我在Cursor中使用了哪些 MCP Server

关注我，每天收获一个新技能!

最近一周在编写自己用的小工具，主要使用python 语言。在这期间，高强度 使用 Cursor 和 Trae 。高强度是指除和吃饭，睡觉，上厕所，基本都在写代码。

在这一过程中，也深度体验这两个 IDE。最近两天用到了 MCP。今天就说一说：

1） 什么是MCP，干什么用，解释什么问题。

2）我目前在 cursor 上安装的 4 个 MCP Server

1 什么是 MCP MCP 即 Model Context Protocol（模型上下文协议），由 Anthropic 公司于 2024 年 11 月开源。其包含三个关键部分：

• Model（模型） ：涵盖 GPT、Claude 等 AI 模型，是处理信息、生成内容的 “大脑”；
• Context（上下文） ：为模型提供任务相关的额外资料，帮助模型更精准理解任务（如提供活动时间、地点等信息，辅助模型撰写报道）；
• Protocol（协议） ：作为通用标准规范，确保操作与交互有序进行。
  本质上，MCP 是一种让 AI 模型与外部资料实现无缝对接的标准协议。

2 MCP 干什么用
搭建 AI 模型与外部工具的桥梁，支持 AI Agent 操作外部工具。例如，在 AI 驱动的 IDE（如 Cursor）中，借助 MCP 服务器连接 GitHub，AI Agent 完成代码编写后，可自动执行创建 Pull Request（PR）等操作，无需手动干预。
提供标准化接口，让 AI 应用能灵活切换不同模型，同时使模型无障碍对接各类数据源与工具。
3

MCP 解决什么问题

• 解决 AI 调用外部工具的难题 ：无 MCP 时，AI 模型难以正确调用外部工具 API（如 GitHub API），可能因训练数据过时给出错误答案，出现 “幻觉” 问题。
• 统一标准，打破传统开发壁垒 ：传统 “函数调用” 方式由开发者自定义函数与调用规则，缺乏通用性，导致代码难复用，开发新功能需重复造轮子。MCP 像 “USB-C 接口” 一样成为通用标准，简化 AI 模型与外部资源、工具的连接流程，提升开发效率。

4

我用到的 4 个MCP Server

它们是：github， fetch， sequential-thinking， tavily。

1. github

功能定位

围绕 GitHub 平台操作的工具集合，覆盖仓库管理、文件操作、Issue 处理、分支管理等场景，适用于 GitHub 自动化操作。

工具列表

• create_or_update_file ：创建或更新仓库文件
• search_repositories ：搜索 GitHub 仓库
• create_repository ：新建仓库
• get_file_contents ：获取文件内容
• push_files ：推送文件至仓库
• create_issue ：创建 Issue
• create_pull_request ：创建拉取请求
• fork_repository ：复刻仓库
• create_branch ：创建分支
• list_commits ：列出提交记录
• list_issues ：列出 Issue
• update_issue ：更新 Issue
• add_issue_comment ：添加 Issue 评论
• search_code ：搜索代码
• search_issues ：搜索 Issue
• search_users ：搜索用户
• get_issue ：获取指定 Issue 详情

命令说明

npx -y @smithery/cli@latest run @smithery-ai/github --config '{"githubPersonalAccessToken":"ghp..."}' 

需配置 GitHub 个人访问令牌（ githubPersonalAccessToken ），通过命令调用工具，实现 GitHub 交互。

2. fetch

功能定位

专注数据获取，提供简洁的数据拉取能力，适配数据获取场景。

工具列表

• fetch ：执行数据获取操作

命令说明

npx -y @smithery/cli@latest run @smithery-ai/fetch --config "{}" 

配置为空对象，通过命令调用 fetch 工具，流程简洁。

3. sequential-thinking

功能定位

处理顺序化逻辑任务，适用于分步骤推导、多阶段流程协调（如复杂逻辑分析）。

工具列表

• sequentialthinking ：处理顺序化逻辑任务

命令说明

npx -y @smithery/cli@latest run @smithery-ai/server-sequential-thinking --config "{}"  

配置为空对象，适配需按顺序执行的任务。

4. tavily

功能定位

基于 Tavily 服务，实现网络搜索与内容提取，适用于外部数据检索与处理。

工具列表

• tavily_search ：执行网络搜索
• tavily_extract ：提取搜索结果内容

命令说明

env TAVILY_API_KEY={YOUR-TAVILY_APP_KEY_HERE} npx -y tavily-mcp@0.1.3 

需配置 Tavily API 密钥（ TAVILY_API_KEY ），通过命令调用工具，实现搜索与内容提取。
5

今日互动话题

你在工作中，用过哪些 MCP Server，你更推荐哪些 MCP Server。欢迎评论区留言，一起和小伙伴们学习讨论。