設定 MCP（Model Context Protocol）

MCP 是什麼？

MCP（Model Context Protocol）由 Anthropic 推出，是一個開放協議，讓 AI 工具能安全、模組化地連結外部資料或服務。在 Cursor 中，MCP 扮演 MCP Host 的角色，可同時連線多個 MCP Server，擴充 AI 的能力。

MCP 可以擴充一些AI本身做不到的事情，或者是快速取得或處理向對的事情，如取得DB或是本機資料等。

選擇與註冊 MCP Server

範例指令：

npx -y @smithery/cli@latest run @gongrzhe/server-redis-mcp --config '{"redisUrl":"redis://localhost:6379/0"}'

注意安全性與權限，涉及敏感資料時務必使用 API Key 或 OAuth。

推薦 MCP Servers

可以查看官方推薦的MCP

快速上手建議

1. 先選擇一個 MCP，例如 Firecrawl 或 Taskmaster
2. 在 .cursor/mcp.json 或 Cursor 設定介面中加入 MCP
3. 使用 API Key 或 OAuth，並設定最小必要權限
4. 隨著專案進展，逐步串接更多工具，如 Figma、Excel、瀏覽器自動化，打造完整 AI 生態系統

新增後，工具有成功亮綠燈就代表有啟動成功，接著就嘗試呼叫AI去觸發MCP，觸發方式是當你敘述中，AI判定覺得你需要使用此MCP Tool，他就會嘗試去呼叫，會像是以下這張圖

另外在設定頁面是可以根據你的MCP去做功能的開啟跟關閉

.cursor/rules 範例設定

可以設定User Rules 與 Project Rules

**User Rules：**在每個專案中，都會應用這些專案，像是下方圖片，是我之前設定的，不確定現在還需不需要這樣設定

**Project Rules：**這會在專案資料夾中新增.cursor/rules，rules會以檔案形式存在其中，所以不要誤刪此資料夾

Project的設定會比較多 可以查看以下圖片

透過 .cursor/rules，能讓 AI 更加理解專案規範，提供一致且高品質的建議。

補充

MCP 與 API 的差異

• MCP 提供 標準化介面，不用每次重寫 API wrapper
• 可以搭配 權限安全控管（Scope / OAuth），更適合團隊專案
• 模組化工具，AI 能自動選擇適合的 MCP，而不是人力判斷

常見錯誤與 Debug 方法

• Server 啟動失敗 → 檢查指令與 log
• 工具無法觸發 → 檢查 .cursor/mcp.json 是否正確
• 權限不足 → 確認 API Key 或 OAuth 設定

安全性建議

• OAuth 設定時限制 scope，避免過度開放
• 團隊協作時，統一在 Project Rules 中設定 MCP 相關規範

進階應用案例

• Firecrawl + Excel MCP → 自動爬資料並生成報表
• Taskmaster + Context7 → 專案任務 + API 文件整合，AI 能回覆更精準
• Figma Context + Markdownify → 設計稿快速轉換成技術文件

自製 MCP Server

• MCP 生態系統支持開發者自己擴充，可以寫一個團隊內部工具 Server，例如：
  • Jira 任務查詢
  • 內部資料庫查詢
  • CI/CD Pipeline 控制

Best Practices

• 不要一次加太多 MCP，先挑專案最需要的
• 搭配 .cursor/rules，讓 MCP + 專案規範一起作用
• 建立團隊 MCP 使用文件，避免設定不一致

結語

Cursor 不僅是一個支援 AI 的 IDE，更是結合 多模型選擇、MCP 擴充能力與專案規則設定 的完整開發環境。

透過合理搭配模型模式（快速、推理、MAX）、善用 MCP 生態系統，以及建立 .cursor/rules 規範，開發者能大幅提升專案效率與程式碼品質。

未來，隨著 MCP 服務與 AI 模型的持續演進，Cursor 有望成為開發者日常工作中最核心的 AI 助手。