本期内容整理自九天老师的MCP公开课实战内容，带你零代码零门槛快速上手MCP工具！不写一行代码搭建专属智能体应用！下面👇直接开始：
一、MCP基础技术回顾1. MCP服务器Server合集
- MCP官方服务器合集：github.com/modelcontex…
- MCP Github热门导航：github.com/punkpeye/aw…
- MCP工具注册平台：github.com/ahujasid/bl…
- MCP导航：mcp.so/
2. MCP热门客户端Client 除了能在命令行中创建MCP客户端外，还支持各类客户端的调用：modelcontextprotocol.io/clients![图片… Cursor是一款集成了人工智能功能的现代化代码编辑器，旨在提升开发者的编码效率和体验。通过内置的AI助手，Cursor能够提供代码补全、错误检测、优化建议等智能辅助功能，帮助开发者更快速地编写高质量代码。 当Cursor接入MCP（Model Context Protocol）后，其功能得到了进一步扩展。MCP是由Anthropic于2024年11月推出的开放标准协议，旨在为AI模型与外部工具或数据源之间建立标准化的接口。通过MCP，Cursor可以与各种外部工具和服务进行交互，例如数据库、文件系统、浏览器等，从而使AI助手具备更强的环境感知和操作能力。 例如，开发者可以在Cursor中通过自然语言指令，直接让AI助手访问数据库查询数据、调用浏览器进行网页搜索，甚至控制Blender等专业软件进行3D建模操作。这种深度集成使得开发者无需离开Cursor编辑器，就能完成以往需要在多个工具之间切换才能完成的任务，大大提升了开发效率和工作流的连贯性。 总之，Cursor结合MCP协议，为开发者打造了一个功能强大且高度可扩展的智能编码环境，使AI助手不仅能理解和生成代码，还能与广泛的外部工具和服务协同工作，真正实现了智能化的开发体验。
- cursor中国区官网：www.cursor.com/cn
- cursor 0219加入MCP功能更新公告：www.cursor.com/cn/changelo…
1.Cursor安装与Agent模式开启1.1 Cursor安装流程
1.2 Cursor Agent调用模式 Cursor的Agent功能是其编辑器中的一项核心特性，旨在通过深度集成人工智能技术，主动与开发者的代码库交互，提供上下文相关的建议、代码生成和操作支持。Agent模式的设计目标是成为开发者的“智能编程伙伴”，帮助完成复杂任务并提升开发效率。Agent模式的主要功能包括：
- 自动上下文提取：Agent会自动从代码库中提取相关上下文信息，帮助开发者快速定位问题或生成代码。 citeturn0search0
- 运行终端命令：无需离开编辑器，即可直接运行命令行操作。
- 文件操作：支持文件创建、修改、删除等操作，简化开发流程。
- 语义搜索：通过代码语义搜索功能，快速找到关键代码片段。
启用Agent模式非常简单，只需使用快捷键 ⌘.（Mac）或 Ctrl + .（Windows/Linux），即可激活Agent功能。在Agent模式下，你可以通过命令行或快捷键执行上下文管理、终端操作和文件交互等操作。例如，在代码重构场景中，Agent会根据代码库上下文提供优化建议，并自动生成替代代码。当代码出现错误时，Agent不仅会标注问题，还会提供详细的修复建议，并自动修复。通过Agent模式，Cursor旨在为开发者提供一个智能、高效的编程环境，减少手动操作，提高开发效率。 具体开启流程如下所示：
然后在当前页面完成订阅：
然后即可采用Agent模式进行对话：
Cursor 编辑器提供三种对话模式：Ask、Agent 和 Manual，每种模式适用于不同的开发需求。1. Ask 模式： 此模式主要用于探索和了解代码库，而不会对代码进行任何修改。开发者可以在该模式下向 AI 提问，获取关于代码的解释、功能说明或建议。该模式是“只读”的，不会主动更改代码。2. Agent 模式： 这是 Cursor 中最为自主的模式，设计用于处理复杂的编码任务，具有全面的工具访问权限。在该模式下，Agent 可以自主探索代码库、读取文档、浏览网页、编辑文件，并运行终端命令，以高效完成任务。例如，开发者可以指示 Agent 添加新功能或重构代码，Agent 将自动执行相关操作。3. Manual 模式： 此模式允许开发者手动控制 AI 对代码的修改。开发者可以选择特定的代码片段，描述希望进行的更改，AI 将根据描述提供修改建议，开发者可以选择是否应用这些更改。该模式适用于需要精确控制代码修改的场景。2.将新版Cursor接入MCP Cursor接入MCP的方法有很多种，我们首先尝试将更加规范、维护更好的Smithery平台上的MCP工具接入Cursor，然后再接入GitHub MCP工具。
Smithery 是一个专门用于管理和分发 MCP（Model Context Protocol）服务器的平台，旨在帮助开发者和 AI 模型轻松发现、安装和管理各种 MCP 服务器。Smithery 平台上的 MCP 工具与 GitHub 上的 MCP 工具的对比：
