三亩地 三亩地SAN MU DI · CODE DIARY
交流投稿
ARTICLE DETAIL

日记详情

真实记录编程学习的某一天，欢迎挑你感兴趣的翻一翻。

首页/学习日记/日记详情

10分钟构建MCP Server：让AI编程助手连接你的数据库

发布时间：2026/8/10 5:57:05 三亩地 编程学习日记
10分钟构建MCP Server：让AI编程助手连接你的数据库

1. 为什么MCP Server是AI编程助手的“外挂大脑”

如果你最近在用Cursor或者Claude Desktop这类AI编程工具，可能会发现一个现象：当你想让它帮你分析项目里某个数据库表的结构，或者让它基于现有数据生成一段SQL查询时，它常常会“一本正经地胡说八道”。它可能会凭空捏造一个不存在的字段，或者写出一段语法正确但逻辑完全跑偏的代码。这背后的根本原因，是这些AI模型的知识库存在“信息差”——它们无法实时、准确地访问到你项目里最核心的私有数据源，比如数据库、API接口、内部文档或者特定的工具链。

这就是MCP（Model Context Protocol）协议要解决的核心痛点。你可以把它理解为一个标准化的“插件接口”或“数据通道协议”。它由Anthropic公司牵头设计，目标就是让AI模型能够安全、可控地连接到外部工具和数据源，从而极大地扩展其能力边界。一个实现了MCP协议的服务器，我们称之为MCP Server，它的角色就是AI模型的“外挂大脑”或“专属信息库”。

想象一下，你有一个本地运行的PostgreSQL数据库，里面存放着你项目的用户表和订单表。传统的做法是，你需要在对话中手动把表结构DDL复制粘贴给AI，既繁琐又容易出错。而通过MCP，你可以编写一个轻量的MCP Server，让它主动将数据库的Schema（甚至是在你授权下的部分数据）以结构化的方式“喂”给Cursor。之后，当你在Cursor中提问“我们的users表有哪些字段？”或者“帮我写一个查询上个月活跃用户的SQL”时，Cursor背后的AI模型就能通过你写的这个Server，获取到百分百准确、实时的信息，并给出极其精准的回答和代码。

今天，我们就用TypeScript，在10分钟内，动手构建一个能够连接你个人数据库的MCP Server，并把它无缝集成到Cursor中。这个实践不仅能让你立刻体验到AI编程助手能力的质变，更能让你理解未来AI Agent（智能体）如何与真实世界交互的基本范式。

2. 环境准备：从零搭建TypeScript MCP项目骨架

在开始敲代码之前，我们需要一个干净、高效的开发环境。TypeScript是我们的首选，因为它能提供良好的类型提示，这对于实现一个需要遵循特定协议的Server来说至关重要，能避免很多低级错误。

2.1 初始化项目与核心依赖安装

首先，创建一个新的项目目录并初始化。这里我们使用pnpm作为包管理器，因为它速度更快，磁盘空间利用更高效。当然，使用npm或yarn也完全没问题。

mkdir mcp-database-server cd mcp-database-server pnpm init -y

接下来，安装TypeScript和必要的类型定义。我们需要@types/node，因为我们的Server将运行在Node.js环境中。

pnpm add -D typescript @types/node tsx pnpm add @modelcontextprotocol/sdk

这里解释一下这几个包的作用：

  • typescript： TypeScript编译器本身。
  • @types/node： 提供了Node.js核心模块（如fs，path）的TypeScript类型定义。
  • tsx： 一个极佳的工具，它允许我们直接运行.ts文件，无需先手动编译成.js，极大地简化了开发流程。在package.json的scripts中我们会用到它。
  • @modelcontextprotocol/sdk： 这是Anthropic官方提供的MCP SDK for JavaScript/TypeScript。它封装了MCP协议底层复杂的通信细节（如JSON-RPC over stdio），提供了高层次的、类型安全的类和方法，让我们可以像写普通后端服务一样专注于实现工具（Tools）和资源（Resources）的逻辑。这是本项目的核心依赖。

