【🤖 cursor AI】如何使用MCP Server

【🤖 cursor AI】如何使用MCP Server

更新於 發佈於 閱讀時間約 3 分鐘
raw-image



我們在「【🤖 cursor AI】如何在ubuntu 24.04安裝」有分享如何在Ubuntu安裝cursro這套AI編輯器, 使用起來大幅度的提昇開發效率, 但仍有些問題點需要克服, 比如說: LLM壓根不知道我們的數據庫長怎樣啊? 怎麼分析結構呢? 假設文檔又不足的狀況下更是艱辛, 如果LLM能夠存取我們的數據庫, 這豈不是更加完美嗎? 正好cursor提供了MCP(Model Context Protocol)的功能, 就讓我們來好好的了解一番吧!


模型上下文協議MCP(Model Context Protocol) 是一個開放標準,旨在讓 AI 系統更輕鬆、安全地連接到各種數據源,以產生更相關的回應。


想像一下, 過往我們開發好一隻程式時, 常常會面臨到不同客戶所需的客製化需求有所不同, 就以儲存媒介來說, A客戶傾向存MongoDB, 而B客戶傾向存Postgresql, 在傳統的開發上可能會耗用兩個人力, 或者一個人排隊做兩個接口, 那假設有更多客戶想要存取不同的數據源呢?


顯然上述的情境對於系統開發公司來說是一個不小的維護成本, 而MCP(Model Context Protocol)是一個標準的連接器, 由開發者依照標準開發出各種插件, 我們只要使用這些插件就能夠輕鬆切換不同的數據源, 原本耗費N個人力的工時, 只要一個人就能夠完成, 這對於成本來說非常的具有優勢, 而我們身為開發者, 如果要具備更大的價值, 那麼MCP(Model Context Protocol)是我們一定得學習的技能, 才能提昇我們的競爭力。


那廢話不多說, 讓我們開始來教您如何在cursor使用MCP的能力吧!


🏪 插件市集

我們可以在 https://smithery.ai/ 找到屬於您適用的MCP Server, 那這邊我們以redis為例, 找了一個Redis MCP Server。

raw-image


接著我們透過網頁上的功能產生cursor command, 這邊我們只需要填入redis的連線位置即可。

raw-image


生以下指令。

npx -y @smithery/cli@latest run @gongrzhe/server-redis-mcp --config "{\\"redisUrl\\":\\"redis://localhost:6379/0\\"}"

關於Redis的一些文章, 歡迎參閱我們以下的篇章:


📋 將指令貼到cursor的MCP Server

首先我們打開cursor的compose功能, 快捷鍵為Ctrl + I, 接著按下Settings圖示進行設定。

raw-image


點擊Features裡面的MCP Server再進行「+ Add new MCP server」

raw-image


接著Type選command, 自訂一個名稱並貼上我們剛才生成的指令。

raw-image


加入後我們等待一段時間, 就可以看到狀態如下:

raw-image


💬 試著問問cursor對於redis相關的問題

🙋‍♂️ Q: 請測試一下MCP Server的Redis能否正常連線?

它會擬定一個測試方法, 並詢問我們是否同意執行。

raw-image


當我們按下之後, 它就會在Redis建立一個test_connection的key跟value來驗證是否成功。


⭐ 接著幾步過程中都會與我們互動與執行指令, 直到最後一步測試成功, 就完成一個簡易的MCP功能的展示, 當然接下來我們有更多的可能性, 這就交給各位去發揮囉! 歡迎下方留言分享您的使用技巧, 讓我們一起學習吧!

raw-image


結語

今天的篇章主要是簡單的教您如何在cursor使用MCP Server的功能, 至於它能夠發揮什麼樣的效用, 這就留給各位去親自玩玩看囉!

avatar-img
阿Han的沙龍
127會員
281內容數
哈囉,我是阿Han,是一位 👩‍💻 軟體研發工程師,喜歡閱讀、學習、撰寫文章及教學,擅長以圖代文,化繁為簡,除了幫助自己釐清思路之外,也希望藉由圖解的方式幫助大家共同學習,甚至手把手帶您設計出高品質的軟體產品。
留言
avatar-img
留言分享你的想法!
阿Han的沙龍 的其他內容
我們在「【語音合成技術 - GPT-SoVITS】讓機器說人話的語音生成服務」分享了語音合成技術, 該套GPT-SoVITS也非常的出色, 但效能有點不是非常理想, 加上需要GPU才能達到較佳的體驗, 如此一來成本就會有點高了, 因此我們找了另外一套MeloTTS, 這一套強調CPU推理非常的快!
我們在「【語音合成技術 - GPT-SoVITS】如何架設API伺服器」分享如何架設API V3版本的TTS服務, 但發音的部份似乎只有早期的API版本才使用到g2pw這類的技術, 因此我們可能會需要將API退回舊版, 在這裡我們也整理了早期版本api與api_v2的一些差異, 期望幫助到正在面臨選
精彩回顧 【語音合成技術 - GPT-SoVITS】讓機器說人話的語音生成服務 【語音合成技術 - GPT-SoVITS】如何架設API伺服器 以上是我們過往分享過關於 https://github.com/RVC-Boss/GPT-SoVITS 的分享文章, 這次我們要來試試fine
我們在「【語音合成技術 - GPT-SoVITS】讓機器說人話的語音生成服務」分享了語音合成技術, 該套GPT-SoVITS也非常的出色, 但效能有點不是非常理想, 加上需要GPU才能達到較佳的體驗, 如此一來成本就會有點高了, 因此我們找了另外一套MeloTTS, 這一套強調CPU推理非常的快!
我們在「【語音合成技術 - GPT-SoVITS】如何架設API伺服器」分享如何架設API V3版本的TTS服務, 但發音的部份似乎只有早期的API版本才使用到g2pw這類的技術, 因此我們可能會需要將API退回舊版, 在這裡我們也整理了早期版本api與api_v2的一些差異, 期望幫助到正在面臨選
精彩回顧 【語音合成技術 - GPT-SoVITS】讓機器說人話的語音生成服務 【語音合成技術 - GPT-SoVITS】如何架設API伺服器 以上是我們過往分享過關於 https://github.com/RVC-Boss/GPT-SoVITS 的分享文章, 這次我們要來試試fine