- 托管方式：
-
- Smithery 平台：提供两种模式的 MCP 服务器：
-
- 远程（Remote）/ 托管（Hosted）：这些服务器由 Smithery 在其基础设施上运行，用户通过网络访问。
- 本地（Local）：用户可以通过 Smithery 的 CLI 工具将 MCP 服务器安装并运行在本地环境中。
- GitHub：主要提供 MCP 服务器的源代码，开发者需要自行下载、配置并在本地或自有服务器上运行。
- 安装与管理：
-
- Smithery 平台：提供统一的界面和 CLI 工具，简化了 MCP 服务器的发现、安装和管理过程。用户可以通过简单的命令或界面操作完成服务器的部署和配置。
- GitHub：开发者需要手动克隆仓库、安装依赖项，并根据提供的文档进行配置和运行，过程相对繁琐，需要更多的技术背景知识。
- 安全性与控制：
-
- Smithery 平台：对于托管的 MCP 服务器，Smithery 声明其配置参数（如访问令牌）是临时的，不会长期存储在其服务器上。 然而，用户需信任 Smithery 的数据处理政策。
- GitHub：开发者完全控制 MCP 服务器的代码和运行环境，可以自行审查代码，确保安全性和隐私性。
- 社区与支持：
-
- Smithery 平台：作为 MCP 服务器的集中管理平台，Smithery 聚集了大量的 MCP 服务器，方便开发者查找和使用。
- GitHub：作为全球最大的开源平台，拥有广泛的社区支持，开发者可以在相关仓库的 issue 区域提出问题或贡献代码。
2.1 安装基础依赖 MCP 工具依赖于 Node.js 和 npm，我们需要先对其进行安装。Windows下可以在官网上进行下载安装：nodejs.org/zh-cn 在使用 Model Context Protocol（MCP）时，是否需要安装 Node.js 取决于您所选择的 MCP 服务器的实现方式。MCP 是一个开放协议，允许大型语言模型（LLM）与外部工具和数据源进行标准化交互。不同的 MCP 服务器可以使用多种编程语言实现，包括但不限于 Node.js、Python 和 Java。而目前Node.js 实现的 MCP 服务器：许多开发者选择使用 Node.js 来实现 MCP 服务器，主要因为其拥有丰富的包管理生态系统（如 npm），以及在处理异步操作和 I/O 密集型任务方面的高效性。例如，开发者可以使用 Node.js 快速搭建一个 MCP 服务器，以提供特定的功能或工具。
具体安装过程一路点击下一步即可：
然后使用pip安装uv：
pip install uv
安装完成后即可在cursor中查看安装结果：
node -v
npm -v
pip show uv
2.2 尝试为Cursor添加MCP工具 Sequential Thinking 是一个基于 Model Context Protocol（MCP）的服务器工具，旨在通过结构化的思维流程，帮助用户动态、反思性地解决复杂问题。 该工具将问题拆解为可管理的步骤，每个步骤都可以建立在先前的见解之上，或对其进行质疑和修正，从而逐步深化对问题的理解，最终形成全面的解决方案。
然后打开cursor：
并写入如下内容：
"server-sequential-thinking": {
"command": "cmd",
"args": [
"/c",
"npx",
"-y",
"@smithery/cli@latest",
"run",
"@smithery-ai/server-sequential-thinking",
"--key",
"..."
]
}
然后回到MCP Servers页面，等待验证：
验证通过后，即可开启自动调用工具选项：
点击确认：
然后进行简单问答测试，查看能否顺利调用工具：
请问strawberry有几个r？请先调用sequential-thinking MCP工具进行思考，然后再回答。
2.4 添加Playwright MCP Playwright Automation 是一个基于 Model Context Protocol（MCP）的服务器工具，利用 Microsoft 开发的开源浏览器自动化库 Playwright，为大型语言模型（LLMs）和 AI 助手提供与网页交互的能力。主要功能：
- 网页导航与交互：自动执行网页导航、点击、表单填写等操作，支持复杂的用户行为模拟。
- 内容提取与网页抓取：从网页中提取结构化数据，适用于信息检索和内容分析。
- 截图与可视化：捕获网页或特定元素的截图，便于调试和结果展示。
- JavaScript 执行：在浏览器环境中执行自定义 JavaScript 代码，满足特定的交互需求。
Playwright Automation主页：smithery.ai/server/@mic…
"playwright-mcp": {
"command": "cmd",
"args": [
"/c",
"npx",
"-y",
"@smithery/cli@latest",
"run",
"@microsoft/playwright-mcp",
"--key",
"......"
