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 Cursor 提出的一种协议，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 AICommitGeneratorclass CursorMCPServer:def __init__(self):self.ai_generator = AICommitGenerator()self.request_id = 0self.initialized = Falsedef 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"] = errorelse:response["result"] = resultprint(json.dumps(response), flush=True)def handle_initialize(self, params: Dict[str, Any]):"""处理初始化请求"""self.initialized = Trueself.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"})returntools = [{"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"})returntool_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 diffrepo_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)continueexcept Exception as e:print(f"Error processing request: {e}", file=sys.stderr)continueif __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_messageget_commit_promptget_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
-
工具显示为 0 个
- 检查配置文件路径是否正确
- 确保脚本文件存在且有执行权限
- 重启 Cursor
-
工具调用失败
- 检查 Python 环境是否正确
- 查看 Cursor 输出面板的错误信息
- 确保依赖包已安装
-
路径问题
- 使用绝对路径
- 避免路径中包含中文字符
- 使用正斜杠作为路径分隔符
调试技巧
-
查看 Cursor 输出面板
- 打开 Cursor 的输出面板
- 查看 MCP 相关的日志信息
-
测试 MCP 服务器
- 创建测试脚本验证服务器功能
- 确保 JSON-RPC 协议实现正确
-
检查文件权限
- 确保脚本文件可读可执行
- 检查工作目录权限
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：
- MCP 配置必须重启 Cursor 生效
- 使用绝对路径避免路径问题
- 实现正确的 JSON-RPC 2.0 协议
- 提供完善的错误处理和日志记录
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！