2.2 配置TypeScript与项目结构

初始化TypeScript配置。运行以下命令生成tsconfig.json文件：

npx tsc --init

生成后，我们需要对其进行一些关键调整，以适配现代Node.js和模块开发。打开tsconfig.json，确保或修改以下配置：

{ "compilerOptions": { "target": "ES2022", "module": "NodeNext", "moduleResolution": "NodeNext", "outDir": "./dist", "rootDir": "./src", "strict": true, "esModuleInterop": true, "skipLibCheck": true, "forceConsistentCasingInFileNames": true, "resolveJsonModule": true }, "include": ["src/**/*"], "exclude": ["node_modules"] }

关键配置解读：

  • "target": "ES2022"： 使用较新的ECMAScript标准，以获得更好的性能和语言特性支持。
  • "module": "NodeNext"和"moduleResolution": "NodeNext"： 这是为了正确支持Node.js的ES模块（ESM）和CommonJS（CJS）的混合生态。MCP SDK可能以ESM形式发布，这样配置能确保模块导入无误。
  • "outDir"和"rootDir"： 明确指定源代码目录和编译输出目录，保持项目结构清晰。
  • "resolveJsonModule": true： 允许直接导入.json文件，方便我们后续可能读取配置。

现在，创建项目的基本结构：

mkdir src touch src/index.ts

最后，编辑package.json，添加启动脚本和明确项目类型。在package.json的scripts区块中添加：

{ "scripts": { "dev": "tsx watch src/index.ts", "build": "tsc", "start": "node dist/index.js" }, "type": "module" }
  • "dev": "tsx watch src/index.ts"： 这是我们开发时的主要命令。tsx watch会监视src/index.ts文件的变动，并实时重新运行，实现热重载效果，非常适合调试。
  • "build"和"start"： 分别用于构建生产版本和运行构建后的代码。
  • "type": "module"： 声明本项目使用ES模块规范。这对于正确使用MCP SDK和一些现代Node.js库很重要。

至此，一个类型安全、开发体验流畅的TypeScript MCP项目骨架就搭建完毕了。你可以运行pnpm dev来测试环境是否正常，虽然现在index.ts还是空的，但应该不会报错。

3. 构建你的第一个MCP Server：核心概念与初始化

理解了MCP的基本理念，也搭好了开发环境，现在让我们深入MCP Server的内部，看看它究竟由哪些核心部件构成，并写出第一行有实际意义的代码。

3.1 解剖MCP Server：Tools, Resources 与 Server

一个MCP Server的核心功能是向AI客户端（如Cursor）提供两类东西：工具（Tools）和资源（Resources）。你可以把它们类比为函数和变量，或者API和数据端点。

  1. 工具（Tools）： 这是AI可以主动调用的“函数”。每个工具都有名称、描述、输入参数（Schema）和实际的执行逻辑。例如，一个名为query_database的工具，AI可以调用它并传入一个SQL字符串，Server执行查询后返回结果。工具代表了AI的“主动能力”。
  2. 资源（Resources）： 这是AI可以被动读取的“数据”或“文档”。每个资源有一个唯一的URI（如db://schema/users）和对应的文本或结构化内容。AI在需要了解某些信息时，可以“读取”这些资源。例如，你可以提供一个资源来展示数据库的ER图，或者一个API的Swagger文档。资源代表了AI的“知识背景”。
  3. Server： 这是由@modelcontextprotocol/sdk提供的Server类实例。它负责管理所有已注册的工具和资源，并处理与客户端之间基于JSON-RPC over stdio（标准输入输出）的通信协议。我们不需要关心网络Socket，MCP协议设计为通过标准流通信，这使得集成非常简单。