]
}
然后输入如下问题：
你好，请帮我查找MCP（Model Context Protocol）技术的相关内容，并制作一份简易的入门级调研报告，MCP官网地址在@https://github.com/modelcontextprotocol 。你可以使用server-sequential-thinking进行思考，并使用playwright-mcp进行网络信息获取。
此时MCP工具会自动打开网页进行刘兰兰，然后梳理总结报告内容：2.4 添加FileSystem工具
- FileSystem工具：github.com/modelcontex…
Filesystem MCP 是一个基于 Model Context Protocol（MCP）的服务器工具，旨在为大型语言模型（LLMs）和 AI 助手提供对本地文件系统的安全、受控访问。主要功能：
- 文件读写：允许读取和写入文件内容，支持创建新文件或覆盖现有文件。
- 目录管理：支持创建、列出和删除目录，以及移动文件或目录。
- 文件搜索：能够在指定路径中搜索匹配特定模式的文件或目录。
- 元数据获取：提供获取文件或目录的详细元数据，包括大小、创建时间、修改时间、访问时间、类型和权限等信息。
调用过程如下，需要写入如下配置：
"filesystem": {
"command": "cmd",
"args": [
"/c",
"npx",
"-y",
"@modelcontextprotocol/server-filesystem",
"run",
"C:/Users/Administrator/Desktop/最新流量视频/MCP体验课/MCPTest"
]
}
然后进行测试：
非常好，接下来请把你的这份调研报告，调用filesystem工具，以md格式写入本地文件，并取名为MCP技术初级调研报告
三、个人助理Cherry Studio接入MCP实现流程 Cherry Studio 是一款功能强大的桌面客户端，支持与多种大型语言模型（LLM）服务商的无缝集成，包括 OpenAI、Gemini、Anthropic 等，同时兼容本地模型，如通过 Ollama 和 LM Studio 部署的模型。该应用适用于 Windows、Mac 和 Linux 操作系统，提供了丰富的个性化选项和先进的功能，旨在帮助用户在各种场景下提升工作效率。主要功能：
- 多模型支持：用户可以快速在不同的 LLM 之间切换，以满足不同的需求。
- AI 助手与对话：内置超过 300 个预配置的 AI 助手，并支持自定义助手创建，方便用户根据具体任务定制个性化助手。
- 文档与数据处理：支持处理多种文件格式，包括文本、图像、Office 文档和 PDF 等，内置 WebDAV 文件管理和备份功能，方便用户管理和备份文件。
- 实用工具集成：提供全局搜索、主题管理、AI 驱动的翻译等实用工具，增强用户体验。
接入 MCP 的优势： 通过集成 Model Context Protocol（MCP），Cherry Studio 的功能得到了进一步扩展。MCP 是一个开放标准协议，旨在为 AI 系统与外部数据源之间建立标准化的接口。通过 MCP，Cherry Studio 能够与各种外部工具和服务进行交互，例如文件系统、浏览器自动化工具等，从而使 AI 助手具备更强的环境感知和操作能力。 例如，用户可以在 Cherry Studio 中通过自然语言指令，直接让 AI 助手访问本地文件系统、调用浏览器进行网页搜索，甚至控制其他专业软件进行特定操作。这种深度集成使得用户无需离开 Cherry Studio，就能完成以往需要在多个工具之间切换才能完成的任务，大大提升了工作效率和工作流的连贯性。
- CherryStudio主页：github.com/CherryHQ/ch…
1.Cherry Studio安装流程
- CherryStudio文档页：docs.cherry-ai.com/cherry-stud…
下载完即可进入对话页面：
然后我们可以将模型切换为DeepSeek官方的模型API：
然后开启：
并尝试进行使用：
同时，为了能顺利调用MCP工具，我们还需要安装uv和bun文件：
这里推荐最快速的方法是直接从网盘中进行下载：
然后在C:\Users{用户名}下创建.cherrystudio\bin目录，并将上面三个.exe文件移入即可。
其他操作系统配置详见：docs.cherry-ai.com/advanced-ba…. Cherry Studio接入MCP流程 接下来尝试接入filesystem MCP工具：github.com/modelcontex… 。需要在编辑MCP配置页面输入如下内容：
{
"mcpServers": {
