跳到主内容
CursorMCP集成工作流

Cursor + MCP 深度集成:让 AI IDE 连接一切

Cursor 已支持 MCP——连接数据库、GitHub、Slack、文件系统、浏览器,让 AI 在 IDE 里直接操作外部服务。含 6 个常用 MCP Server 配置 + 权限边界 + 真实场景。

发布 2026-06-21更新 2026-10-07

适用场景

  • 已在用 Cursor,想让 AI 能直接查数据库 / 操作 GitHub
  • 想让 AI 在写代码时能访问外部 API(Slack、Jira、Linear)
  • 想构建"AI 能看能做"的开发环境,不只是"AI 建议、人执行"

MCP 在 Cursor 中的定位

Cursor 0.42+ 原生支持 MCP。配置 MCP Server 后:

  • AI Agent 模式下可以调用 MCP 工具
  • AI 能看到工具的返回结果,基于结果继续推理
  • 不需要离开 IDE 去查数据库 / 看 GitHub Issue

本质:把"复制粘贴往返"变成"AI 直接操作"。

第一步:理解 MCP 配置

Cursor 的 MCP 配置在 ~/.cursor/mcp.json(全局)或项目根目录 .cursor/mcp.json(项目级)。

{
  "mcpServers": {
    "server-name": {
      "command": "npx",
      "args": ["-y", "@mcp/server-package"],
      "env": {
        "API_KEY": "xxx"
      }
    }
  }
}

配置后重启 Cursor,在 Agent 模式下 AI 自动可用这些工具。

第二步:6 个常用 MCP Server 配置

1. PostgreSQL(最常用)

让 AI 能查表结构、跑 SQL、分析数据。

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres", "postgresql://user:pass@localhost:5432/mydb"]
    }
  }
}

AI 能力:

  • \d table_name 查表结构
  • 跑 SELECT 查询(只读)
  • 分析数据分布
  • 生成数据库迁移建议

2. GitHub

让 AI 能看 Issue / PR / 代码评论。

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

AI 能力:

  • 查看某个 Issue 的讨论
  • 列出分配给你的 PR
  • 根据 Issue 描述直接开始修 bug
  • 创建 PR 描述

3. 文件系统(增强版)

Cursor 自带文件读写,但 MCP 文件系统 Server 支持更复杂的操作(搜索、批量重命名)。

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/me/projects"]
    }
  }
}

4. Slack

让 AI 能看频道消息、搜索历史讨论。

{
  "mcpServers": {
    "slack": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-slack"],
      "env": {
        "SLACK_BOT_TOKEN": "xoxb-xxx"
      }
    }
  }
}

场景:开发时遇到问题,AI 可以搜 Slack 历史看团队之前是否讨论过。

5. Puppeteer(浏览器)

让 AI 能打开网页、截图、提取内容。

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

场景:调试前端时让 AI 打开 localhost:3000 截图,对比设计稿。

6. Memory(持久记忆)

让 AI 跨会话记住信息。

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

场景:让 AI 记住"这个项目用 pnpm 不用 npm",下次启动自动加载。

第三步:实战场景

场景 1:根据 GitHub Issue 修 Bug

@agent 看一下 github issue #142,理解问题,然后修复它

AI 流程:

  1. 调 GitHub MCP 读 Issue 内容
  2. 分析问题原因
  3. 找到相关代码
  4. 修改
  5. 跑测试
  6. 生成 PR 描述(可让它直接创建 PR)

场景 2:数据驱动的功能开发

@agent 我要加用户积分功能。先查一下 users 表结构和现有数据量,然后设计 schema 和 API

AI 流程:

  1. 调 PostgreSQL MCP 查 users 表结构
  2. 查现有数据量(SELECT COUNT(*))
  3. 设计 points 字段和积分日志表
  4. 生成迁移 SQL
  5. 设计 API 接口
  6. 写代码实现

场景 3:前端调试

@agent 打开 localhost:3000/profile,截图看看头像上传组件的样式问题

AI 流程:

  1. 调 Puppeteer MCP 打开页面
  2. 截图
  3. 分析样式问题
  4. 找到对应组件代码
  5. 修改 CSS
  6. 重新截图验证

权限边界与安全

数据库只读

PostgreSQL MCP Server 默认只允许 SELECT。不要给它写权限,除非你完全信任 AI 的判断。

Token 最小权限

GitHub Token 只给 repo:read + issues:read,不要给 repo:write(除非你想让 AI 直接 push 代码)。

敏感信息不进配置文件

# 不要把 token 写死在 mcp.json,用环境变量
export GITHUB_TOKEN="ghp_xxx"
{
  "env": {
    "GITHUB_PERSONAL_ACCESS_TOKEN": "${GITHUB_TOKEN}"
  }
}

.gitignore 掉 mcp.json

项目级 .cursor/mcp.json 可能含 token,务必加到 .gitignore。

性能注意事项

MCP Server 启动慢

每个 MCP Server 是一个独立进程。配 6 个就是 6 个 npx 进程。建议:

  • 只配当前任务需要的
  • 用 npx --prefer-offline 加速

上下文膨胀

MCP 工具的返回结果会进入 AI 上下文。数据库返回 1000 行结果会吃掉大量 token。建议:

  • 让 AI 用 LIMIT 限制查询行数
  • 只查需要的字段

与 Claude Code MCP 的区别

维度Cursor MCPClaude Code MCP
配置位置.cursor/mcp.json~/.claude/mcp_servers.json
UI 可视化有 MCP 面板纯命令行
工具调用可见性在 chat 里显示在终端显示
多 Server 同时
项目级配置全局

