如何在Cursor中使用MCP服务

如何在Cursor中使用MCP服务

前言

随着AI编程助手的普及,越来越多开发者选择在Cursor等智能IDE中进行高效开发。Cursor不仅支持代码补全、智能搜索,还能通过MCP(Multi-Cloud Platform)服务,轻松调用如高德地图API、数据库等多种外部服务,实现数据采集、处理和自动化办公。
本文以“北京一日游自动化攻略”为例,详细讲解如何在 Cursor 中使用 MCP 服务,完成数据采集、数据库操作、文件生成和前端页面展示的全流程。

学习视频cursor中使用MCP服务

一、什么是MCP服务?

MCP(Multi-Cloud Platform)是Cursor内置的多云服务接口,支持调用地图、数据库、文件系统等多种API。通过MCP,开发者无需手动写HTTP请求或繁琐配置,只需在对话中描述需求,AI助手即可自动调用相关服务,极大提升开发效率。

二、环境准备

2.1 cursor

在这里插入图片描述


Cursor重置机器码-解决Too many free trials.

2.2 python - uvx

若已经配置Python环境,可使用以下命令安装:

pip install uv 

若没有配置Python环境
在Windows下可以通过PowerShell运行命令来安装:

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

使用 uv --versionuvx --help 检查是否安装成功,若和下图一样代表安装成功

在这里插入图片描述

2.3 node.js - npx

官网下载node.js,并配置环境变量,如下图:

在这里插入图片描述

三、在Cursor中添加 MCP server

在 Cursor 中添加 MCP Server 有两种配置方式

3.1 全局设置

通过 Cursor Settings -> MCP -> Add new global MCP server 添加全局可用的 MCP 服务

在这里插入图片描述

3.2 项目级别 (推荐)

在项目目录的 .cursor 目录中新建 mcp.json 文件进行配置,仅对特定项目生效

在这里插入图片描述

四、选择MCP Server的平台

4.1 mysql

选择平台:https://smithery.ai/
填写信息将JSON信息复制到 mcp.json 文件中

在这里插入图片描述


在这里插入图片描述


可能粘过来,不好使,需要找到github链接,从github上粘贴:

在这里插入图片描述


在这里插入图片描述


注意:这个 mysql MCP服务,需要提前建好数据库,否则无法成功

注意:验证是否生效
将MCP服务信息填在mcp.json 文件中后,需要打开 Settings -> MCP 检查你配置的 MCP Server 是否在列表中显示,并确认
绿点 且状态为 Enabled

4.2 高德地图服务

高德地图的MCP Server需要从 MCP.so 平台获取。

在这里插入图片描述


在这里插入图片描述


申请高德地图的API:https://console.amap.com/

在这里插入图片描述


在这里插入图片描述

4.2 filesystem服务

在这里插入图片描述

4.4 配置参考

{"mcpServers":{"mysql":{"command":"npx","args":["-y","@f4ww4z/mcp-mysql-server"],"env":{"MYSQL_HOST":"localhost","MYSQL_USER":"root","MYSQL_PASSWORD":"数据库密码","MYSQL_DATABASE":"beijing_trip(数据库名字 - 请提前创建数据库)"}},"amap-maps":{"command":"npx","args":["-y","@amap/amap-maps-mcp-server"],"env":{"AMAP_MAPS_API_KEY":"高德key"}},"filesystem":{"command":"npx","args":["-y","@modelcontextprotocol/server-filesystem","D:/DESKTOP/MCP(保存地址自行修改)"]}}}

五、功能测试

5.1 参考提示词

现在交给你一个任务,编写一个北京一日游的出行攻略 1、从高德地图的MCP服务中获取北京站到天安门、天安门到颐和园、颐和园到南锣鼓巷 的地铁线路,并保存在数据库beijing_trip的表subway_trips中 2、从高德地图的MCP中获取颐和园、南锣鼓巷附件的美食信息,每处获取三家美食店铺 信息,并将相应的信息存入表location_foods中 3、在工作目录D:\DESKTOP\MCP下创建一个新的文件夹,命名为“北京旅行”在其中创 建两个txt,分别从数据库中将两个表的内容提取出存放进去。 4、最后根据txt中的内容,生成一个精美的html前端展示页面,并存放在该目录下 

5.2 提供提示运行MCP命令,即可

  1. 输入自然语言后,cursor会自动调用MCP服务,连接数据库并执行建表SQL,无需手动写代码;
  2. 自动调用MCP的高德API接口,获取经纬度、地铁换乘方案等数据,将获取到的数据插入到指定表中,无需手动写INSERT语句;
  3. 最后自动操作文件系统,将数据库内容导出为txt和html文件,存放到指定目录
在这里插入图片描述


自己创建的数据表和插入的数据

在这里插入图片描述
-- auto-generated definition create table location_foods (id int auto_increment primary key, location varchar(64) not null, name varchar(128) not null, address varchar(256) null, tel varchar(64) null, type varchar(64) null, distance varchar(32) null ); -- auto-generated definition create table subway_trips (id int auto_increment primary key, start_location varchar(64) not null, end_location varchar(64) not null, subway_lines text not null, duration varchar(32) null, distance varchar(32) null );

效果图:

在这里插入图片描述

六、实用Tips

  1. 权限配置:确保MCP服务已配置好API Key和数据库权限。
  2. 目录路径:文件操作需在允许的工作目录下进行,否则会报Access denied
  3. 数据安全:涉及敏感信息时,注意数据库和API密钥的保护。

结语

在Cursor中结合MCP服务和AI助手,可以极大提升开发和数据处理效率。无论是地图数据采集、数据库管理,还是自动化生成前端页面,都能一站式完成。如果你也想体验AI驱动的高效开发,不妨在Cursor中试试MCP服务吧!欢迎点赞、收藏、评论交流!

