AI 会自动调用 sequentialthinking 工具，生成一系列带编号的思考步骤，整个推理过程推导明晰。

适用场景

  • 复杂代码库的架构重构规划

  • 多因素交叉影响的 Bug 根因分析

  • 涉及多个模块的功能设计评审

  • 技术方案的多路径对比评估

组合建议：按需搭配而非全部安装

MCP Server 不是安装越多越好。每个 MCP Server 都会增加 Cursor 的启动开销和上下文消耗。根据实际工作流选择组合更合理。

基础组合（适合大多数开发者）

MCP Server 作用
Filesystem MCP 文件操作
ServBay MCP 环境管理
Sequential Thinking MCP 推理增强

这三个覆盖了文件操作、环境管理和推理质量，构成一个自洽的基础工作流。

全栈 Web 开发组合

在基础组合之上增加：

  • Playwright MCP --- 用于前端测试生成和调试

  • 21st.dev Magic MCP --- 加速 UI 组件搭建

  • Jira MCP --- 与项目管理对接

研究与数据密集型组合

在基础组合之上增加：

  • Exa MCP --- 技术调研和文档检索

  • Crawl4AI MCP --- 网页深度内容提取

  • Browserbase MCP --- 需要浏览器环境的数据抓取

小结

MCP 协议为 Cursor 提供了一种标准化的能力扩展方式。本文介绍的 9 款 MCP Server，从文件系统操作到本地环境管理、从语义搜索到浏览器自动化、从 UI 组件生成到推理增强，各自解决不同环节的效率问题。

其中 Filesystem MCP Server 和 ServBay MCP Server 属于基础层工具，前者让 AI 能操作文件，后者让 AI 能管理整个开发环境中的服务、数据库和站点。两者的组合使得 AI Agent 具备了从代码到运行环境的完整执行能力。

Exa、Crawl4AI、Browserbase 三个 MCP Server 从不同维度补充了 AI 获取外部信息的渠道。Playwright 和 21st.dev Magic MCP 分别面向测试和 UI 两个具体的前端场景。Jira MCP 打通了编码与项目管理之间的信息流。Sequential Thinking MCP 则从推理层面提升了 AI 处理复杂任务的质量。

选择 MCP Server 时，建议从自己最高频的工作场景出发，先配置 2-3 个，跑通后再逐步扩展。工具的价值不在于数量，在于是否真正嵌入了日常工作流。

相关推荐
是2的10次方啊7 分钟前
AI 能写代码了，还要学设计模式、Spring 源码和 JVM 吗？
ai编程
全栈弄潮儿9 小时前
不要先问“用哪个 AI”，先盘点你的开发工作流
aigc·openai·ai编程
杨杨杨大侠10 小时前
大模型的权重到底怎么用？拆开一个 token 的生成过程
aigc·openai·ai编程
吴佳浩 Alben10 小时前
Agent 怎么做自动化评测？构建端到端的 Agent Evaluation 体系
人工智能·语言模型·架构·自动化·ai编程
小虎AI生活11 小时前
从四大模型一周连发看企业 AI 落地，为什么 95% 的试点不赚钱
ai编程
孟健11 小时前
Gemini 3.8 Flash 没涨价，干活却贵了 40%？
ai编程
举个栗子。14 小时前
SwarmForge：AI 智能体协同编程框架，让多个 Agent 在隔离工作区并行协作
人工智能·开源·ai编程
MuYi042016 小时前
71.6 万行 Flutter 重写成 112.5 万行原生双端：一次 AI 驱动的百万行架构迁移复盘
ai编程
晚安code16 小时前
Claude Fable 5.1 发布解读：科研智能体跑分翻倍，Agent 成本降45%
ai编程·claude
9i编程16 小时前
15.对SKILL进行一次全新尝试，改为框架+细节方式的实践及验证：三次联调（4）——第一次测试与事故
人工智能·openai·ai编程
热门推荐
01国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）02GitHub 镜像站点03历年考研数学一、数学二、数学三真题试卷及答案PDF04蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接052026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？06微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新07ZCode 周末送额度活动开启：3 亿 Token 免费领取08Agnes AI 免费 API 接入指南：文本、生图、生视频，一套接口全免费09AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路10VSCode+CodeX扩展，无法启动