3.2 初始化Server并定义第一个工具

让我们在src/index.ts中开始编码。首先，导入必要的模块并创建一个Server实例。

import { Server } from '@modelcontextprotocol/sdk/server/index.js'; import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js'; // 1. 创建Server实例 const server = new Server( { name: 'my-database-server', // 你的Server名称 version: '0.1.0', // 版本号 }, { capabilities: { // 声明本Server提供的能力 tools: {}, // 表示支持工具 resources: {}, // 表示支持资源（我们先留空） }, } );

接下来，我们定义一个最简单的工具，作为“Hello World”。这个工具不连接数据库，只用来验证整个链路是否通畅。

// 2. 定义一个工具 server.setRequestHandler('tools/list', async () => { return { tools: [ { name: 'get_server_info', // 工具名称，AI将通过这个名字调用它 description: '获取当前MCP服务器的基本信息，用于测试连通性。', inputSchema: { type: 'object', properties: {}, // 这个工具不需要输入参数 additionalProperties: false, }, }, ], }; }); // 3. 处理工具的调用请求 server.setRequestHandler('tools/call', async (request) => { if (request.params.name === 'get_server_info') { // 这里是工具的实际执行逻辑 return { content: [ { type: 'text', text: `✅ MCP数据库服务器运行正常！\n名称：my-database-server\n版本：0.1.0\n时间：${new Date().toISOString()}`, }, ], }; } // 如果收到未知的工具调用请求，抛出错误 throw new Error(`未知的工具: ${request.params.name}`); });

最后，我们需要启动Server，并告诉它使用标准输入输出作为传输层。这是MCP Server的标准运行方式。

// 4. 启动Server async function runServer() { const transport = new StdioServerTransport(); await server.connect(transport); console.error('MCP Database Server 已启动并等待连接...'); } runServer().catch((error) => { console.error('Server启动失败:', error); process.exit(1); });

代码逻辑梳理：

  • 当客户端（Cursor）连接时，它会发送tools/list请求。我们的handler会返回一个包含get_server_info工具定义的列表。
  • 当用户在Cursor中要求AI调用这个工具时（例如，用户说“请调用get_server_info工具”），客户端会发送tools/call请求，并指定工具名称为get_server_info。
  • 我们的第二个handler会匹配到这个名称，然后执行里面的逻辑——返回一段包含服务器信息的文本。
  • console.error用于输出日志，因为MCP协议约定标准输出（stdout）用于协议通信，日志应该输出到标准错误（stderr），避免干扰。

现在，你可以运行pnpm dev。你会看到控制台打印出“MCP Database Server 已启动并等待连接...”，然后程序挂起，等待客户端连接。我们的第一个MCP Server已经就绪了。在下一节，我们将把它和Cursor连接起来，进行第一次“对话”。

4. 连接Cursor：配置与首次握手

MCP Server本身是一个独立的进程，我们需要通过配置让Cursor知道它的存在并与之建立连接。Cursor支持通过一个本地配置文件来声明和管理MCP Server。

4.1 定位Cursor的MCP配置文件

Cursor的配置通常位于用户的家目录下。具体路径因操作系统而异：

  • macOS / Linux:~/.cursor/mcp.json
  • Windows:%USERPROFILE%\.cursor\mcp.json

如果这个文件或目录不存在，你需要手动创建它。

4.2 编写MCP配置文件

MCP配置文件是一个JSON文件，其中mcpServers字段是一个对象，键是你在Cursor内部引用这个Server的别名（可以自定义），值是该Server的配置。

对于我们刚刚写的这个TypeScript Server，配置如下。创建一个名为mcp.json的文件，内容如下：

{ "mcpServers": { "my-local-db": { "command": "node", "args": [ "/ABSOLUTE/PATH/TO/YOUR/PROJECT/mcp-database-server/dist/index.js" ], "env": { "NODE_ENV": "development" } } } }

