Cursor MCP 完整教程：让 AI 连接外部工具的配置方法

我最近在用 Cursor 写代码的时候，遇到了一个挺烦人的问题。每次让 AI 帮我处理项目相关的任务，我都得先解释一遍项目结构、数据库表设计、API 接口…说实话，感觉像在不停地给它补课。

你有没有遇到过这种情况？AI 虽然聪明，但它”看不到”你的数据库里有什么数据，不知道你的文件系统里有哪些文件，更不能直接调用你的 API。每次都要手动复制粘贴信息给它，效率真的不高。

直到我发现了 MCP（Model Context Protocol），这个问题才算有了优雅的解决方案。简单来说，MCP 就是让 AI 能够连接外部工具和数据源的标准协议。配置好之后，AI 就能自己去查数据库、读文件、调 API 了。

MCP 是什么？

一个简单的类比

如果要我用最简单的话解释 MCP，我会说：MCP 就像给 AI 装了一个 USB-C 接口。

你想想，以前每个设备都有自己的充电口，iPhone 用 Lightning，安卓用 Micro-USB，笔记本电脑又是另一套标准。特别麻烦。后来 USB-C 出现了，一个接口解决所有问题。

MCP 也是这个思路。它是 Anthropic 开发的一个开放协议，为 AI 连接外部工具提供了标准接口。有了这个标准，AI 应用就不用每次都从头开发集成方案了。

为什么需要 MCP？

在 MCP 出现之前，如果你想让 AI 连接数据库，每个 AI 应用都得自己开发一套方案。Cursor 开发一套，Claude Desktop 开发一套，其他工具又是另一套。开发者要重复造轮子，维护成本高，而且不同工具之间不兼容。

MCP 改变了这个局面。它提出了”一次编写，到处使用”的理念。开发者只需要按照 MCP 标准开发一个数据库连接器，就能在所有支持 MCP 的 AI 应用中使用。这样效率提升了，也避免了重复劳动。

MCP vs 传统插件

你可能会问：这和传统的插件、扩展有什么区别？

区别还挺大的。传统插件是应用层面的功能扩展，比如给浏览器装个广告拦截插件，给 VSCode 装个主题。而 MCP 是 AI 模型层面的能力扩展。

最关键的区别在于：AI 能智能决定何时调用工具，而不需要你明确指令。

比如你跟 Cursor 说：“帮我看看这个用户在数据库里的订单记录”。配置了 MCP 之后，AI 会自动理解它需要：

连接到数据库
查询用户表找到用户 ID
查询订单表找到相关订单
把结果整理给你

整个过程你不需要说”去查数据库”、“执行 SQL”这些指令。AI 自己就知道该怎么做。

核心架构

从技术角度看，MCP 的架构很清晰：

MCP Host：就是你用的 AI 应用，比如 Cursor、Claude Desktop
MCP Client：负责管理 Host 和 Server 之间的连接
MCP Server：包装外部服务（数据库、API、文件系统等）
通信协议：使用标准的 JSON-RPC 接口

就像搭积木一样，每个部分各司其职。你只需要配置好要用哪些 MCP Server，剩下的事情 AI 会自己处理。

MCP 能做什么？

聊完概念，我们看看 MCP 具体能做什么。下面这些都是我自己试过的实际场景。

数据库访问

这个功能真的省了我很多时间。

比如说你在做一个电商项目，数据库里有用户表、商品表、订单表。以前你想让 AI 帮你写一个查询”某用户最近一个月的订单”的代码，你得先：

复制表结构给 AI
说明表之间的关系
指定要查询的字段

现在配置了 MySQL MCP Server 之后，你只需要说：“帮我查一下用户 ID 123 最近一个月的订单”。AI 会自动：

连接数据库
分析表结构
生成精确的 SQL
执行查询
把结果整理成你需要的格式

而且它生成的 SQL 是基于你实际的表结构，不是凭空想象的那种示例代码。

文件系统操作

我最常用这个功能来做代码整理。

举个例子，我有个项目用了很多第三方库，时间长了之后，代码里有很多用不到的 import 语句。手动一个个检查太累了。

配置了文件系统 MCP Server 之后，我可以直接跟 Cursor 说：“帮我扫描整个项目，找出所有未使用的 import 并清理掉”。AI 会自动：

遍历项目目录
分析每个文件的 import 语句
检查哪些 import 实际没用到
修改文件清理掉这些 import

这个功能在重构代码的时候特别好用。

API 集成

MCP 对 API 集成的支持特别丰富。目前已经有很多常用服务的 MCP Server 了。

GitHub MCP

如果你经常用 GitHub，这个太方便了。配置之后，你可以直接让 AI：

查看某个仓库的 Issues：“有哪些标记为 bug 的未解决 Issue？”
创建 Pull Request：“把这个分支的改动提交一个 PR”
管理分支：“帮我创建一个新的 feature 分支”

