🧐什么是 MCP 服务？如何利用 cursor + MCP 快速将现有服务接入大模型？
关注更多ai编程资讯请去aicoding专区：https://juejin.cn/aicoding
前言最近开始在网上了解到 MCP 这个概念，最开始只是听说可以用于快速将一些 API 快速接入大语言模型，自认为是类似 LangChain 这类上手会比较复杂的工具，但实际了解后发现 MCP 这个概念不仅不难理解，而且很好上手，并且实用性极强，下面我将基于我的理解为大家介绍一下 MCP 是什么？有什么用？如何实现一个 MCP 服务。
MCP 是什么？MCP（Model Context Protocol）是一种轻量级协议，旨在简化大语言模型（LLM）与外部工具、API 和服务的交互。与我们可能熟悉的 LangChain 等框架不同，MCP 不是一个复杂的库或框架，而是一种通信标准或约定。官方给出的架构图是这样的：
我举一个非常简单的例子，假设我有一个电商后台系统，除了有一个前端的控制台之外，还有有一套现成的统一的后端 API ，那如果现在我想将我的后台系统接入大模型，通过自然语言来进行一些操作，而不是手动在控制台上点来点去，我们只需要简单的写一个 MCP 服务，大概的样子：
ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line// 定义 MCP 服务server.tool('create-user', '用于创建用户', (params) = { // 调用后端创建用户的 API return axios.post('/api/users', params);});
server.tool('create-order', '用于创建订单', (params) = { // 调用后端创建订单的 API return axios.post('/api/orders', params);});
server.tool('get-order-status', '用于查询订单状态', (orderId) = { // 调用后端查询订单状态的 API return axios.get(`/api/orders/${orderId}/status`);});
server.tool('update-inventory', '用于更新库存', (productId, quantity) = { // 调用后端更新库存的 API return axios.put(`/api/inventory/${productId}`, { quantity });});
实现了这么一个服务后，我们可以将这个服务通过 cursor，cline，claude app 等 AI 客户端进行接入，直接通过自然语言描述自己想要进行的操作，大模型就会解析你的语意以及 MCP 服务中我们自己写的描述，去组合调用不同的 API，例如用户输入
?请为用户 "john_doe" 创建一个新订单，商品是 2 件商品 ID 为 "123" 的商品，配送地址是 "上海市浦东新区"。
?大模型解析用户的自然语言输入，提取出以下信息： 用户
ID:john_doe商品:[{ productId: "123", quantity: 2 }]配送地址: 上海市浦东新区 大模型调用create-order工具，传入解析后的参数：ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line{ "userId": "john_doe", "products": [ { "productId": "123", "quantity": 2 } ], "shippingAddress": "上海市浦东新区"}
MCP 服务将请求转发给后端 API，完成订单创建，并返回结果给用户：
ounter(lineounter(lineounter(line订单创建成功，订单ID为 "ORDER_123456"。
目前已有许多成熟的 MCP 服务，例如 GitHub 的 MCP 支持创建仓库、提交 PR 等操作；Figma 的 MCP 可以直接生成 UI 设计图；浏览器和操作系统的 MCP 则能增强 cursor 的能力，甚至可以让 cursor 基于浏览器中的错误信息自动调试代码。这些服务极大地扩展了 LLM 的应用场景，使其能够更智能地完成复杂任务。
下图是 Cline 中可以直接快速集成的一些 MCP 服务：
具体如何实现一个 MCP 服务上面简单提了一下 MCP 服务的大致实现原理，接下来我们根据官方文档[1]中介绍，从零开始实现一个 MCP 服务。
首先我们需要有一套现有的后端服务 API，可以是我们曾经开发过的小项目，或者是一些开源的带有开放 API 的库，这里我选择了开源的APISIX[2]网关，因为它有一套现成的Admin API[3]，并且还有 API 文档，这可以提供给 cursor 作为参考帮助我们快速将所有 API 转换成 MCP 服务中的操作。
设置环境ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line# 创建一个新的项目目录mkdir apisix-mcpcd apisix-mcp
# 初始化一个新的 npm 项目npm init -y
# 安装依赖npm install @modelcontextprotocol/sdk zodnpm install -D @types/node typescript
# 创建项目文件mkdir srctouch src/index.ts
更新package.json文件，添加type: "module"和一个构建脚本：
ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line{ "type": "module", "bin": { "apisix-mcp": "./build/index.js" }, "scripts": { "build": "tsc && chmod 755 build/index.js" }, "files": [ "build" ]}