重要配置项解析：

  • "my-local-db"： 这是你给这个Server起的名字，在Cursor的上下文中会用到。
  • "command": "node"： 指定运行Server的解释器或可执行文件。这里我们用Node.js来运行编译后的JavaScript文件。
  • "args"： 传递给node命令的参数。这里有一个至关重要的坑：你必须提供编译后的.js文件的绝对路径。在上一步我们是用tsx在内存中直接运行.ts文件，但Cursor启动时需要一个稳定的可执行入口。因此，我们需要先运行一次构建命令：pnpm build。这会在dist目录下生成index.js文件。将上述配置中的/ABSOLUTE/PATH/TO/YOUR/PROJECT替换为你项目的绝对路径（例如，在macOS上可能是/Users/yourname/Projects/mcp-database-server）。
  • "env"： 可以设置Server进程的环境变量。

实操心得：路径与构建的坑这是新手配置时最容易出错的地方。很多人直接用tsx或ts-node的路径作为command，或者用相对路径，往往导致Cursor启动Server失败。最稳妥的方式就是：1）先pnpm build生成dist；2）在配置中使用Node命令+绝对路径指向dist里的js文件。这样能最大程度保证兼容性。另外，每次修改了src/index.ts后，记得重新运行pnpm build并重启Cursor，才能使新代码生效。

4.3 重启Cursor并验证连接

保存好mcp.json配置文件后，你需要完全关闭并重新启动Cursor。这是因为Cursor只在启动时读取这个配置文件。

启动后，打开Cursor，新建或进入一个聊天会话。现在，你可以尝试让AI调用我们的测试工具了。输入如下提示：

请调用 get_server_info 这个工具。

如果一切配置正确，Cursor的AI（通常是Claude模型）会识别到可用的工具，并执行调用。你应该能在回复中看到类似这样的信息：

✅ MCP数据库服务器运行正常！ 名称：my-database-server 版本：0.1.0 时间：2024-05-27T10:30:00.000Z

恭喜！这意味着你的自定义MCP Server已经成功被Cursor加载，并且完成了首次通信。AI现在拥有了一个由你提供的、可以远程调用的“函数”。虽然这个函数目前只是返回服务器信息，但我们已经打通了从本地代码到AI助手能力的完整链路。接下来，我们将注入真正的数据库能力。

5. 接入真实数据库：实现查询工具与Schema资源

测试工具跑通后，我们要动真格了：连接一个真实的数据库。这里以PostgreSQL为例，其他数据库（如MySQL， SQLite）原理类似，只需更换客户端库。我们将实现两个核心功能：1. 一个执行SQL查询的工具；2. 一个提供数据库表结构（Schema）的资源。

5.1 安装数据库驱动并设计工具

首先，安装PostgreSQL的Node.js驱动pg，以及它的类型定义。

pnpm add pg pnpm add -D @types/pg

为了安全和管理方便，我们使用环境变量来存储数据库连接信息。在项目根目录创建.env文件：

DATABASE_URL=postgresql://username:password@localhost:5432/your_database_name

安全警告：永远不要将包含密码的.env文件提交到版本控制系统（如Git）。确保它在.gitignore文件中。

接下来，修改src/index.ts，引入数据库驱动和环境变量支持。我们需要安装dotenv来加载.env文件。

pnpm add dotenv

现在，更新src/index.ts的顶部导入部分和Server初始化部分：

import { Server } from '@modelcontextprotocol/sdk/server/index.js'; import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js'; import { Client } from 'pg'; // 导入PostgreSQL客户端 import * as dotenv from 'dotenv'; // 加载环境变量 dotenv.config(); // 初始化数据库连接池（使用单个客户端简化示例） const dbClient = new Client({ connectionString: process.env.DATABASE_URL, }); // 在Server启动前连接数据库 async function initializeDatabase() { try { await dbClient.connect(); console.error('✅ 数据库连接成功'); } catch (error) { console.error('❌ 数据库连接失败:', error); process.exit(1); // 数据库连接失败，终止Server } } // ... 原有的Server创建代码 ... const server = new Server(...);