建议:两个工具配同样的 MCP Server,根据场景切换用。

2026-10-07 口径提示:上表 Claude Code 侧的配置文件路径与字段结构历史上多次变化(出现过 ~/.claude/mcp_servers.json、~/.claude.json、项目级 .mcp.json 以及 claude mcp add 命令行写入等多种口径),本站未逐一实测各版本。请以官方文档为准,或用命令行方式添加(claude mcp add),避免手改配置文件落到已被废弃的位置。但表格里的结论不变:Cursor 侧有可视化面板与项目级配置,Claude Code 侧更偏命令行与全局配置。

落地检查清单

把 MCP 接进日常开发前,按顺序过一遍这 9 条,能挡掉绝大多数事故:

#检查项不通过时的典型后果
1每个 Server 都设了最小权限(数据库只读账号、GitHub 只给需要的 scope)一次误操作删库 / 误推分支
2Token 只放在环境变量或密钥管理里,不写进 mcp.json密钥随仓库外泄
3.cursor/mcp.json 已忽略或走项目级模板同事拉下仓库就用你的 token
4只启用当前任务需要的 Server工具列表挤占上下文、误调用
5数据库查询默认带 LIMIT,只查需要的字段一次查询吃掉整轮上下文
6每个 Server 都验证过启动耗时,慢的用 npx --prefer-offline每次开会话卡十几秒
7给写操作留人工确认环节(PR、SQL 写、消息发送)AI 直接改线上数据 / 发错频道
8确认 Server 来源可信并钉版本上游包被投毒,等同于执行任意代码
9跑一次故障演练:Server 挂掉时 Cursor 的表现会话直接失败且原因不明

常见误区

误区一:把 MCP 当成「给 AI 装插件」,忽略了它是「给 AI 开权限」。 每加一个 Server,就是给模型增加一组可以直接作用于外部系统的动作。装 Puppeteer 意味着它能操作你的浏览器会话(含已登录状态),装 Slack 意味着它能以你的身份发消息。按「给人开生产权限」的标准来评估每一个 Server。

误区二:一次性配满 6 个 Server。 工具定义会常驻上下文,配得越多,每轮可用的上下文越少,而且模型更容易选错工具。正确做法是按项目分组配置:前端调试开 Puppeteer + Filesystem,后端修 Bug 开 PostgreSQL + GitHub,不同项目用不同配置。

误区三:以为「只读」就安全。 只读账号挡住了写,但挡不住数据外泄——一条 SELECT * FROM users 的结果会进入上下文,进而可能被写进代码、注释或提交信息。敏感表要么不接,要么在 Server 侧做字段级脱敏。

误区四:把 token 写进 mcp.json 再靠 .gitignore 兜底。 这个顺序是反的:.gitignore 是事后补救,一旦某次提交绕过它(换分支、改目录、-f)密钥就出去了。应当先把 token 改成从环境变量读取,再考虑是否还要忽略配置文件。

误区五:不设 Server 的版本。 npx -y some-mcp-server 每次拉的都是最新版,上游一旦发布恶意版本,你在下次重启时就中招。生产项目请钉版本并校验来源。

更新说明

  • 2026-10-07:本站新增「落地检查清单」与「常见误区」两节,并对 Claude Code 侧 MCP 配置路径加了口径提示(该路径历史上多次变化,本站未逐一实测)。原有 6 个 Server 的配置示例与权限边界建议未作改动。
  • 待核实:① 各 MCP Server 的包名与参数随上游更新变化较快,示例请以官方 README 为准;② Cursor 侧 MCP 面板与配置文件的当前字段名本站未逐版本核对。
相关对比

Cursor vs Aider:GUI IDE 还是 CLI?2026 对比

Cursor vs Aider 2026 选型对比:GUI IDE vs Git 原生 CLI,从 Composer vs Architect 双模型、Tab 补全、多模型 BYOK、价格计费、开源与否和适合人群判断,帮开发者选对。Cursor 是闭源 VS Code fork 月费 $20,Aider 是开源 Apache-2.0 CLI 自带 API key。

Augment Code vs Cursor:企业 AI 编程怎么选?Context Engine vs AI IDE 对比

Augment Code vs Cursor 2026 选型对比:Context Engine 全仓索引的企业 AI 平台 vs SpaceX 收购的 AI IDE 天花板,从形态、Context 覆盖、长任务、价格、合规、中文支持和适合人群 8 个维度判断,帮你选对企业 AI 编程工具。

Cursor vs Claude Code:什么时候用哪个?(2026 实测选型)

Cursor 和 Claude Code 到底怎么选?一句话结论 + 决策树 + 价格实测 + 国内可用性对比。GUI 派选 Cursor,终端长任务派选 Claude Code,最优解其实是共存。

Cursor vs GitHub Copilot:AI IDE 还是插件?2026 对比

Cursor vs GitHub Copilot 2026 选型对比:AI 原生 IDE vs IDE 插件,从 Composer vs Agent Mode、Tab 补全、多模型、AI Credits 计费、企业版和适合人群判断,帮开发者选对。Cursor 是 VS Code fork 重写交互层,Copilot 是 VS Code 插件继承原生体验。两家都已切 usage 制。

Cursor vs Kiro:「对话式改代码」与「规格驱动开发」怎么选(2026)

Cursor 代表对话式、迭代式 AI 编码;Kiro 主打 spec-driven,先写需求与设计再生成代码。本文补上 2026-11-03 官网核对的价格与额度、两种范式的实际差异、决策表与迁移成本,帮你按交付方式而不是口号选型。

Cursor vs Trae:国内开发者怎么选?价格、模型、网络和真实体验对比

Cursor vs Trae 2026 选型对比:从价格、模型能力、国内访问、Builder/Composer、多文件改写、MCP 生态和适合人群判断,帮国内开发者决定继续用 Cursor,还是切到字节 Trae。

相关评测