新版本Cursor中配置自定义MCP服务器教程，附MCP工具开发实战源码

在 Cursor 中配置自定义 MCP 服务器：打造你的 AI 开发工具链

引言

随着 AI 编程助手的普及，开发者们越来越希望能够定制化自己的开发环境。Cursor 作为一款强大的 AI 编程编辑器，提供了 Model Context Protocol (MCP) 支持，新版本的MCP配置采用json文件配置方式，与老版本配置方式不同。

什么是 MCP？

Model Context Protocol (MCP) 是一种协议，用于连接本地或远程的 AI 模型和服务。它通过标准输入输出（stdio）进行通信，使用 JSON-RPC 2.0 协议格式，让开发者能够扩展 Cursor 的功能，集成自己的 AI 工具。

MCP 的核心优势在于：

• 标准化协议：统一的 JSON-RPC 2.0 格式
• 本地集成：无需额外的网络服务
• 灵活扩展：支持自定义工具和功能
• 安全可靠：本地运行，数据不外泄

Cursor MCP 配置基础

配置文件位置

Cursor 的 MCP 配置存储在用户设置中，通常位于：

• Windows: %APPDATA%\\.Cursor\\mcp.json

配置结构

MCP 配置采用 JSON 格式，基本结构如下：

{
"mcpServers": {
"server-name": {
"command": "python",
"args": ["script.py"],
"cwd": "/path/to/script/directory"
}
}
}

配置参数说明

• mcpServers: MCP 服务器配置的根节点
• server-name: 服务器名称，用于标识不同的 MCP 服务
• command: 启动命令，通常是 python、node 等
• args: 命令行参数数组，指定要执行的脚本
• cwd: 工作目录，脚本文件所在的绝对路径

实战：配置 AI Commit Message 生成器

让我们以一个实用的 AI Commit Message 生成器为例，展示完整的 MCP 配置过程。

项目结构

AI-commit-msg-MCP/
├── cursor_mcp_server_v2.py # MCP 服务器脚本
├── ai_commit.py # AI 生成逻辑
├── requirements.txt # Python 依赖
└── README.md # 项目说明

1. 创建 MCP 服务器脚本

首先，我们需要创建一个符合 MCP 协议的服务器脚本：

#!/usr/bin/env python3
"""
Cursor MCP Server – AI Commit Message 生成器
"""

import json
import sys
import os
import git
from typing import Dict, Any, Optional
from ai_commit import AICommitGenerator

class CursorMCPServer:
def __init__(self):
self.ai_generator = AICommitGenerator()
self.request_id = 0
self.initialized = False

def send_response(self, result: Any = None, error: Any = None):
"""发送响应给Cursor"""
response = {
"jsonrpc": "2.0",
"id": self.request_id
}

if error:
response["error"] = error
else:
response["result"] = result

print(json.dumps(response), flush=True)

def handle_initialize(self, params: Dict[str, Any]):
"""处理初始化请求"""
self.initialized = True
self.send_response({
"protocolVersion": "2024-11-05",
"capabilities": {
"tools": {}
},
"serverInfo": {
"name": "ai-commit-mcp",
"version": "1.0.0"
}
})

def handle_tools_list(self, params: Dict[str, Any]):
"""处理工具列表请求"""
if not self.initialized:
self.send_response(error={
"code": –32002,
"message": "Server not initialized"
})
return

tools = [
{
"name": "generate_commit_message",
"description": "Generate a commit message based on git diff",
"inputSchema": {
"type": "object",
"properties": {
"diff": {
"type": "string",
"description": "Git diff content (optional)"
},
"repo_path": {
"type": "string",
"description": "Repository path",
"default": "."
}
}
}
},
{
"name": "get_commit_prompt",
"description": "Get commit message prompt data for Cursor AI",
"inputSchema": {
"type": "object",
"properties": {}
}
},
{
"name": "get_staged_diff",
"description": "Get current git staged diff",
"inputSchema": {
"type": "object",
"properties": {
"repo_path": {
"type": "string",
"description": "Repository path",
"default": "."
}
}
}
}
]

self.send_response({"tools": tools})

def handle_tools_call(self, params: Dict[str, Any]):
"""处理工具调用请求"""
if not self.initialized:
self.send_response(error={
"code": –32002,
"message": "Server not initialized"
})
return

tool_name = params.get("name")
tool_args = params.get("arguments", {})

try:
if tool_name == "generate_commit_message":
# 处理生成 commit message 的逻辑
diff = tool_args.get("diff", "")
repo_path = tool_args.get("repo_path", ".")

if diff:
prompt_data = self.ai_generator.get_commit_prompt_data(diff, repo_path)
else:
diff = self.ai_generator.get_staged_diff(repo_path)
prompt_data = self.ai_generator.get_commit_prompt_data(diff, repo_path)

self.send_response({
"content": [
{
"type": "text",
"text": f"Commit message prompt generated successfully.\\n\\n**Prompt for Cursor AI:**\\n\\n{prompt_data['prompt']}"
}
]
})

elif tool_name == "get_commit_prompt":
# 获取当前 staged changes 的提示词
diff = self.ai_generator.get_staged_diff()
prompt_data = self.ai_generator.get_commit_prompt_data(diff)

self.send_response({
"content": [
{
"type": "text",
"text": f"Commit prompt data retrieved.\\n\\n**Prompt for Cursor AI:**\\n\\n{prompt_data['prompt']}"
}
]
})

