如何在Cursor中使用MCP服务

如何在Cursor中使用MCP服务

前言

随着AI编程助手的普及,越来越多开发者选择在Cursor等智能IDE中进行高效开发。Cursor不仅支持代码补全、智能搜索,还能通过MCP(Multi-Cloud Platform)服务,轻松调用如高德地图API、数据库等多种外部服务,实现数据采集、处理和自动化办公。
本文以“北京一日游自动化攻略”为例,详细讲解如何在 Cursor 中使用 MCP 服务,完成数据采集、数据库操作、文件生成和前端页面展示的全流程。

学习视频cursor中使用MCP服务

一、什么是MCP服务?

MCP(Multi-Cloud Platform)是Cursor内置的多云服务接口,支持调用地图、数据库、文件系统等多种API。通过MCP,开发者无需手动写HTTP请求或繁琐配置,只需在对话中描述需求,AI助手即可自动调用相关服务,极大提升开发效率。

二、环境准备

2.1 cursor

在这里插入图片描述


Cursor重置机器码-解决Too many free trials.

2.2 python - uvx

若已经配置Python环境,可使用以下命令安装:

pip install uv 

若没有配置Python环境
在Windows下可以通过PowerShell运行命令来安装:

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

使用 uv --versionuvx --help 检查是否安装成功,若和下图一样代表安装成功

在这里插入图片描述

2.3 node.js - npx

官网下载node.js,并配置环境变量,如下图:

在这里插入图片描述

三、在Cursor中添加 MCP server

在 Cursor 中添加 MCP Server 有两种配置方式

3.1 全局设置

通过 Cursor Settings -> MCP -> Add new global MCP server 添加全局可用的 MCP 服务

在这里插入图片描述

3.2 项目级别 (推荐)

在项目目录的 .cursor 目录中新建 mcp.json 文件进行配置,仅对特定项目生效

在这里插入图片描述

四、选择MCP Server的平台

4.1 mysql

选择平台:https://smithery.ai/
填写信息将JSON信息复制到 mcp.json 文件中

在这里插入图片描述


在这里插入图片描述


可能粘过来,不好使,需要找到github链接,从github上粘贴:

在这里插入图片描述


在这里插入图片描述


注意:这个 mysql MCP服务,需要提前建好数据库,否则无法成功

注意:验证是否生效
将MCP服务信息填在mcp.json 文件中后,需要打开 Settings -> MCP 检查你配置的 MCP Server 是否在列表中显示,并确认
绿点 且状态为 Enabled

4.2 高德地图服务

高德地图的MCP Server需要从 MCP.so 平台获取。

在这里插入图片描述


在这里插入图片描述


申请高德地图的API:https://console.amap.com/

在这里插入图片描述


在这里插入图片描述

4.2 filesystem服务

在这里插入图片描述

4.4 配置参考

{"mcpServers":{"mysql":{"command":"npx","args":["-y","@f4ww4z/mcp-mysql-server"],"env":{"MYSQL_HOST":"localhost","MYSQL_USER":"root","MYSQL_PASSWORD":"数据库密码","MYSQL_DATABASE":"beijing_trip(数据库名字 - 请提前创建数据库)"}},"amap-maps":{"command":"npx","args":["-y","@amap/amap-maps-mcp-server"],"env":{"AMAP_MAPS_API_KEY":"高德key"}},"filesystem":{"command":"npx","args":["-y","@modelcontextprotocol/server-filesystem","D:/DESKTOP/MCP(保存地址自行修改)"]}}}

五、功能测试

5.1 参考提示词

现在交给你一个任务,编写一个北京一日游的出行攻略 1、从高德地图的MCP服务中获取北京站到天安门、天安门到颐和园、颐和园到南锣鼓巷 的地铁线路,并保存在数据库beijing_trip的表subway_trips中 2、从高德地图的MCP中获取颐和园、南锣鼓巷附件的美食信息,每处获取三家美食店铺 信息,并将相应的信息存入表location_foods中 3、在工作目录D:\DESKTOP\MCP下创建一个新的文件夹,命名为“北京旅行”在其中创 建两个txt,分别从数据库中将两个表的内容提取出存放进去。 4、最后根据txt中的内容,生成一个精美的html前端展示页面,并存放在该目录下 

5.2 提供提示运行MCP命令,即可

  1. 输入自然语言后,cursor会自动调用MCP服务,连接数据库并执行建表SQL,无需手动写代码;
  2. 自动调用MCP的高德API接口,获取经纬度、地铁换乘方案等数据,将获取到的数据插入到指定表中,无需手动写INSERT语句;
  3. 最后自动操作文件系统,将数据库内容导出为txt和html文件,存放到指定目录
在这里插入图片描述