5.2 实现SQL查询工具

我们将工具get_server_info升级或替换为一个真正有用的run_sql_query工具。修改tools/list处理器：

server.setRequestHandler('tools/list', async () => { return { tools: [ { name: 'run_sql_query', description: '在连接的PostgreSQL数据库上执行一个只读的SQL SELECT查询。请提供清晰、正确的SQL语句。', inputSchema: { type: 'object', properties: { query: { type: 'string', description: '要执行的SQL SELECT查询语句。', }, }, required: ['query'], additionalProperties: false, }, }, ], }; });

然后，更新tools/call处理器来执行查询：

server.setRequestHandler('tools/call', async (request) => { if (request.params.name === 'run_sql_query') { const { query } = request.params.arguments as { query: string }; // 简单的安全校验：只允许SELECT查询（根据需求调整） const sanitizedQuery = query.trim().toUpperCase(); if (!sanitizedQuery.startsWith('SELECT')) { throw new Error('出于安全考虑，本工具仅支持执行SELECT查询。'); } try { console.error(`正在执行查询: ${query}`); const result = await dbClient.query(query); // 将查询结果格式化为易读的文本 let output = `查询成功，返回 ${result.rowCount} 行数据。\n\n`; if (result.rows.length > 0) { const headers = Object.keys(result.rows[0]).join(' | '); output += `| ${headers} |\n`; output += `|${' --- |'.repeat(Object.keys(result.rows[0]).length)}\n`; for (const row of result.rows.slice(0, 10)) { // 限制预览前10行 const values = Object.values(row).map(v => v === null ? 'NULL' : String(v) ).join(' | '); output += `| ${values} |\n`; } if (result.rows.length > 10) { output += `\n... 以及另外 ${result.rows.length - 10} 行。`; } } else { output += '结果集为空。'; } return { content: [{ type: 'text', text: output }], }; } catch (error: any) { // 将数据库错误清晰地返回给AI return { content: [{ type: 'text', text: `❌ 查询执行失败: ${error.message}\n请检查SQL语法或表名/字段名是否正确。`, }], isError: true, }; } } throw new Error(`未知的工具: ${request.params.name}`); });

5.3 实现数据库Schema资源

除了主动查询，我们还可以被动地提供数据库结构信息作为资源。这样AI在编写查询前，就能先“了解”数据库里有什么。在Server的初始化选项中，我们需要声明支持资源：

const server = new Server( { name: 'my-database-server', version: '0.1.0', }, { capabilities: { tools: {}, resources: {}, // 现在声明支持资源 prompts: {}, // 可选，本文暂不涉及 }, } );

然后，我们需要处理两个新的请求：resources/list（列出所有可用资源）和resources/read（读取特定资源的内容）。

// 声明一个资源：数据库表列表 server.setRequestHandler('resources/list', async () => { return { resources: [ { uri: 'db://schema/tables', name: '数据库表清单', description: '列出当前数据库中的所有用户表。', mimeType: 'text/plain', }, { uri: 'db://schema/table/users', // 示例：users表的结构 name: 'Users表结构', description: '显示users表的列定义、类型和约束。', mimeType: 'text/plain', }, ], }; }); // 处理资源读取请求 server.setRequestHandler('resources/read', async (request) => { const { uri } = request.params; if (uri === 'db://schema/tables') { try { // 查询PostgreSQL系统表来获取用户表列表 const result = await dbClient.query(` SELECT table_schema, table_name FROM information_schema.tables WHERE table_schema NOT IN ('pg_catalog', 'information_schema') AND table_type = 'BASE TABLE' ORDER BY table_schema, table_name; `); let text = `当前数据库共有 ${result.rowCount} 张用户表：\n\n`; for (const row of result.rows) { text += `- ${row.table_schema}.${row.table_name}\n`; } return { contents: [{ uri, mimeType: 'text/plain', text }] }; } catch (error: any) { return { contents: [{ uri, mimeType: 'text/plain', text: `获取表列表失败: ${error.message}` }] }; } } // 这里可以扩展，根据不同的URI返回不同表的结构，例如解析 db://schema/table/users if (uri.startsWith('db://schema/table/')) { const tableName = uri.split('/').pop(); try { const result = await dbClient.query(` SELECT column_name, data_type, is_nullable, column_default FROM information_schema.columns WHERE table_schema NOT IN ('pg_catalog', 'information_schema') AND table_name = $1 ORDER BY ordinal_position; `, [tableName]); if (result.rows.length === 0) { return { contents: [{ uri, mimeType: 'text/plain', text: `未找到表: ${tableName}` }] }; } let text = `表 "${tableName}" 的结构：\n\n`; text += `| 列名 | 数据类型 | 允许空值 | 默认值 |\n`; text += `| :--- | :--- | :--- | :--- |\n`; for (const row of result.rows) { text += `| ${row.column_name} | ${row.data_type} | ${row.is_nullable} | ${row.column_default || 'NULL'} |\n`; } return { contents: [{ uri, mimeType: 'text/plain', text }] }; } catch (error: any) { return { contents: [{ uri, mimeType: 'text/plain', text: `获取表结构失败: ${error.message}` }] }; } } return { contents: [{ uri, mimeType: 'text/plain', text: `未找到资源: ${uri}` }] }; });