elif tool_name == "get_staged_diff":
# 获取当前 git staged diff
repo_path = tool_args.get("repo_path", ".")
diff = self.ai_generator.get_staged_diff(repo_path)

if diff:
self.send_response({
"content": [
{
"type": "text",
"text": f"Current staged diff:\\n\\n```diff\\n{diff}\\n```"
}
]
})
else:
self.send_response({
"content": [
{
"type": "text",
"text": "No staged changes found."
}
]
})
else:
self.send_response(error={
"code": –32601,
"message": f"Tool not found: {tool_name}"
})

except Exception as e:
self.send_response(error={
"code": –32603,
"message": f"Error calling tool {tool_name}: {str(e)}"
})

def handle_request(self, request: Dict[str, Any]):
"""处理请求"""
method = request.get("method")
params = request.get("params", {})
self.request_id = request.get("id", 0)

if method == "initialize":
self.handle_initialize(params)
elif method == "tools/list":
self.handle_tools_list(params)
elif method == "tools/call":
self.handle_tools_call(params)
else:
self.send_response(error={
"code": –32601,
"message": f"Method not found: {method}"
})

def run(self):
"""运行MCP服务器"""
print("AI Commit MCP Server started", file=sys.stderr)

for line in sys.stdin:
try:
request = json.loads(line.strip())
self.handle_request(request)
except json.JSONDecodeError as e:
print(f"Invalid JSON: {e}", file=sys.stderr)
continue
except Exception as e:
print(f"Error processing request: {e}", file=sys.stderr)
continue

if __name__ == "__main__":
server = CursorMCPServer()
server.run()

2. Cursor MCP 配置

在 Cursor 的设置中添加以下配置：

{
"mcpServers": {
"ai-commit-mcp": {
"command": "python",
"args": ["cursor_mcp_server_v2.py"],
"cwd": "D:/myproject/AI-commit-msg-MCP"
}
}
}

3. 配置说明

• ai-commit-mcp: 服务器名称，可以自定义
• command: 使用 Python 解释器
• args: 指定要执行的脚本文件
• cwd: 脚本文件所在的绝对路径（注意使用正斜杠）

4. 重启 Cursor

配置完成后，必须重启 Cursor 才能生效。

使用自定义 MCP 工具

验证配置

重启 Cursor 后，你应该能在工具面板中看到 3 个新工具：

• generate_commit_message
• get_commit_prompt
• get_staged_diff

在聊天中使用

在 Cursor 的 AI 聊天中，你可以直接使用这些工具：

请帮我生成一个 commit message

AI 会自动调用相应的工具来获取 git diff 并生成提示词。

手动调用工具

你也可以明确指定要使用的工具：

请使用 get_commit_prompt 工具获取当前的 commit 提示词

高级配置技巧

1. 多服务器配置

你可以配置多个 MCP 服务器：

{
"mcpServers": {
"ai-commit-mcp": {
"command": "python",
"args": ["cursor_mcp_server_v2.py"],
"cwd": "D:/myproject/AI-commit-msg-MCP"
},
"code-analyzer": {
"command": "node",
"args": ["analyzer.js"],
"cwd": "C:/tools/code-analyzer"
},
"test-generator": {
"command": "python",
"args": ["test_gen.py"],
"cwd": "/home/user/test-tools"
}
}
}

2. 环境变量配置

如果需要传递环境变量，可以添加 env 配置：

{
"mcpServers": {
"ai-commit-mcp": {
"command": "python",
"args": ["cursor_mcp_server_v2.py"],
"cwd": "D:/myproject/AI-commit-msg-MCP",
"env": {
"OPENAI_API_KEY": "your-api-key",
"DEBUG": "true"
}
}
}
}

3. 不同操作系统的路径配置

为了跨平台兼容，建议使用正斜杠：

{
"mcpServers": {
"ai-commit-mcp": {
"command": "python",
"args": ["cursor_mcp_server_v2.py"],
"cwd": "D:/myproject/AI-commit-msg-MCP"
}
}
}

故障排除

常见问题

调试技巧

最佳实践

1. 项目组织

• 将 MCP 服务器脚本放在独立的目录中
• 使用版本控制管理配置
• 创建详细的文档说明

2. 错误处理

• 实现完善的错误处理机制
• 提供有意义的错误信息
• 记录详细的日志信息

3. 性能优化

• 避免在工具调用中执行耗时操作
• 使用异步处理处理复杂任务
• 合理缓存计算结果

4. 安全性

• 验证输入参数
• 避免执行危险操作
• 保护敏感信息

扩展思路

1. 集成更多 AI 服务

你可以基于 MCP 协议集成各种 AI 服务：

• 代码审查工具
• 文档生成器
• 测试用例生成器
• 性能分析工具

2. 创建工具链

将多个 MCP 服务器组合成完整的开发工具链：

• 代码分析 → 测试生成 → 文档更新
• 提交信息生成 → 代码审查 → 部署

3. 社区贡献

将你的 MCP 工具开源，供其他开发者使用：

• 发布到 GitHub
• 创建详细的安装文档
• 提供示例和教程

总结

Cursor 的 MCP 功能为开发者提供了强大的扩展能力，让我们能够定制化自己的 AI 开发环境。通过本文的介绍，你应该已经了解了如何配置和使用自定义 MCP 服务器。

关键要点：

随着 AI 编程助手的发展，MCP 协议将成为连接各种 AI 工具的重要桥梁。掌握 MCP 配置技能，将让你在 AI 编程时代拥有更强的竞争力。

开始你的 MCP 之旅，打造属于你的 AI 开发工具链吧！