Slack MCP

我用这个来做团队通知自动化。比如：

“在 #dev 频道发个消息，告诉大家新版本上线了”
“看看最近有没有人在频道里 @ 我”

Google Workspace MCP

这个覆盖了 Gmail、Google Docs、Sheets、Drive、Calendar。如果你的工作流依赖 Google 全家桶，配置这个能省很多时间。

比如：“帮我把昨天的数据分析结果整理到 Google Sheets”、“查看明天的日历安排”。

浏览器自动化

Chrome DevTools MCP 是个很有意思的工具。

它让 AI 能直接与浏览器交互。你可以让 AI：

打开某个网页
读取页面 DOM 结构
执行 JavaScript
分析页面性能

我用这个做过一些自动化测试和性能分析。比如：“打开我们的首页，分析一下首屏加载时间，看看哪些资源加载比较慢”。

Web 内容抓取

Fetch Server 专门用来做网页内容提取。

它的特点是会把网页内容转换成 AI 友好的格式。比如你想分析某篇文章的内容，不需要手动复制，直接给 AI 一个链接：“分析一下这篇文章的主要观点”。AI 会自动抓取内容并分析。

如何配置 MCP？

好了，看到这里你应该对 MCP 有了基本了解。下面我详细讲讲怎么配置。

配置前的准备

开始之前，确认两件事：

Cursor 版本：确保你用的是最新版 Cursor。MCP 支持是近期才加的。
传输方式：了解两种传输方式的区别
- stdio：标准输入输出，服务跑在本地，Cursor 自动管理，单用户使用
- SSE/HTTP：通过网络通信，可以部署在远程服务器，支持多用户共享

大部分情况下，我建议用 stdio 方式。配置简单，不需要额外的服务器。

配置方式一：通过 Cursor 设置界面（推荐）

如果你是第一次配置 MCP，走这个方式最简单。

步骤如下：

打开 Cursor
按快捷键打开设置
- Windows/Linux：Ctrl+Shift+J
- macOS：Cmd+Shift+J
在左侧菜单找到 “Tools & Integrations”
点击底部的 “New MCP Servers”
Cursor 会自动创建或打开 mcp.json 配置文件

这个方式的好处是有可视化界面，而且支持实时验证。如果你配置有问题，会直接提示错误。

配置方式二：直接编辑配置文件

如果你喜欢直接改配置文件，可以手动创建。

MCP 配置文件有两个位置：

项目级配置：.cursor/mcp.json（只对当前项目生效）
全局配置：~/.cursor/mcp.json（对所有项目生效）

我一般把常用的 MCP Server（比如 GitHub、Fetch）放在全局配置，项目特有的（比如数据库连接）放在项目配置。

配置文件结构

MCP 配置文件的基本结构是这样的：

{
  "mcpServers": {
    "服务器名称": {
      "command": "执行命令",
      "args": ["参数列表"],
      "env": {
        "环境变量": "值"
      }
    }
  }
}

command：要执行的命令，比如 npx、node、python
args：命令的参数，通常是 MCP Server 的包名或脚本路径
env：环境变量，用来传递 API Token、数据库密码等敏感信息

实战案例 1：配置 GitHub MCP

我们先从 GitHub MCP 开始，这个比较常用。

配置代码：

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_your_token_here"
      }
    }
  }
}

配置说明：

command: "npx"：使用 Node.js 的包执行器，不需要全局安装
args: ["-y", "@modelcontextprotocol/server-github"]：
- -y 表示自动确认
- @modelcontextprotocol/server-github 是官方的 GitHub MCP Server 包
env.GITHUB_PERSONAL_ACCESS_TOKEN：你的 GitHub 个人访问令牌

如何获取 GitHub Token：

打开 GitHub，进入 Settings
左侧菜单找到 Developer settings
点击 Personal access tokens → Tokens (classic)
点击 Generate new token
选择需要的权限（至少要 repo 权限）
生成后复制 Token，粘贴到配置文件

注意：Token 只会显示一次，记得保存好。

实战案例 2：配置 Fetch Server

这个更简单，因为不需要 API Token。

{
  "mcpServers": {
    "fetch": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-fetch"]
    }
  }
}