Read more

Vibe Coding范式实战:用AI工具链(Stitch+Figma+ai studio+Trae)快速开发全栈APP

Vibe Coding范式实战:用AI工具链(Stitch+Figma+ai studio+Trae)快速开发全栈APP

文章目录 * 概要 * stitch制作设计稿 * figma 原型展示 * ai studio 生成前端代码 * 基于trae + Supabase生成后端代码和数据库 * Github + vercel * pc端后台管理系统设计 概要 在 AI 技术深度渗透软件开发领域的当下,一种名为 “Vibe Coding”(氛围编程)的全新范式正在重塑开发者的工作方式。它的核心在于,开发者不再是逐行编写代码的 “码农”,而是通过自然语言描述意图、引导 AI 生成代码的 “创意引导者” 和 “结果验证者”,从而将精力聚焦于更高价值的产品设计和逻辑思考上。 本文提供一种 Vibe Coding 的工作模式:设计阶段以 Google Stitch 为起点,开发者通过文本或草图快速生成响应式 UI 设计与前端代码,再无缝导入 Figma 进行精细化视觉调整和原型设计,实现了从 “想法” 到

By Ne0inhk
告别SQL恐惧症:我用飞算JavaAI的SQL Chat,把数据库变成了“聊天室”

告别SQL恐惧症:我用飞算JavaAI的SQL Chat,把数据库变成了“聊天室”

摘要 对于许多开发者而言,与数据库打交道意味着繁琐的语法记忆、复杂的联表查询以及令人头疼的性能优化。你是否曾希望,能用说人话的方式直接操作数据库?飞算JavaAI专业版的SQL Chat功能,正是这样一个革命性的工具。本文将分享我如何将它变为一个永不疲倦的“数据库专家同事”,用自然语言轻松搞定一切数据需求。 一、 痛点切入:我们与SQL的“爱恨纠葛” 还记得那次惨痛的经历吗?新接手一个庞大项目,急需从几十张表中查询一份用户行为报表。你对着模糊的需求文档,在Navicat或DBeaver中艰难地敲打着JOIN、WHERE和GROUP BY,一遍遍执行、调试,生怕一个疏忽就拉垮了线上数据库。这不仅是技能的考验,更是对耐心和细心程度的终极折磨。 尤其是面对以下场景,无力感尤甚: * 复杂查询:涉及多表关联、嵌套子查询、窗口函数,SQL语句长得像一篇论文。 * 性能优化:一条SQL跑起来慢如蜗牛,却不知从何下手添加索引或改写。 * 老项目溯源:面对命名随意的表和字段,理解业务逻辑如同破译密码。 我们需要的不是一个更漂亮的SQL客户端,而是一个能理解我们意图的“智能数据库搭档”

By Ne0inhk

M系列Mac保姆级教程:Clawdbot安装+API配置,30分钟解锁AI自动化!

前言 Clawdbot作为超实用的AI自动化工具,能帮你实现网页自动操控、办公流程自动化、本地文件管理等功能,搭配M系列Mac的低功耗特性,堪称效率神器!很多Mac用户安装时会遇到「架构不兼容」「API配置失败」「插件加载报错」等问题,这篇教程专为M4/M1-M3芯片MacBook定制,全程ARM原生适配,从环境准备到功能验证一步到位,新手也能轻松上手~ 一、安装前准备(必看!避坑核心) 1. 系统与工具要求 * 系统版本:macOS 13 Ventura 及以上(M4芯片默认满足,低于该版本先升级:系统设置→通用→软件更新) * 核心依赖:Node.js ≥ 22(必须ARM架构版,避免转译卡顿) * 辅助工具:终端(Launchpad→其他→终端)、Chrome浏览器(ARM原生版) * 网络:需访问外网(对接Claude/Gemini)

By Ne0inhk
【人工智能之深度学习】20. 交通流量预测实战:用GCN构建城市路网预测模型(PeMS数据集+PyTorch Geometric全流程)

【人工智能之深度学习】20. 交通流量预测实战:用GCN构建城市路网预测模型(PeMS数据集+PyTorch Geometric全流程)

摘要:城市交通流量预测是智慧交通的核心任务,传统LSTM/CNN模型因忽视路网拓扑结构(如传感器间的道路连接关系),难以精准捕捉拥堵传播规律。本文以公开PeMSD4数据集(旧金山湾区交通数据)为基础,采用图卷积网络(GCN)构建预测模型——通过将交通传感器视为“节点”、道路连接视为“边”,结合PyTorch Geometric工具实现端到端时空预测。全流程涵盖:数据获取与清洗(处理12个时间步历史数据)、路网图结构构建(基于距离的邻接矩阵)、GCN模型搭建(含两层图卷积层)、模型训练与评估(对比历史平均法、LSTM)。实验显示,本文GCN模型在整体RMSE(15.1)和关键路口RMSE(19.6)上均优于传统方法,预测稳定性显著提升。需特别说明:本文为教学虚拟案例,所有结果基于离线回测,不可直接用于真实交通调度决策,实际落地需解决实时性、动态路网等问题。 优质专栏欢迎订阅! 【DeepSeek深度应用】【Python高阶开发:AI自动化与数据工程实战】【YOLOv11工业级实战】 【机器视觉:C#

By Ne0inhk