一文带你从 0 到 1 配置 MCP，Cursor + MCP 构建属于你的本地智能助手

用户2491492076012
123 阅读3分钟

📙MCP是什么

MCP (Model Context Protocol，模型上下文协议) 是由 Anthropic 在 2024 年底推出的一种开放协议，它通过提供一种标准化的接口，旨在通过标准化的接口实现大语言模型 (LLM) 与外部数据源及工具的无缝集成。

传统的 AI（比如 ChatGPT）就像一个超级聪明的顾问，你问啥它答啥，但它不能自己去数据库查数据，不能调API帮你打车，也不能操作你的项目文件。

MCP（Model Context Protocol） 就是解决这个问题的：

它给大模型加了一层“通用插座”，让它能随时接入工具（数据库、文件系统、地图API、CI/CD等），从一个只会“说”的模型，变成能帮你干活的AI助手。

设计意义

  • 解决传统 AI 集成中 一对多（M*N 👉 M+N） 的复杂接入问题。
  • 提供 统一且可靠 的访问外部工具方式，方便扩展。
  • 让开发者通过 MCP 快速

👨🏻‍💻 MCP 核心架构

MCP 是 典型的 C/S 架构，主要由以下部分组成：

  • MCP Host（宿主应用） ：

提供与用户交互的界面，内置 MCP Client，如：Cursor、Cline、Claude Desktop、Cherry Studio

  • MCP Client：

嵌入宿主应用，负责：

  • 接收来自LLM的请求；

  • 将请求转发到相应的 MCP server

  • 将 MCP server 的结果返回给 LLM

  • MCP Server：

提供具体功能（本地/远程服务），可以是 本地 Node.js/Python 程序（npx/uvx 启动）

或 云端 API 服务。

  • Local & Remote Resources：

MCP Server 操作的资源：本地文件、远程数据库、API 等。

📖 MCP 工作流程

启动客户端后，客户端读取配置文件，连接 server 并按照协议获取工具列表。和传统一问一答或者推理模型不同，当存在可用的 MCP 工具时，在发送用户问题时，需要把可用工具列表一并发送。LLM 将判断是否需要调用工具完成任务，并把这个指示返回给客户端。客户端如果接受到需要调用工具的指示，则按照 LLM 的指示和 MCP 中规定的调用方式，配置好参数联系 server 进行工具调用，并将调用结果再次发给 LLM，组织出最后的答案。

🌎️ 如何使用 MCP ?

  1. 选择 MCP Host

最简单的入门方式：

Cursor（支持 MCP，适合前端开发）

Cherry Studio（可视化配置，低门槛）

Cline（轻量命令行 AI 助手）

  1. 安装运行环境

MCP Server 分两类：

TypeScript 服务 → 用 npx 启动（需 Node.js 环境）

Python 服务 → 用 uvx 启动（需 Python + uv 环境）

# Node.js
npx -y @amap/amap-maps-mcp-server


# Python
uvx --from mysql-mcp-server mysql_mcp_server

3. 配置 MCP

以 Cursor 为例，在配置文件中新增 MCP Server：

{
  "mcpServers": {
    "mysql": {
      "type": "stdio",
      "command": "uvx",
      "args": ["--from", "mysql-mcp-server", "mysql_mcp_server"],
      "env": {
        "MYSQL_HOST": "localhost",
        "MYSQL_PORT": "3306",
        "MYSQL_USER": "root",
        "MYSQL_PASSWORD": "123456",
        "MYSQL_DATABASE": "mcp_test"
      }
    },
    "amap-maps": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@amap/amap-maps-mcp-server"],
      "env": { "AMAP_MAPS_API_KEY": "你的高德API Key" }
    }
  }
}

🏆️ 使用 MCP 的最佳实践

  1. 选好 Host：开发选 Cursor，低代码选 Cherry Studio。
  2. 本地调试 + 云端部署：开发时用 stdio，本地启动；生产环境用 SSE 访问云端。
  3. 配置敏感信息：API Key、数据库密码通过 .env 管理。
  4. 组合调用：例如查询数据库 + 发邮件 + 生成报表，实现自动化任务链。

示例：本地智能舆情分析系统

syrena12.github.io/mcp-workflo…

项目地址： github.com/Syrena12/mc…

🤔 未来已来

MCP = 大模型 + 工具 + 数据 的桥梁，让 AI 真正融入开发工作流。

程序员不再局限于写业务代码，而是可以一键集成地图、数据库、CI/CD、团队协作等能力，成为 AI 时代的“全栈自动化开发者”。

 

More Details:

MCP官网：modelcontextprotocol.io/docs/gettin…

MCP应用市场: mcp.so/

avatar
文章
阅读
粉丝