就这么简单。配置之后，你就可以让 AI 抓取任何网页的内容了。

实战案例 3：配置数据库 MCP

数据库配置稍微复杂一点，因为需要传递连接信息。

这里以 MySQL 为例（注意：你需要先有一个 MySQL MCP Server，可以自己写或用社区版本）：

{
  "mcpServers": {
    "mysql": {
      "command": "node",
      "args": ["/path/to/mysql-mcp-server/index.js"],
      "env": {
        "DB_HOST": "localhost",
        "DB_USER": "root",
        "DB_PASSWORD": "your_password",
        "DB_NAME": "your_database"
      }
    }
  }
}

重要提示：

把 /path/to/mysql-mcp-server/index.js 替换成实际路径
数据库密码不要直接写死，可以用环境变量
如果数据库在远程服务器，修改 DB_HOST 为实际地址

多个 MCP Server 的完整配置示例

实际使用中，你可能会配置多个 MCP Server。完整的配置文件可能是这样的：

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_your_token_here"
      }
    },
    "fetch": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-fetch"]
    },
    "mysql": {
      "command": "node",
      "args": ["/Users/your-name/mcp-servers/mysql/index.js"],
      "env": {
        "DB_HOST": "localhost",
        "DB_USER": "root",
        "DB_PASSWORD": "your_password",
        "DB_NAME": "your_database"
      }
    }
  }
}

验证配置是否成功

配置完成后，需要验证一下是否生效。

步骤：

重启 Cursor：配置修改后需要重启才能生效
测试 MCP 功能：在 Cursor 的对话框里试试看
- 测试 GitHub：“帮我看看我的 GitHub 仓库列表”
- 测试 Fetch：“帮我抓取 https://example.com 的主要内容”
观察 AI 响应：如果配置成功，AI 会调用对应的 MCP 工具

如果 AI 说”我没有权限访问…”或者”无法连接…”，说明配置有问题。

常见问题排查

我自己踩过一些坑，分享一下解决方案：

问题 1：配置文件格式错误

症状：Cursor 启动时报错或 MCP 功能不工作

解决：

检查 JSON 语法，特别是逗号、引号、括号
用 JSON 验证工具检查格式
注意最后一项不要有多余的逗号

问题 2：API Token 权限不足

症状：AI 能连接服务，但执行某些操作时报错

解决：

检查 Token 的权限范围
GitHub Token 至少需要 repo 权限
如果操作失败，可能需要更多权限

问题 3：端口被占用

症状：启动 MCP Server 时报错

解决：

检查是否有其他程序占用端口
用 stdio 方式通常不会有这个问题
如果用 SSE 方式，尝试更换端口

问题 4：环境变量未生效

症状：配置了环境变量，但 MCP Server 读不到

解决：

检查环境变量名拼写
确认配置文件保存了
Windows 用户注意路径分隔符要用双反斜杠或正斜杠

进阶使用技巧

配置成功只是第一步。下面分享一些我总结的实用技巧。

选择合适的传输方式

stdio 方式适合：

本地开发
单人使用
快速配置，不需要额外服务器

SSE/HTTP 方式适合：

团队共享同一个 MCP Server
数据库或服务在远程服务器
需要集中管理和监控

我一般会把个人工具（GitHub、Fetch）用 stdio，团队共用的数据库用 SSE。

管理多个 MCP Server

当你配置了很多 MCP Server，管理起来可能会乱。我的建议是：

全局配置：放常用的、通用的 Server（GitHub、Fetch、Slack）
项目配置：放项目特有的 Server（数据库、内部 API）
按需启用：不用的 Server 可以注释掉，避免启动时资源浪费

安全性建议

配置 MCP 涉及很多敏感信息，一定要注意安全：

不要把 Token 提交到 Git：

.cursor/mcp.json 加入 .gitignore
或者用环境变量替代硬编码

定期更新 Token：

GitHub Token 可以设置过期时间
定期更新密码和 Token

最小权限原则：

GitHub Token 只给需要的权限
数据库用户只开读权限（如果只需要查询）

常用 MCP Server 推荐

根据我的使用经验，这些 MCP Server 最实用：

开发工具类：

@modelcontextprotocol/server-github：GitHub 集成
@modelcontextprotocol/server-gitlab：GitLab 集成