在项目根目录下创建一个tsconfig.json文件：
ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line{ "compilerOptions": { "target": "ES2022", "module": "Node16", "moduleResolution": "Node16", "outDir": "./build", "rootDir": "./src", "strict": true, "esModuleInterop": true, "skipLibCheck": true, "forceConsistentCasingInFileNames": true }, "include": ["src/**/*"], "exclude": ["node_modules"]}
构建服务在src/index.ts文件的顶部添加以下内容：
ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineimport { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";import { z } from "zod";
// Configuration for APISIX MCP serverconst APISIX_API_BASE = "http://127.0.0.1:9180/apisix/admin";const APISIX_API_KEY = "edd1c9f034335f136f87ad84b625c8f1";
// Create server instanceconst server = new McpServer({ name: "apisix-mcp", version: "1.0.0", config: { apiKey: { type: "string", description: "API key for APISIX Admin API authentication", default: APISIX_API_KEY }, apiBase: { type: "string", description: "Base URL for APISIX Admin API", default: APISIX_API_BASE } }});
这段代码用于创建一个 APISIX MCP 服务实例：
「导入依赖」：
McpServer和StdioServerTransport是用于创建 MCP 服务的工具。z是 Zod 库，用于数据验证。「配置 APISIX MCP 服务」：
APISIX_API_BASE是 APISIX Admin API 的基础 URL。APISIX_API_KEY是用于身份验证的 API 密钥。「创建服务实例」：
使用McpServer创建一个名为apisix-mcp的服务实例，版本为1.0.0。配置了apiKey和apiBase两个参数，分别用于指定 API 密钥和基础 URL，并提供了默认值。这段代码用于初始化一个 MCP 服务，为后续与 APISIX Admin API 的交互做准备，大家可以根据自己的业务进行简单的调整。
创建请求文件然后我们添加一个单独的文件用于发送请求，官方的文档中使用的是fetch，但我觉得用axios在执行不同的请求方法时会更加方便一点，所以就改用axios发送请求 ：
ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line/*** Define the common data structure returned by APISIX Admin API*/
import axios from 'axios';
interface ApiResponse { value?: any; modifiedIndex?: number; createdIndex?: number; error?: string; message?: string;}
/*** 使用axios发送请求到APISIX管理API* @param url 请求的完整URL* @param method HTTP方法，默认为'GET'* @param data 请求数据，用于PUT/POST/PATCH请求* @param apiKey API密钥，用于认证，默认使用环境变量或硬编码值* @returns 返回API响应或null（如果发生错误）*/export async function makeAdminAPIRequest( url: string, method: string = 'GET', data?: any, apiKey: string = process.env.APISIX_API_KEY || "edd1c9f034335f136f87ad84b625c8f1"): PromiseApiResponse | null { try { // 配置axios请求 const response = await axios({ method, url, data, headers: { 'X-API-KEY': apiKey, 'Content-Type': 'application/json' }
console.log(`Axios请求成功: ${method} ${url}`); return response.data; } catch (error) { if (axios.isAxiosError(error)) { console.error(`请求失败: ${method} ${url}`); console.error(`状态码: ${error.response?.status}, 错误信息: ${error.message}`); console.error(`响应数据:`, error.response?.data); } else { console.error('发送API请求时出错:', error); } return null; }}
