Cursor + MCP 深度集成：让 AI IDE 连接一切

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

建议：两个工具配同样的 MCP Server，根据场景切换用。