"filesystem": {
"isActive": true,
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-filesystem",
"C:/Users/Administrator/Desktop/最新流量视频/MCP体验课/MCPTest"
],
"name": "filesystem"
}
}
}
然后点击开启：
然后在对话中开启MCP工具，这里可选一个或者多个工具：
同时再尝试接入fetch MCP工具，github.com/modelcontex… MCP 服务器是一个遵循模型上下文协议（Model Context Protocol，MCP）的服务器工具，旨在为大型语言模型（LLMs）提供从互联网检索和处理网页内容的能力。通过将网页的 HTML 内容转换为 Markdown 格式，Fetch MCP 使得 LLMs 能够更高效地理解和利用网页信息。主要功能：
- 网页内容获取与转换：Fetch MCP 提供了 fetch 工具，可从指定的 URL 获取网页内容，并将其提取为 Markdown 格式，方便 LLMs 消化和处理。
- 支持多种内容格式：除了 Markdown，Fetch MCP 还支持获取网页的 HTML、JSON 和纯文本格式，满足不同应用场景的需求。
- 内容截取与分页：通过 start_index 参数，用户可以指定从网页内容的特定位置开始提取，允许模型分段读取网页，直到找到所需信息。
同样我们需要在MCP配置页面写入如下内容
"fetch": {
"command": "uvx",
"args": ["mcp-server-fetch"]
}
然后开启工具：
并尝试进行调用：
四、阿里云百炼平台接入MCP
1. 阿里云百炼平台介绍 阿里云百炼平台是一款一站式的大模型开发及应用构建平台，旨在帮助开发者和业务人员快速设计和构建大模型应用。用户可以通过简洁的界面操作，在短时间内开发出大模型应用或训练专属模型，从而将更多精力专注于应用创新。 近期，阿里云百炼平台正式推出了全生命周期的MCP（Model-Connect-Protocol）服务，实现了从资源管理到部署运维的全流程自动化。用户仅需5分钟即可快速创建连接MCP服务的智能体（Agent），将大模型技术转化为生产力工具。首批集成了包括高德地图、无影、Fetch、Notion等50余款阿里巴巴集团及第三方MCP服务，覆盖生活服务、办公协同、内容创作等多个领域。接入MCP的优势：
- 快速开发与部署：通过MCP服务，用户无需管理资源、开发部署和工程运维等复杂工作，可在短时间内搭建并上线智能体应用。
- 丰富的生态系统：百炼平台整合了200多款业界领先的大模型和阿里云函数计算资源，以及众多MCP服务，提供一站式智能体开发解决方案，满足不同场景的应用需求。
- 深度场景化定制：与市场上通用的Agent应用不同，百炼MCP服务支持深度场景化定制。用户无需编写代码，通过简单的可视化配置即可打造具备自主思考、任务拆解和决策执行等能力的专属智能体。
- 持续扩展的应用边界：随着MCP协议生态的不断扩展，百炼平台将持续引入更多阿里巴巴集团及第三方应用服务，进一步拓宽智能体的应用边界，推动大模型技术在各行业的落地应用。
通过接入MCP服务，阿里云百炼平台为用户提供了高效、便捷的大模型应用开发环境，降低了开发门槛，加速了大模型技术的产业化应用进程。2. 阿里云百炼接入MCP流程然后我们进入MCP服务中心，先选择高德MCP工具进行测试：点击开启服务：
高德地图 MCP 工具是高德地图基于 MCP 协议构建的服务器，整合了高德开放平台的地图服务与智能算法，为企业及开发者提供全场景的地图服务解决方案。 其 12 项核心功能涵盖了地图服务的方方面面，满足企业开发的多样化需求。主要功能：
- POI 智能提取：能够从文字中精准提取 POI（兴趣点）信息，涵盖位置、详情、打卡点、价格等多维度内容。
- 路径规划：提供驾车、步行、骑行等多种出行方式的路径规划服务，帮助用户选择最优路线。
- 实时路况查询：实时查询特定道路或区域的拥堵状况及趋势，为出行提供及时参考。
- 天气查询：通过经纬度信息，获取实时天气情况及未来天气预报，为用户出行计划提供支持。
通过高德地图 MCP 工具，AI 智能体可以直接调用高德地图的各项服务，实现如位置查询、路线规划、实时路况查询等功能，提升用户体验和服务效率。然后进入应用管理，即可看到当前开启的MCP服务：然后点击创建新的应用，其实也就是新的Agent：
点击创建
然后即可进行模型和MCP工具配置了：
然后输入系统提示词：你是一名经验丰富的导游，请耐心认真的为用户规划出游行程。
然后测试进行出游路线规划：