最后，别忘了在runServer函数中调用我们新增的数据库初始化函数：

async function runServer() { await initializeDatabase(); // 先连接数据库 const transport = new StdioServerTransport(); await server.connect(transport); console.error('MCP Database Server 已启动并等待连接...'); }

5.4 重建、配置与测试

  1. 构建：运行pnpm build编译最新的TypeScript代码。
  2. 重启Cursor：完全关闭Cursor再重新打开，以加载最新的Server配置（如果你的mcp.json中args路径已经指向dist/index.js，则无需修改）。
  3. 开始对话：
    • 你可以先让AI“读取数据库表清单资源”：请查看 db://schema/tables 这个资源。AI会调用资源读取，并返回你的数据库表列表。
    • 接着，你可以让AI根据看到的表结构，编写一个查询：基于users表的结构，帮我写一个查询总用户数的SQL，并执行它。AI可能会先读取db://schema/table/users资源了解结构，然后生成SELECT COUNT(*) FROM users;的SQL，最后调用run_sql_query工具来执行它。

至此，你的Cursor已经从一个“闭门造车”的代码助手，进化成了一个能直接与你项目数据库对话的“数据分析伙伴”。你可以让它统计数据、生成报表、甚至基于真实数据验证业务逻辑。这种能力的提升是颠覆性的。

6. 进阶优化与安全加固

一个能跑通的Demo只是开始。要让这个MCP Server真正可靠、安全地用于日常开发，我们还需要考虑以下几个进阶问题。

6.1 连接池管理与错误恢复

上面的示例使用了单个Client实例。在生产环境中，这可能导致连接数耗尽或连接意外中断。更好的做法是使用连接池（pg.Pool）。

import { Pool } from 'pg'; const dbPool = new Pool({ connectionString: process.env.DATABASE_URL, max: 5, // 最大连接数 idleTimeoutMillis: 30000, // 连接空闲超时时间 }); // 修改 initializeDatabase， 测试连接而非持有连接 async function initializeDatabase() { let client; try { client = await dbPool.connect(); console.error('✅ 数据库连接池初始化成功'); client.release(); // 立即释放连接回池 } catch (error) { console.error('❌ 数据库连接失败:', error); process.exit(1); } } // 在 tools/call 处理器中，从连接池获取客户端 if (request.params.name === 'run_sql_query') { const { query } = request.params.arguments as { query: string }; const client = await dbPool.connect(); try { const result = await client.query(query); // ... 格式化结果 ... client.release(); // 关键：一定要释放连接 } catch (error: any) { client.release(); // 即使在错误中也要释放连接 // ... 错误处理 ... } }

