实用 MCP 插件推荐：Sequential Thinking、Brave Search、Playwright 安装与使用指南

上周五晚上，我盯着 Cursor 的界面发了半小时呆。不是因为代码写不出来，而是突然意识到——为什么同样用 Cursor，我同事 10 分钟就能完成的需求分析，我却要花半小时手动搜索文档、复制粘贴、整理信息？

答案在周一早会上揭晓了。他分享屏幕的时候，我看到他的 Cursor 右下角有个小锤子图标，点开之后是一串 MCP 插件的列表：Sequential Thinking、Brave Search、Playwright…我当时的表情，大概就像看到别人的游戏开了外挂。

说实话，我用 Cursor 也有小半年了，但从没认真研究过 MCP 插件。直到那天我才明白，Cursor 本身只是个编辑器，真正的”超能力”藏在这些 MCP 插件里。装上合适的插件，AI 就不只是个”聊天机器人”，而是能帮你搜索信息、操作浏览器、分析代码的”实干家”。

阿里云 - 开发者上云首选，轻量服务器专享 8.5 折优惠，助力项目快速上线

领取 8.5 折优惠 →推广

这篇文章，我会分享 5 个我现在每天都在用的 MCP 插件。每个插件都会给你完整的配置代码（直接复制粘贴就能用），还有真实的使用场景。如果你也想让 Cursor 好用 10 倍，花 10 分钟看完这篇，绝对值。

什么是 MCP？为什么需要 MCP 插件？

先说 MCP 是什么。MCP 全称 Model Context Protocol（模型上下文协议），是 Anthropic 在 2024 年 11 月推出的开源标准。用大白话讲，它就是给 AI 装了个”接口”，让 AI 能连接各种外部工具和数据源。

你可以这么理解：没装 MCP 插件的 AI，就像一个只会动嘴不会动手的人。你问它”帮我搜索一下最新的 React 文档”，它只能告诉你”你可以去 Google 搜索”。但装了 Brave Search 这个 MCP 插件之后，它能直接帮你搜，把结果整理好给你。

有人把 MCP 比作”给 AI 装上手和眼睛”，我觉得挺贴切的。装上 Playwright 插件，AI 就有了”手”，能操作浏览器；装上 Sequential Thinking 插件，AI 就有了”思维框架”，能把复杂问题拆解成步骤。

那为什么需要 MCP 插件？说白了，就是让 AI 从”只会聊天”变成”能干活”。我现在用 Cursor 写代码，基本上是：

• 让 AI 搜索最新的技术文档（Brave Search）
• 让 AI 分析复杂的系统架构（Sequential Thinking）
• 让 AI 自动化测试网页功能（Playwright）
• 让 AI 读取项目文件和配置（Filesystem）

这些事情，以前都得我自己手动做。现在？喝杯咖啡的功夫，AI 就帮我搞定了。

MCP 插件安装的基础知识

在推荐具体插件之前，先说说安装配置的基础知识。别担心，不复杂，主要就是改一个 JSON 配置文件。

配置文件在哪？

不同工具的配置文件位置不一样：

• Cursor：项目根目录的 .cursor/mcp.json（项目级），或者用户目录的 ~/.cursor/mcp.json（全局级）
• Claude Desktop：
  • macOS：~/Library/Application Support/Claude/claude_desktop_config.json
  • Windows：%APPDATA%\Claude\claude_desktop_config.json

我一般用全局配置，这样所有项目都能用。要是某个项目需要特殊配置，再单独建个项目级的配置文件。

配置文件长什么样？

一个典型的 mcp.json 配置文件结构是这样的：

{
  "mcpServers": {
    "插件名称": {
      "command": "npx",
      "args": ["-y", "@xxx/package-name"],
      "env": {
        "API_KEY": "${YOUR_API_KEY}"
      }
    }
  }
}

关键字段解释：

• command：启动命令，通常是 npx（Node.js）或 python
• args：传给命令的参数，-y 表示自动确认安装
• env：环境变量，用来传 API Key 等敏感信息