能够看到规划结果和MCP工具调用流程：
2. Firecrawl MCP工具 Firecrawl MCP 工具是一款基于模型上下文协议（MCP）的企业级网页数据采集服务器，由 Mendable.ai 开发，专门针对复杂网页场景设计。它支持 JavaScript 动态渲染、批量数据处理、智能内容搜索和深度网页爬取等高级功能，能够为大型语言模型（LLM）提供强大的网页抓取能力。主要功能：
- JavaScript 渲染：能够处理动态网页内容，突破传统抓取工具的局限，获取更全面的数据。
- 批量处理：支持并行处理和队列管理，提高数据抓取效率。
- 智能限速：根据网络状况和任务需求智能调整抓取速度，避免对目标网站造成过大压力。
- 多种输出格式*：支持将抓取的内容转换为 Markdown、HTML 等格式，满足不同场景的需求。
通过 Firecrawl MCP 工具，开发者可以高效地从网页提取结构化数据，增强 LLM 在信息检索和内容生成方面的能力。
- 高级网页抓取：Firecrawl 专为复杂的网页抓取任务设计，支持 JavaScript 渲染，能够处理动态内容丰富的网站。
- 批量处理与深度爬取：具备批量数据处理、URL 发现和深度爬取能力，适用于大规模数据采集任务。
- 智能内容搜索：内置智能内容搜索和提取功能，能够高效地从网页中提取结构化数据。
- 网页内容获取与转换：Fetch 主要用于从指定的 URL 获取网页内容，并将 HTML 转换为 Markdown 格式，便于 LLMs 理解和处理。
- 轻量级设计：Fetch 注重简洁和易用，适合需要快速获取和转换网页内容的场景。
然后需要创建Firecrawl API：
点击复制即可：
然后开启Firecrawl MCP工具：
然后输入系统提示词
## 角色设定（优化版）
你是一位**内容整理专家**，擅长高效提取网页中的关键信息。
## 核心技能
### 查询与总结网页内容
- 根据用户提供的网页链接，使用 **Firecrawl MCP 工具** 抓取网页主内容（以 Markdown 格式返回）。
- 阅读并理解网页信息，**用中文提炼出关键要点与核心观点**。
- 生成结构清晰、逻辑完整的内容总结，适合直接用于知识管理或随手记录
## 限制要求
1. 所有内容总结必须为**中文**。
2. 每条记录只添加一个标签。
3. 标签书写规范：`#标签`，前缀为 `#`，**无空格**。
并尝试爬取网页内容：3. 百炼应用API获取与调用
然后我们即可使用API来调用已经创建好的应用：
!pip install dashscope
import os
fromhttpimport HTTPStatus
from dashscope import Application
response = Application.call(
api_key=DASHSCOPE_API_KEY, # 替换为实际API-KEY
app_id=APP_ID, # 替换为实际的应用 ID
prompt='你是谁？')
print(response.output.text)
prompt = '请帮我详细整理下这个网页里的内容：https://docs.cherry-ai.com/'
response = Application.call(
api_key=DASHSCOPE_API_KEY, # 替换为实际API-KEY
app_id=APP_ID, # 替换为实际的应用 ID
prompt=prompt)
print(response.output.text)
具体执行效果如图所示：五、Open-WebUI接入MCP流程
- Open-WebUI：github.com/open-webui/…
Open WebUI 是一款可扩展、功能丰富且用户友好的自托管 AI 平台，旨在完全离线运行。它支持多种大型语言模型（LLM）运行环境，包括 Ollama 和兼容 OpenAI 的 API。主要功能：
- 多模型支持：兼容多种 LLM 运行环境，用户可以根据需求选择适合的模型进行部署和交互。
- 离线运行：设计上支持完全离线操作，确保数据隐私和安全，适合对数据敏感的应用场景。
- 用户友好界面：提供类似 ChatGPT 的交互界面，方便用户与本地或远程部署的语言模型进行对话。
- 自托管部署：支持通过 Docker 等方式进行自托管部署，方便用户在本地环境中运行和管理。
- 【可选】借助ollama拉取模型1.1 ollama安装与部署 Open-WebUI原生支持使用Ollama调用本地模型进行推理，Ollama是一款大模型下载、管理、推理、优化集一体的强大工具，可以快速调用各类离线部署的大模型。Ollama官网：ollama.com/
