Cursor + MCP：双剑合璧，解锁极致编程效率

大模型工程师
0 阅读8分钟

本文探讨了 Cursor 与 MCP 的深度结合可以显著提升编程效率。通过引入 MCP 的概念，我们了解到它能够为 AI 开发工具提供更精准的上下文理解，使大模型在代码生成、调试和优化时更加智能。

前言

近期，MCP在开发者社区中广受关注，成为业界热点。值得关注的是，Cursor编辑器在0.45.x版本中已正式加入了对MCP的支持。作为深度依赖Cursor的开发者们，理解MCP的核心概念及其应用场景，将有助于我们更高效地利用它来提升开发效率。

环境说明

开发环境： Node

Cursor：1.1.3

一、MCP

什么是MCP

MCP全称Model Context Protocol（模型上下文协议），这是官方的介绍：

MCP 是一种开放协议，用于标准化应用程序向大语言模型（LLM）提供上下文的方式。你可以把 MCP 想象成 AI 应用的 USB-C 接口——正如 USB-C 为设备与各种外设和配件提供了统一的连接标准，MCP 也为 AI 模型与不同数据源和工具之间的交互提供了标准化方案

一句话描述就是MCP是一座桥，让大模型可以调用我们的应用。

为什么规范了这样的协议？

工具调用能力是大模型进化为智能体Agent的关键所在，如果不能调用，那么大模型只是一个高级聊天机器人。在此之前，业内通用的做法是利用Function Calling来实现外部工具调用。

Function Calling是OpenAI在2023年6月首次提出的技术方案，它旨在当模型在对话过程中识别到用户请求需要特定操作时，通过调用预定义的外部函数接口实现复杂操作，从而打通了大模型与外部服务之间的数据通道。但是这种技术有一定的弊端。举个例子，当我们对大模型发出一段复合指令："查询北京天气、生成旅游攻略并完成门票购买"。开发者需要：

  1. 分别对接天气服务、地图服务和票务系统API；
  2. 编写复杂的串联调用逻辑；
  3. 针对不同模型平台重复适配接口规范；

这种碎片化的开发模式造成大量重复劳动。而MCP作为标准化工具调用协议应运而生，其核心价值在于：

  • 统一跨模型的工具调用规范
  • 实现服务接口的"一次定义，多处复用"
  • 构建可扩展的智能体开发生态

MCP 与 Function Calling 的区别

图片

MCP工作方式

MCP的核心是遵循客户端-服务器架构，其中主机应用程序可以连接到多个服务器：

图片图片

  • Host: 想要通过MCP访问数据的程序
  • MCP Client：与服务器保持1:1连接的协议客户端
  • MCP Server：负责向客户端提供 Resources、Prompts 和 Tools 的服务器

二、Cursor接入MCP

了解了MCP的核心机制后，你可能会想：这在实际开发中能带来哪些价值？接下来，我将通过一个真实场景，展示MCP如何显著提升我们的工作效率。

在前端开发工作中，页面构建始终是一项耗时且重要的任务。虽然目前已有V0、Bolt.new等AI工具可以快速生成页面原型，但仍需开发人员进行复制粘贴等手动操作。2025年3月，MasterGo发布了MCP Server，通过将MasterGo MCP与Cursor集成，开发者可以直接获取设计画布数据，并借助智能Agent自动生成项目代码。下面我将介绍下关键操作流程，具体可参考MasterGo MCP官方文档。

生成token

  1. 前往MasterGo官网注册
  2. 右上角头像 - 个人设置 - 设置 - 安全设置
  3. 点击生成令牌

图片图片

Cursor配置

  1. Cursor Setting > Tools & Integrations > MCP Tools
  2. 点击 “new MCP Server”
  3. 将以下代码添加进mcp.json

Mac配置

复制

{
  "mcpServers": {
    "mastergo-magic-mcp": {
      "command": "npx",
      "args": [
        "-y",
        "@mastergo/magic-mcp",
        "--token=MG_MCP_TOKEN",
        "--url=https://mastergo.com"
      ],
      "env": {
        "NPM_CONFIG_REGISTRY": "https://registry.npmjs.org/"
      }
    }
  }
}
1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.

Windows配置

复制

{
  "mcpServers": {
    "mastergo-magic-mcp": {
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "@mastergo/magic-mcp",
        "--token=MG_MCP_TOKEN",
        "--url=https://mastergo.com"
      ],
      "env": {
        "NPM_CONFIG_REGISTRY": "https://registry.npmjs.org/"
      }
    }
  }
}
1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.