自己创建的数据表和插入的数据

在这里插入图片描述
-- auto-generated definition create table location_foods (id int auto_increment primary key, location varchar(64) not null, name varchar(128) not null, address varchar(256) null, tel varchar(64) null, type varchar(64) null, distance varchar(32) null ); -- auto-generated definition create table subway_trips (id int auto_increment primary key, start_location varchar(64) not null, end_location varchar(64) not null, subway_lines text not null, duration varchar(32) null, distance varchar(32) null );

效果图:

在这里插入图片描述

六、实用Tips

  1. 权限配置:确保MCP服务已配置好API Key和数据库权限。
  2. 目录路径:文件操作需在允许的工作目录下进行,否则会报Access denied
  3. 数据安全:涉及敏感信息时,注意数据库和API密钥的保护。

结语

在Cursor中结合MCP服务和AI助手,可以极大提升开发和数据处理效率。无论是地图数据采集、数据库管理,还是自动化生成前端页面,都能一站式完成。如果你也想体验AI驱动的高效开发,不妨在Cursor中试试MCP服务吧!欢迎点赞、收藏、评论交流!

Read more

深入解析 Spark 数据读取与 Hive 数据来源:构建高效数据处理链路

深入解析 Spark 数据读取与 Hive 数据来源:构建高效数据处理链路

在大数据技术生态中,Spark 作为核心计算引擎,Hive 作为数据仓库工具,二者协同支撑着海量数据的处理与存储工作。其中,Spark 的数据读取能力直接决定了计算效率的起点,Hive 的数据来源则影响着数据仓库的完整性与可用性。本文将系统梳理 Spark Core、Spark SQL 的数据读取方式,以及 Hive 中数据的主要来源,为大数据从业者构建高效数据处理链路提供参考。 一、Spark Core:底层数据读取的多元化实现         Spark Core 作为 Spark 生态的基础组件,依托SparkContext提供的 API,实现了对多种数据源的读取支持,其设计注重底层灵活性与兼容性,能够适配不同格式、不同存储位置的数据读取需求。 (一)本地集合:内存级数据快速加载         当数据规模较小时,可直接将本地集合转换为弹性分布式数据集(RDD),实现内存级别的快速读取与计算。Spark Core 提供了parallelize()和makeRDD()两种核心方法: * parallelize()方法支持将数组、

By Ne0inhk
一文说清楚Hive中常用的聚合函数[collect_list]

一文说清楚Hive中常用的聚合函数[collect_list]

collect_list(col)是Hive中常用的聚合函数,用于将分组内的某列值(col)收集到一个数组中。它的核心作用是将多行数据合并为单行的数组结构,常用于数据重组或复杂分析场景。以下是详细说明和示例: 一、函数特点 1. 分组聚合:需配合GROUP BY使用,将每个分组内的col值收集为数组。 2. 保留重复值:与collect_set(col)不同,collect_list不会去重,保留所有原始值(包括重复值)。 3. 顺序不确定:默认不保证数组内元素的顺序(除非配合窗口函数ORDER BY)。 二、典型应用场景 1. 用户行为序列分析:将用户的多次操作按时间串联为行为路径。 2. 数据结构转换:将行式存储的数据转为列式(如将多行商品标签转为单个商品的标签数组)。 3. 复杂统计:计算每个分组内的所有值的列表(如收集每个班级的所有学生成绩)。 三、示例演示 场景1:用户订单列表收集 需求:

By Ne0inhk
【DBeaver】连接带kerberos的hive[Apache|HDP]

【DBeaver】连接带kerberos的hive[Apache|HDP]

目录 一、安装配置Kerberos客户端环境 1.1 安装Kerberos客户端 1.2 环境配置 二、基于Cloudera驱动创建连接 三、基于Hive原生驱动创建连接 一、安装配置Kerberos客户端环境 1.1 安装Kerberos客户端 在Kerberos官网下载,地址如下:https://web.mit.edu/kerberos/dist/index.html 安装过程就是下一步 ,下一步那种。 1.2 环境配置 配置C:\ProgramData\MIT\Kerberos5\krb5.ini文件,将KDC Server服务器上/etc/krb5.conf文件中的部分内容,拷贝到krb5.ini中,如果直接将krb5.conf文件更名为krb5.ini并替换krb5.ini,

By Ne0inhk