数据库类：

PostgreSQL MCP Server
MySQL MCP Server
MongoDB MCP Server

办公协作类：

Google Workspace MCP Server（Gmail、Docs、Sheets 等）
Slack MCP Server

数据获取类：

@modelcontextprotocol/server-fetch：网页抓取
Firecrawl MCP Server：更强大的爬虫功能

浏览器自动化：

Chrome DevTools MCP：浏览器调试和自动化

性能优化

用多了 MCP 之后，你可能会注意到性能问题。这里有几个优化建议：

只启用需要的 Server：

不用的 Server 注释掉或删除
减少启动时的资源消耗

注意网络延迟：

远程 Server 会有网络延迟
如果数据库在云端，考虑网络质量

合理设置超时：

有些 MCP Server 支持超时配置
避免某个请求卡住整个流程

总结

说了这么多，我们快速回顾一下：

MCP 是什么：一个让 AI 连接外部工具和数据的标准协议，就像 AI 的 USB-C 接口。

MCP 能做什么：

访问数据库，AI 自动生成和执行 SQL
操作文件系统，批量处理文件
集成 GitHub、Slack、Google Workspace 等服务
浏览器自动化和网页内容抓取

怎么配置：

通过 Cursor 设置界面或直接编辑 mcp.json
配置文件包含 command、args、env 三部分
常用的有 GitHub、Fetch、数据库等 MCP Server

我的建议是，从简单的开始。先配置一个 Fetch Server 试试手，感受一下 MCP 的威力。等熟悉了之后，再根据实际需求添加其他 Server。

MCP 的生态现在发展得很快，几乎每周都有新的 MCP Server 出现。“写一次，到处用”的愿景正在逐步实现。以后换个 AI 工具，不用重新配置集成，MCP Server 直接就能用。

Cursor MCP 配置完整流程

从零开始在 Cursor 中配置 MCP，让 AI 连接外部工具和数据源

⏱️ 预计耗时: 15 分钟

1
步骤1: 打开 Cursor 设置
快捷键打开设置：
• Windows/Linux：Ctrl+Shift+J
• macOS：Cmd+Shift+J

在左侧菜单找到 "Tools & Integrations"，点击底部的 "New MCP Servers"。
2
步骤2: 编辑 mcp.json 配置文件
配置文件基本结构：
{
"mcpServers": {
"服务器名称": {
"command": "执行命令",
"args": ["参数列表"],
"env": { "环境变量": "值" }
}
}
}

配置位置：
• 项目级：.cursor/mcp.json
• 全局：~/.cursor/mcp.json
3
步骤3: 添加 MCP Server 配置
以 Fetch Server 为例（最简单，无需 Token）：
{
"mcpServers": {
"fetch": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-fetch"]
}
}
}

如需 GitHub 集成，添加 GITHUB_PERSONAL_ACCESS_TOKEN 环境变量。
4
步骤4: 重启 Cursor 并验证
保存配置后重启 Cursor。

测试方法：
• 测试 Fetch："帮我抓取 https://example.com 的主要内容"
• 测试 GitHub："帮我看看我的 GitHub 仓库列表"

如果 AI 能调用对应工具，说明配置成功。

常见问题

MCP 和传统插件有什么区别？

核心区别在于智能程度：

• 传统插件：应用层面的功能扩展，需要用户手动触发
• MCP：AI 模型层面的能力扩展，AI 能智能决定何时调用工具

比如你说"查一下用户订单"，配置了 MCP 后 AI 会自动连接数据库、执行查询，不需要你明确说"执行 SQL"。

配置文件放在项目级还是全局级？

建议分开管理：

• 全局配置（~/.cursor/mcp.json）：放常用的通用 Server，如 GitHub、Fetch、Slack
• 项目配置（.cursor/mcp.json）：放项目特有的 Server，如数据库连接、内部 API

这样既方便复用，又能针对不同项目定制。

MCP 配置后不生效怎么办？

按以下步骤排查：

1. 检查 JSON 语法：用验证工具检查格式，注意逗号和引号
2. 重启 Cursor：配置修改后必须重启
3. 检查 Token 权限：GitHub Token 至少需要 repo 权限
4. 查看路径分隔符：Windows 用双反斜杠或正斜杠

stdio 和 SSE 传输方式怎么选？

根据使用场景选择：

• stdio（推荐大多数场景）：服务跑在本地，Cursor 自动管理，配置简单
• SSE/HTTP：可部署在远程服务器，支持团队共享，适合数据库在云端的情况

个人开发建议用 stdio，团队协作考虑 SSE。

有哪些值得配置的 MCP Server？

按实用程度推荐：

入门必装：
• @modelcontextprotocol/server-fetch：网页抓取，无需 Token

开发常用：
• @modelcontextprotocol/server-github：GitHub 集成
• MySQL/PostgreSQL MCP Server：数据库访问

进阶工具：
• Google Workspace MCP：Gmail、Docs、Sheets 集成
• Chrome DevTools MCP：浏览器自动化

14 分钟阅读 · 发布于: 2026年1月16日 · 修改于: 2026年2月4日

Easton

AI与智能