将其中的MG_MCP_TOKEN替换为从MasterGo官网上生成的token，保存后返回Cursor Settings,点击刷新，服务前绿灯亮起，代表启动成功

图片图片

使用MCP

在Cursor中Ctrl + L打开智能对话聊天框，选择Agent模式，将MasterGo设计画布链接（提示：可使用官方示例或通过MasterGo AI生成的UI设计稿）粘贴至输入区，即可自动生成完整页面。

图片图片

如上图所示，大模型在解析用户prompt后，通过调用MCP工具首先生成基础HTML文档结构，随后基于设计规范自动填充完整的页面代码。

最终效果

图片图片

通过上述案例可以看出，接入MasterGo MCP后，仅需提供设计画布链接就能快速生成项目页面，开发效率得到显著提升。

三、Cursor开发MCP Server实践

在理解MCP基本原理的基础上，让我们通过Cursor实现MCP Server的快速开发。开发者可参考官方文档或使用 FastMCP逐步开发，下面主要讲述的是用Cursor帮我们自动生成一个MCP Server。

生成Cursor Rules

当前，大模型的应用效果与prompt质量密切相关，但高质量prompt的编写往往需要丰富的经验积累。在实践中，可通过结构化、模板化的方法（如LangGPT）来提升prompt编写质量。基于大模型的自我学习能力，现可按照以下流程实现prompt的优化生成规则：

  1. 将LangGPT Github地址粘贴至Cursor对话框中，生成LangGPT助手.md
  2. 点击Cursor Setting > Rules > Add Rule
  3. 命名文件，粘贴LangGPT助手内容至.mdc文件

图片图片

接下来，我们继续让大模型去学习MCP：

  1. 点击Cursor Setting > Indexing & Docs > Docs > Add Doc
  2. 将MCP官网地址加入Cursor Docs中
  3. 在Cursor聊天对话框中输入@Doc选择刚才添加的MCP，让大模型去学习并用LangGPT格式生成MCP应用专家.md
  4. 点击Cursor Setting > Rules > Add Rule
  5. 命名文件，粘贴MCP应用专家内容至.mdc文件

图片图片

生成MCP Server文件

上面已经在当前路径下创建了rules，接下来我们可以根据rules来生成MCP Server：

图片图片

如上图所示，大模型的角色现在是一个mcp专家，同时提出自己的要求，且为它提供一个官方参考案例(github.com/modelcontex…

图片图片

将生成好的项目执行npm run build,同时我们需要将打包好的文件路径（args中路径替换为实际打包后的路径）添加至mcp.json中:

复制

"beijing-mock-weather-mcp": {
      "command": "node",
      "args": ["D:\mcp\dist\beijing-weather-mcp.js"]
    }
1.2.3.4.

查看连接状态，绿灯亮起，至此，确认通过Cursor自动生成的MCP Server已成功建立连接。接下来将进行功能验证测试。

首先，关闭beijing-mock-weather-mcp对北京天气进行询问：

图片图片

可见，大模型无法直接获取实时的天气信息，我们开启beijing-mock-weather-mcp后进行询问：

图片图片

可以看到，大模型成功调用了beijing-mock-weather-mcp中定义的tools，且得到了天气信息反馈。

四、推荐

从上面的实践案例可以看出，Cursor与MCP的结合显著提升了开发效率。目前市面上有了很多MCP Server可以直接使用，推荐几个目前比较好的平台：

五、总结

本文探讨了 Cursor 与 MCP 的深度结合可以显著提升编程效率。通过引入 MCP 的概念，我们了解到它能够为 AI 开发工具提供更精准的上下文理解，使大模型在代码生成、调试和优化时更加智能。

在 Cursor + MCP 的应用示例中，我们演示了如何利用这一组合：

  1. 智能代码生成：Cursor 结合 MCP 的上下文感知能力，可自动生成符合项目规范的代码，减少重复劳动。
  2. 快速构建 MCP Server：通过 Cursor 的 AI 辅助，开发者能高效搭建 MCP Server，而无需手动处理。

随着 MCP 生态的完善，AI 辅助开发将更加精准、自动化。Cursor 作为前沿的 AI 编程工具，结合 MCP 的上下文协议，将持续推动开发模式的革新，让开发者更专注于创造性工作，而非繁琐的代码细节。 Cursor + MCP 的协同，不仅是工具的结合，更是开发范式的升级。它们的融合让 AI 真正理解开发者的意图，使编程更高效、更智能，为软件工程带来全新的可能性。

avatar
文章
阅读
粉丝