export default makeAdminAPIRequest;
实现执行工具创建好了服务实例，并且实现了一个请求方法后，接下来到最核心的一步，也就是实现执行工具：
ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineconst idSchema = z.object({ id: z.string().describe("资源 id")});
server.tool('get-routes', '列出所有路由', {}, async (args, extra) = { const response = await makeAdminAPIRequest(`${APISIX_API_BASE}/routes`); return { content: [ { type: "text", text: JSON.stringify(response, null, 2), }, ], });
server.tool('create-route', '创建一个新的路由', routeSchema.shape, async (args, extra) = { try { const routeId = args.id || Date.now().toString(); console.log(`Starting route creation, ID: ${routeId}, path: ${args.route.uri}`); const response = await makeAdminAPIRequest( `${APISIX_API_BASE}/routes/${routeId}`, 'PUT', args.route if (!response) { console.error(`Failed to create route, ID: ${routeId}`); return { content: [ { type: "text", text: JSON.stringify({ error: "Failed to create route, please check the APISIX connection and logs" }, null, 2), }, ], } console.log(`Route created successfully, ID: ${routeId}`); return { content: [ { type: "text", text: JSON.stringify(response, null, 2), }, ], } catch (error: unknown) { console.error(`Exception occurred:`, error); const err = error instanceof Error ? error : new Error(String(error)); return { content: [ { type: "text", text: JSON.stringify({ error: `Failed to create route: ${err.message}` }, null, 2), }, ], } });
用server.tool函数定义了两个个工具，分别用于获取路由数据和新增路由，我们在第二个参数中用中文描述了我们这个工具的作用，这个描述就是用来给大模型调用时进行语意分析后进行触发的，所以描述我们可以写的更加详尽一些，让没那么聪明的模型也号理解一点，这里只是一个简单示例，两个工具都通过makeAdminAPIRequest函数与 APISIX Admin API 交互。
接下来我们执行npm build将项目构建一下，可以看到build目录也就是构建成功了
调试在我们的 MCP 服务基础框架完成后，就到了调试环节。 MCP 服务的接入需要用到一些 AI 客户端，例如 cursor，vscode 中的 cline 插件，或者是 Claude 的官方应用，考虑到我们开发用的就是 curosr，所以这里我们直接使用 cursor 作为客户端进行调试。
第一步我们需要在.cursor目录中创建mcp.json文件用于声明 MCP 服务，在我的 windows 电脑上路径如下图：
创建完成后，我们在文件中写入配置：
ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line{ "mcpServers": { "apisix-mcp": { "command": "node", "args": [ "E:\\projects\\apisix-mcp\\build\\index.js" ] } }}
mcpServers字段代表我们声明的 MCP 服务，值的类型是对象，其中键名为服务名称，这里我们叫apisix-mcp，可以根据自己的业务修改，apisix-mcp的值也是一个对象，其中包含了command和args两个字段。
command代表启动 MCP 服务要执行的命令，因为我们的服务是用 node.js 写的，那么这里我们的command就是nodeargs是要传入的参数，也就是拼接在command后面的内容，这里我们写的是上一步构建出来的产物的路径当配置完成后，我们打开 cursor 设置中 MCP 菜单项，如果没有看到这个菜单需要升级一下 cursor 的版本，然后我们会看到一个 apisix-mcp 的服务，而且还亮着绿灯，说明已经连接成功了，如果没有连接成功我们可以点一下刷新按钮。MCP 服务中还会展示我们的代码里定义了哪些工具和资源，（这里截图中的工具比较多是因为我后续实现了比较多个工具了，正常应该只展示我们实现的那两个工具）：
要注意的是 cursor 在执行脚本时会弹出一个黑色的终端，代表我们 MCP 服务的进程是执行在这个终端的，在后台挂着就好了，不要关掉它.
