一、MCP理论介绍
1. 什么是MCP
MCP(Model Context Protocol)是一种为AI模型提供的开放、通用且有共识的协议标准,可以被比作AI世界的"USB-C接口"。MCP旨在解决当前AI工具集成过程中的碎片化问题,为各种AI模型提供统一的交互标准。
MCP 可以在不同的应用 / 服务之间保持上下文,增强整体自主执行任务的能力。
2. MCP的核心架构
MCP协议的核心架构包括以下几个部分:
- MCP Server:实现特定功能的服务端,提供工具能力
- MCP Client:调用MCP Server的客户端,如Cursor、腾讯云代码助手等
- 数据流转:client通过标准化的请求和响应格式与server进行通信
- 传输协议:主要采用Stdio协议和JSON-RPC格式
这里咱们就简单了解下,不深入探究了。
3. MCP的优势
- 标准化:提供统一的接口标准,减少集成成本
- 开放性:任何开发者都可以开发MCP Server并被各种客户端调用
- 灵活性:支持多种编程语言和框架实现
- 功能扩展:允许AI工具通过MCP获取外部能力,如文件操作、API调用等
二、实操:Cursor如何使用MCP
咱以mcp-gitee为例,简单说明下cursor如何结合mcp实现仓库创建/查询、代码提交/推送等操作。
0. 前置配置
安装mcp-git
使用go安装,go版本需要在1.23.0以上。
go install gitee.com/oschina/mcp-gitee@latest
如果没有配置GOPATH,通过go下载bin文件还需要手动加载到环境变量中。把以下配置加到.bashrc或者.zshrc(具体看你使用的环境)。
export GOPATH=$HOME/go
export PATH=$PATH:$GOPATH/bin
或者使用源码编译安装。
git clone https://gitee.com/oschina/mcp-gitee.git
cd mcp-gitee && make build
获取gitee的token
生成token时选择projects、pull_requests、issues、notes、groups等权限。
这一部分网上教程很多,就不赘述啦。
1. Cursor中的MCP配置
Cursor作为一款强大的AI编程工具,已经集成了MCP客户端功能。在Cursor中配置MCP Server的步骤如下:
-
打开Cursor的设置界面
-
找到MCP配置部分
-
点击添加新的MCP Server
-
配置Server的基本信息,包括:
- 名称:自定义的MCP Server名称
- 命令(Command):启动MCP Server的命令,如Java程序的路径
- 参数(Args):启动命令的参数,如JAR包路径、编码设置等
mcp-gitee的参考配置(注意修改token)如下:
{ "mcpServers": { "gitee": { "command": "mcp-gitee", "env": { "GITEE_API_BASE": "https://gitee.com/api/v5", "GITEE_ACCESS_TOKEN": "<your personal access token>" } } } }
添加完成后亮起绿点才表示配置成功。
2. MCP Server与Cursor的交互流程
- 用户在Cursor中触发需要MCP Server处理的操作。
- 比如:询问“gitee上有哪些仓库”,就会触发mcp-gitee的list_user_repos工具查询授权的仓库信息。
- Cursor(MCP Client)向配置好的MCP Server发送请求
- MCP Server处理请求并执行相应功能
- MCP Server将结果返回给Cursor
- Cursor展示结果给用户
三、其他工具
这里推荐我常用的一个插件——腾讯云代码助手。
这个插件有集成的MCP市场,如果发现有需求的MCP,如何在Cursor中使用呢?
复制配置文件,重复第二步配置就可以啦。
四、MCP的应用场景
- 文件系统操作:允许AI工具读写本地文件
- API集成:连接各种外部API,如GitHub、Gitee等
- 自定义工具:开发者可以创建专用工具并通过MCP提供给AI
- 内容发布:如示例中的腾讯云文章发布功能
五、MCP的未来发展
MCP作为一个开放标准,正在不断发展和完善。随着越来越多的AI工具和平台支持MCP,我们可以期待:
- 更丰富的MCP工具生态
- 更多AI平台对MCP的原生支持
- 更完善的MCP标准和规范
- 基于MCP的AI能力市场
总结
MCP为AI工具提供了一种标准化的扩展能力方式,Cursor作为先进的AI编程工具已经很好地集成了MCP。通过MCP,开发者可以为Cursor添加各种自定义功能,大大扩展了AI编程助手的能力边界。无论是简单的API调用,还是复杂的本地操作,MCP都提供了一种优雅而统一的解决方案。