环境变量怎么管理？

千万别把 API Key 直接写在配置文件里！正确做法是：

1. 在系统环境变量里设置（Windows 用系统设置，macOS/Linux 用 .bashrc 或 .zshrc）
2. 配置文件里用 ${变量名} 引用

比如：

# macOS/Linux
export BRAVE_API_KEY="你的API密钥"

# Windows PowerShell
$env:BRAVE_API_KEY="你的API密钥"

配置文件里就写：

"env": {
  "BRAVE_API_KEY": "${BRAVE_API_KEY}"
}

Windows 用户注意事项

Windows 配置 MCP 有几个坑，我都踩过：

1. 路径问题：Windows 的反斜杠 \ 要转义成 \\，或者直接用正斜杠 /
2. npx 找不到：确保 Node.js 已安装并添加到系统 PATH
3. 权限问题：有时候需要用管理员权限运行 Cursor

检查 Node.js 是否安装：

node --version
npm --version

如果没装，去 nodejs.org 下载安装。

精选 MCP 插件推荐

好了，基础知识讲完了。现在进入正题——我每天都在用的 5 个 MCP 插件。

1. Sequential Thinking - 让 AI 学会”慢思考”

为什么推荐这个？

你有没有遇到过这种情况：问 AI 一个复杂问题，它直接给你一个答案，但你感觉它”想得不够深”？Sequential Thinking 就是解决这个问题的。

装上这个插件，AI 会把复杂问题拆解成一步步的推理过程。就像一个人在草稿纸上演算一样，你能看到它的”思考过程”。而且，它还会在推理过程中修正自己的想法，甚至尝试不同的推理路径。

我现在用它最多的场景是：系统架构设计、技术方案分析、复杂 bug 排查。有一次我让它分析一个微服务架构的性能瓶颈，它把问题拆成了 8 个步骤，中途还修正了 2 次推理方向，最后给出的方案确实比我自己想的全面。

安装配置

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

使用技巧

• 适合问题：需要多步推理的复杂问题
• 不适合：简单的事实查询（会显得啰嗦）
• 提示词技巧：加上”用系统性思维分析”，效果更好

2. Brave Search - 隐私友好的搜索引擎

为什么推荐这个？

这个插件让 AI 能直接搜索网络。你可能会问：为什么不用 Google Search？两个原因。

第一，Brave Search 更注重隐私，不会追踪你的搜索记录。第二，它提供免费的 API，每个月 2000 次查询额度，个人用完全够。

我用它最多的场景是：查最新的技术文档、了解某个库的最新版本、搜索报错信息的解决方案。有次我在用一个新框架，报了个奇怪的错，我直接让 AI 用 Brave Search 搜索，它找到了 GitHub issue 里的解决方案，前后不到 1 分钟。

Railway - 现代化的部署平台，告别繁琐运维，让代码分钟级上线

立即开始 →推广

安装配置

第一步：获取 API Key

1. 去 Brave Search API 注册账号
2. 在”Subscriptions”里选择免费的”AI Data”计划
3. 在”API Keys”里创建新密钥

第二步：配置环境变量

# macOS/Linux
export BRAVE_API_KEY="你的API密钥"

# Windows PowerShell
$env:BRAVE_API_KEY="你的API密钥"

第三步：配置文件

{
  "mcpServers": {
    "brave-search": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-brave-search"
      ],
      "env": {
        "BRAVE_API_KEY": "${BRAVE_API_KEY}"
      }
    }
  }
}

使用技巧

• 重启 Cursor 或 Claude Desktop 让配置生效
• 看到右下角小锤子图标说明配置成功
• 提示词里加上”搜索一下”或”查查最新信息”，AI 会自动调用搜索

3. Playwright - 浏览器自动化的瑞士军刀

为什么推荐这个？

Playwright 是微软开源的浏览器自动化工具。装上这个 MCP 插件，AI 就能操作浏览器：打开网页、点击按钮、填表单、截图、导出 PDF…基本上你能在浏览器里做的事，AI 都能做。

最爽的是，它不是靠”看截图”来操作网页的，而是直接读取网页的结构（accessibility tree），精准度超高。我试过让它自动填写复杂的多步表单，99% 的情况都能一次成功。

我现在用它最多的场景：

• 自动化测试：让 AI 帮我测试网页的功能
• 数据抓取：抓取动态加载的网页数据
• 截图监控：定时截图检查网页是否正常

有次我要测试一个多步注册流程（填表单→验证邮箱→设置密码→完成），手动测一遍要 5 分钟。我让 Playwright 自动化之后，10 秒搞定，而且可以重复测 100 遍都不累。