接下来，我们在 cursor 的输入框中，选择agent模式，然后选择一个比较聪明的模型，例如claude 3.5/3.7或者gpt4o\o3-mini，不要选择cursor-small或gpt-4o-mini这种，因为我自己实测这两个模型似乎不具备agent能力，可能是上下文太小了，所以不会调用 MCP 服务。
这里我们选择claude-3.7-sonnet， 然后输入如下图的操作：
然后我们会看到 cursor 执行了called MCP tool的操作，一共执行了四次，对应调用的tool我们都能直接看到：
虽然大模型说创建成功了，但是我们还是自己检查一下，看看是不是真的成功了，这里我在终端输入：
ounter(lineounter(lineounter(linecurl http://127.0.0.1:9180/apisix/admin/routes -H "X-API-KEY: $admin_key" | jq
可以看到控制台打印出了我们创建的路由，并且插件也按照我们的要求配置了，说明真的创建成功了。
ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line{ "key": "/apisix/routes/1742721614502", "modifiedIndex": 98, "createdIndex": 98, "value": { "id": "1742721614502", "uri": "/api/httpbin/*", "upstream": { "pass_host": "pass", "nodes": { "httpbin.org:80": 1 }, "type": "roundrobin", "scheme": "http", "hash_on": "vars" }, "status": 1, "create_time": 1742721614, "update_time": 1742721614, "priority": 0, "plugins": { "limit-req": { "key_type": "var", "allow_degradation": false, "rate": 2, "nodelay": false, "key": "remote_addr", "burst": 4, "rejected_code": 429, "policy": "local" }, "cors": { "allow_headers": "*", "allow_origins": "*", "max_age": 3600, "expose_headers": "Content-Length,Content-Type", "allow_methods": "GET,POST,PUT,DELETE,PATCH,OPTIONS", "allow_credential": false }, "limit-count": { "show_limit_quota_header": true, "count": 5, "key_type": "var", "time_window": 60, "key": "remote_addr", "allow_degradation": false, "rejected_code": 429, "policy": "local" } } }
至此为止，我们花了不用两个小时就能把一个现有服务接入大模型，通过自然语言进行交互。后续我们要做的就是将所有的 API 转换为 MCP 中的工具，让大模型按需调用即可，这一步也很简单，直接把我们的 OpenAPI 文档提供给 cursor 就能批量生成了，我用一轮对话就全部生成好了，也就是上面截图中展示的所有 MCP 工具:
而且这里我非常推荐大家直接是用 curosr 去调试 MCP 服务，因为在我们实现 MCP 服务的项目中，如果发现 MCP 服务没法正常调用，我们可以直接让 cursor 自己调试，下面贴一个我调试过程中 cursor 自己的执行记录：
cursor 会一边调用 MCP 服务，根据服务的响应结果去调整我们的源码，然后自己重新构建新的产物再重新尝试调用 MCP 服务，直到服务正常工作，从开发到测试的流程自己闭环，真的很强！
总结MCP 中的概念不仅仅有tool这一种，但是目前我实现的功能只用到了这个工具，后续我将继续完善这个 MCP 服务的项目，等其他功能都摸清楚了再给大家完整的介绍 MCP 中的各种功能的实现。
我花了几个小时就把这个服务构建出来，而且最终的效果让我感觉蛮惊讶的，用自然语言去和系统交互的感觉很奇妙，如果再开发一个 MCP 的客户端，那都不需要写一个功能健全的控制台了，可玩性很强，上手又很简单，非常推荐大家去尝试写一下。目前唯一的问题就是依赖能力比较强的模型，因此调用成本会比较高，但是未来随着大模型的能力越来越强，调用成本越来越低，后续 MCP 服务可能替代现有传统前端控制台成为主流。
如果文章对你有帮助，欢迎点个赞??，respect~
点击关注公众号，“技术干货” 及时达！
阅读原文
网站开发网络凭借多年的网站建设经验，坚持以“帮助中小企业实现网络营销化”为宗旨，累计为4000多家客户提供品质建站服务，得到了客户的一致好评。如果您有网站建设、网站改版、域名注册、主机空间、手机网站建设、网站备案等方面的需求...
请立即点击咨询我们或拨打咨询热线：13245491521 13245491521 ，我们会详细为你一一解答你心中的疑难。 项目经理在线
13245491521 13245491521