如何在 Cursor 中使用 MCP ?

1 什么是 MCP

MCP（Model Control Protocol）是一个为 Cursor 编辑器设计的功能扩展协议。它能够显著增强 Cursor 中 AI 助手的能力，使其能够与外部系统和服务进行交互。

通过 MCP，AI 助手可以实现以下功能：

• 查询实时数据和外部信息
• 直接调用各类外部服务和 API
• 执行复杂的任务流程和自动化操作

从架构设计的角度来看：

• 传统模式：AI 助手仅能基于训练数据进行对话和代码分析
• MCP 模式：AI 助手获得了与外部系统交互的能力，可以：
  • 获取实时数据（如：股票行情、天气信息）
  • 调用外部服务（如：邮件发送、图像处理）
  • 集成私有系统（如：数据库操作、API 调用）

2 MCP 的优势

MCP 作为一个强大的扩展系统，具有以下核心优势：

1. 高度可定制

   • 支持自定义数据源接入
   • 允许集成各类 API 服务
   • 可对接企业内部系统
   • 扩展能力完全可控

2. 实时交互

   • 支持实时数据更新
   • 提供即时查询能力
   • 确保数据同步及时性
   • 响应速度快捷高效

3. 扩展性强

   • 兼容主流 Web API
   • 支持各类云服务集成
   • 可对接企业级系统
   • 扩展方式灵活多样

4. 开发友好

   • 支持主流开发语言
   • 提供完整技术文档
   • 具备活跃社区支持
   • 快速上手开发

3 实战示例：股票数据查询服务

本节将通过实现一个股票数据查询服务，展示 MCP 的具体应用流程和开发方法。

3.1 环境配置

首先需要配置开发环境，确保系统满足以下要求：

• Python 3.11 或更高版本
• 相关依赖包

执行以下命令进行环境初始化：

# 创建项目目录
mkdir stock-data-mcp
cd stock-data-mcp

# 创建 conda 环境
conda create -n stock-data-mcp python=3.11.11
conda activate stock-data-mcp

# 安装依赖
pip install fastapi~=0.115.12 \
            uvicorn~=0.24.0 \
            yfinance~=0.2.55 \
            mcp~=1.6.0 \
            httpx~=0.28.1

3.2 API 服务开发

实现股票数据查询的 RESTful API 服务：

# api_server.py
import datetime

from fastapi import FastAPI
import yfinance as yf
import uvicorn

app = FastAPI()

@app.get("/stock")
def get_stock_data(ticker: str = "AAPL", days: int = 1):
    """
    Get the stock data for the last n days.
    :param ticker: The stock code
    :param days: The number of days
    :return: The stock history data
    """
    end_date = datetime.datetime.today()
    start_date = end_date - datetime.timedelta(days=days)
    
    stock = yf.Ticker(ticker)
    hist = stock.history(start=start_date.strftime('%Y-%m-%d'), end=end_date.strftime('%Y-%m-%d'))
    
    if hist.empty:
        return {"error": "No data found for the given stock code."}
    
    return hist[['Open', 'High', 'Low', 'Close', 'Volume']].to_dict(orient='index')

if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=3000)

该服务提供了一个 GET 接口，支持查询指定股票代码的历史数据，包含开盘价、最高价、最低价、收盘价和交易量等信息。

3.3 MCP 服务开发

实现 MCP 服务，用于连接 Cursor 和股票数据 API：

# mcp_server.py
import httpx
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("Stock Data MCP Server")

@mcp.tool()
async def get_stock_data(ticker: str = "AAPL", days: int = 1) -> dict:
    """Get the stock data for the last n days."""
    async with httpx.AsyncClient() as client:
        response = await client.get(f"http://localhost:3000/stock?ticker={ticker}&days={days}")
        return response.json()

if __name__ == "__main__":
    mcp.run("sse")

该服务将 API 接口封装为 MCP 工具，支持异步调用，确保高效的数据获取。

3.4 Cursor 配置

配置 Cursor 编辑器以支持 MCP 服务，编辑配置文件 ~/.cursor/mcp.json：

{
  "mcpServers": {
    "stock-data-mcp": {
      "url": "http://localhost:8000/sse"
    }
  }
}

3.5 服务启动

按照以下步骤启动服务：

1. 启动 API 服务：

   # 终端 1
   python api_server.py

2. 启动 MCP 服务：

   # 终端 2
   python mcp_server.py

3.6 功能验证

在 Cursor 编辑器中，可以通过对话框直接调用 MCP 服务。例如：帮我获取苹果公司过去7天的股票数据

4 开发注意事项

在开发 MCP 服务时，需要注意以下几点：

1. 技术选型：Node.js 相比 Python 具有更好的 MCP 支持度，建议优先选择 Node.js 进行开发。

2. 路径处理：直接启动 MCP 服务器时，文件路径需使用绝对路径，以避免路径解析错误。

3. 启动方式：由于 Cursor 在 stdio 模式下可能存在问题，推荐使用 SSE 方式启动服务。

4. 其他考虑：

   • 注意避免端口冲突
   • 及时更新到最新版本
   • 做好异常处理

5 总结

MCP 作为 Cursor 的扩展协议，为 AI 助手提供了强大的外部系统交互能力。通过本文的股票数据查询示例，展示了 MCP 服务的开发流程和最佳实践。开发者可以基于此框架，根据实际需求开发更多功能扩展。

6 参考资料

• MCP Server Examples
• MCP 官方 Python 示例
• Awesome MCP Servers
• Cursor MCP 文档
• MCP 第三方服务合集