安装配置

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": [
        "-y",
        "@executeautomation/playwright-mcp-server"
      ]
    }
  }
}

实战案例

我给你看个真实例子。上周我要测试一个搜索功能，我这么问 AI：

“用 Playwright 打开 example.com，在搜索框输入’React’，点击搜索按钮，然后截图给我。”

AI 自动执行了这些步骤，20 秒后给我返回了截图。要是手动做，我得打开浏览器、输入网址、搜索、截图、上传…至少要 2 分钟。

使用技巧

• 适合场景：重复性的浏览器操作、UI 测试、数据抓取
• 不适合：需要登录验证码的场景（这个搞不定）
• 提示词技巧：描述清楚操作步骤，比如”先…然后…最后…“

4. GitHub - 代码仓库分析助手

为什么推荐这个？

如果你经常用 GitHub，这个插件能让 AI 直接读取你的仓库信息：代码、Issues、Pull Requests、Commits…全都能访问。

我用它最多的场景：

• 分析代码库结构：让 AI 帮我梳理项目的目录结构和依赖关系
• 管理 Issues：批量查看未解决的 bug，按优先级排序
• Code Review：让 AI 分析 PR 的改动，提出改进建议

有次我接手一个老项目，代码有 3 万多行，文档缺失。我让 AI 用 GitHub MCP 分析了一遍代码库，它帮我生成了：

• 项目架构图
• 核心模块说明
• 技术栈列表
• 潜在问题清单

这要是手动梳理，至少要花两天。AI 用了不到 10 分钟。

安装配置

第一步：创建 GitHub Personal Access Token

Vultr - 高性能 NVMe 云服务器，32 个全球节点可选，支持一键部署 Docker

查看定价 →推广

1. 去 GitHub Settings → Developer settings → Personal access tokens
2. 选择”Tokens (classic)“，创建新 token
3. 勾选 repo（访问仓库）和 read:user（读取用户信息）权限

第二步：配置环境变量

# macOS/Linux
export GITHUB_TOKEN="你的Token"

# Windows PowerShell
$env:GITHUB_TOKEN="你的Token"

第三步：配置文件

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

使用技巧

• Token 权限不要给太大，够用就行（安全第一）
• 可以让 AI 分析某个特定文件的历史修改记录
• 提示词例子：“分析这个仓库的代码质量，给出改进建议”

5. Filesystem - 本地文件管家

为什么推荐这个？

Filesystem 插件让 AI 能读取和操作本地文件。听起来很基础，但超级实用。

我用它最多的场景：

• 批量处理文件：重命名、移动、删除
• 日志分析：读取 log 文件，提取错误信息
• 配置文件管理：修改项目配置、环境变量

举个例子，上个月我要把一个项目里 50 多个组件的命名风格统一（从 snake_case 改成 camelCase）。手动改的话，每个文件要打开、查找、替换、保存…估计要花半天。

我让 AI 用 Filesystem 插件帮我批量处理，3 分钟搞定。它自动遍历所有文件，识别出需要改的地方，统一替换，还给我生成了一份修改报告。

安装配置

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/path/to/your/project"
      ]
    }
  }
}

安全注意

• args 里的路径决定了 AI 能访问哪些文件
• 建议只给项目目录的权限，不要给整个硬盘
• 不要在配置里包含敏感文件（如 .env、密钥文件）

使用技巧

• 适合：批量文件操作、日志分析、配置管理
• 不适合：敏感数据处理（安全风险）
• 提示词技巧：“读取 src 目录下所有 .js 文件，找出未使用的变量”

高级技巧与最佳实践

装了这些插件之后，我又踩了一些坑，也摸索出一些经验。分享给你。

多插件组合使用

单个插件已经很强了，但组合起来用更牛。

组合 1：Sequential Thinking + Brave Search

适合场景：系统化研究一个新技术。

我上周要调研”边缘计算”这个技术方向，我这么问 AI：

“用系统性思维帮我研究边缘计算，搜索最新的技术趋势和应用案例。”