6.2 查询安全与权限控制

允许AI执行任意SQL是极其危险的（即使是只读SELECT）。我们必须实施严格的安全策略：

  1. SQL语法白名单： 如上例，只允许SELECT开头。但这很容易被绕过（如SELECT * FROM users; DROP TABLE users;）。更安全的方法是使用正则表达式进行严格校验，或者使用SQL解析器（如@ts-safeql/sql）进行语法树分析，确保只有单条SELECT语句。
  2. 查询超时与行数限制： 防止复杂查询拖垮数据库。
    const result = await client.query({ text: query, rowMode: 'array', // 可选，减少内存占用 timeout: 5000, // 5秒超时 }); // 在格式化结果时，强制限制返回给AI的行数，例如最多100行。
  3. 基于上下文的权限： 更高级的做法是，根据当前对话的上下文（比如项目文件路径）动态决定可以访问哪些表或视图。这需要更复杂的身份映射逻辑。
  4. 环境隔离： 开发环境的MCP Server连接测试数据库，生产环境的配置则完全不同。务必通过环境变量严格区分。

6.3 提升AI交互体验：动态资源与智能提示

目前的资源是静态定义的。我们可以让它更智能：

  • 动态资源列表：resources/list的返回可以基于数据库实时内容生成，而不是硬编码。这样每张表都会自动成为一个资源。
  • 实现resources/search： MCP协议支持搜索资源。你可以实现一个搜索处理器，让AI通过表名或列名模糊查找相关资源。
  • 设计提示词（Prompts）： MCP还支持prompts能力。你可以预定义一些提示词模板，比如“分析订单数据趋势”，当用户选择这个提示时，AI会自动组合调用查询工具和资源，完成一个多步骤的分析任务。

6.4 日志、监控与调试

  • 结构化日志： 使用pino或winston等日志库，将Server的运行日志、收到的请求、执行的查询、发生的错误都记录下来，方便排查问题。
  • 性能监控： 记录每个工具调用的耗时，对于慢查询进行告警。
  • 调试技巧： 在开发时，可以暂时将Server的传输层从StdioServerTransport换成WebSocketServerTransport，并使用官方的MCP Inspector工具进行图形化调试，可视化地查看所有的请求和响应。

7. 举一反三：MCP Server的无限可能

数据库连接只是一个起点。MCP协议的强大之处在于其通用性。你可以遵循相同的模式，为Cursor集成几乎任何本地或网络服务：

  1. 内部API集成： 创建一个MCP Server，将你们团队内部的RESTful或GraphQL API暴露给AI。AI可以帮你测试接口、根据API文档生成调用代码、甚至分析接口返回的数据。
  2. 项目管理工具： 连接Jira、Linear、Trello。让AI帮你创建任务、查询Bug状态、生成周报摘要。
  3. 云服务管理： 在严格的权限控制下，连接AWS CLI或SDK。让AI帮你描述S3桶的内容、查看CloudWatch日志、甚至安全地执行一些预定义的运维脚本（如重启某个测试环境的ECS实例）。
  4. 本地文件系统增强： 虽然AI能读当前文件，但你可以创建一个Server，让它能按特定模式搜索整个项目历史（结合git），或分析特定目录下的图片/文档元数据。
  5. 自定义知识库： 将公司内部的Wiki、设计文档、会议纪要通过资源（Resources）的形式提供给AI，让它成为你团队知识的“活字典”。

我个人在实际构建和使用了几个MCP Server后的体会是：最大的价值不在于某个工具本身有多复杂，而在于它如何将AI的“通用智力”与你工作流中的“特定上下文”和“专用工具”无缝衔接。它消除了手动复制粘贴和信息检索的摩擦，让AI从“一个聪明的实习生”变成了“一个深度融入你技术栈的资深搭档”。开始可能会觉得配置有点繁琐，但一旦跑通第一个，后面复制模式就非常快了。从今天这个10分钟的数据库Server开始，尝试去自动化你工作中下一个最重复、最需要上下文信息的任务吧。

编程学习 学习日记 实战经验
← 返回列表