AI 先用 Sequential Thinking 把研究任务拆成了 6 个步骤（定义→技术原理→应用场景→主流方案→优缺点→未来趋势），然后用 Brave Search 搜索每个步骤的相关信息。20 分钟后，它给我一份 3000 字的研究报告，比我自己搜索整理至少快 10 倍。

组合 2：Playwright + GitHub

阿里云 - 开发者上云首选，轻量服务器专享 8.5 折优惠，助力项目快速上线

领取 8.5 折优惠 →推广

适合场景：自动化测试并提交结果。

我现在测试完网页功能后，让 AI 用 Playwright 截图，然后用 GitHub MCP 自动创建 Issue，附上截图和测试结果。整个流程自动化，省了不少时间。

性能优化建议

插件不是装得越多越好。我刚开始兴奋过头，装了 10 多个插件，结果发现：

1. 启动变慢了：Cursor 每次启动要加载所有插件，时间从 3 秒变成了 15 秒
2. token 消耗暴增：AI 每次回答都要”想一想”要不要调用这 10 个插件，浪费不少 token
3. 回答速度变慢：有时候我只想问个简单问题，它却要”考虑”要不要调用插件

后来我的策略是：

• 保留常用插件：Sequential Thinking、Brave Search 这种高频使用的，一直开着
• 按需启用：Playwright、GitHub 这种特定场景用的，需要时再启用
• 禁用不用的：在配置文件里加 "disabled": true，暂时禁用但不删除配置

{
  "mcpServers": {
    "playwright": {
      "disabled": true,
      "command": "npx",
      "args": ["-y", "@executeautomation/playwright-mcp-server"]
    }
  }
}

安全最佳实践

用 MCP 插件有几个安全注意事项，我踩过坑，你别踩：

1. 永远不要硬编码 API Key

   • ❌ 错误："env": {"API_KEY": "sk-abc123"}
   • ✅ 正确："env": {"API_KEY": "${API_KEY}"}

2. 定期更换密钥

   • GitHub Token、Brave API Key 建议每 3 个月换一次
   • 万一配置文件被不小心提交到公开仓库，密钥就泄露了

3. 最小权限原则

   • GitHub Token 只给需要的权限，不要图省事给 admin 权限
   • Filesystem 只给项目目录权限，别给整个硬盘

4. 配置文件加入 .gitignore

   • 如果用项目级配置，记得把 .cursor/mcp.json 加入 .gitignore
   • 避免敏感信息被提交到版本控制

故障排查指南

遇到问题别慌，按这个顺序排查：

问题 1：配置了插件但右下角没有小锤子图标

解决方案：

1. 检查 JSON 格式是否正确（用 JSONLint 验证）
2. 重启 Cursor 或 Claude Desktop
3. 查看开发者工具的控制台（Cursor → Help → Toggle Developer Tools）

问题 2：插件调用失败，报错 “API Key invalid”

解决方案：

1. 确认环境变量已正确设置（用 echo $API_KEY 检查）
2. 检查配置文件里的引用格式是否正确（${VAR_NAME}）
3. 重启终端/命令行，让环境变量生效

问题 3：npx 命令找不到

解决方案：

1. 检查 Node.js 是否安装：node --version
2. 检查 npm 是否在 PATH 里：which npm（macOS/Linux）或 where npm（Windows）
3. 重新安装 Node.js 并勾选”添加到 PATH”

结论

说了这么多，核心就一句话：MCP 插件能让 AI 从”聊天助手”变成”工作搭档”。

这 5 个插件是我每天都在用的：

• Sequential Thinking：让 AI 深度思考复杂问题
• Brave Search：实时获取最新信息
• Playwright：自动化浏览器操作
• GitHub：分析代码仓库
• Filesystem：管理本地文件

我现在的工作流基本是：遇到重复性任务，先想想能不能用 MCP 插件自动化。十次有八次能成功，省下的时间用来喝咖啡它不香吗？

如果你还没试过 MCP 插件，建议先装 Sequential Thinking 和 Brave Search，这俩不需要 API Key，配置最简单。装完试试效果，我保证你会回来感谢我。

还有啥 MCP 插件推荐的，评论区留言聊聊？我也想发现点新玩意儿。

15 分钟阅读 · 发布于: 2026年1月17日 · 修改于: 2026年2月5日

Easton

技术开发