支持私有云部署
AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


Cursor+MCP,复刻Manus的效果

发布日期:2025-03-18 19:47:38 浏览次数: 1546 来源:阿东玩AI
推荐语

利用Cursor和MCP复现Manus效果,实现全流程自动化。

核心内容:
1. Cursor结合MCP配置复现Manus效果的实践过程
2. Cursor集成大语言模型,提升办公效率和科研提效
3. MCP协议实现AI与外部数据源的双向连接,增强AI功能边界

杨芳贤
53A创始人/腾讯云(TVP)最具价值专家

我拿Cursor复现了Manus的效果

原理其实很简单,Cursor 加上 rules 加上少量 mcp 配置,开启agent模式,就可以复刻出一个Manus。

效果展示

我只输入了:

Research the Rockefeller family relationships

最后,cursor自动化给我输出了一个可以完整上传github带md的项目➕可运行的网页(组件都是动态的):

全流程自动化运行输出的agent
全流程自动化运行输出的agent
项目概述➕网络图
项目概述➕网络图
家族树
家族树
世代分布分析
世代分布分析
寿命分析
寿命分析
成就领域
成就领域
成员详情
成员详情
研究结论
研究结论

内容科普

想必大家对 Cursor 已经耳熟能详了。无论你是希望借助 AI 提升办公效率,开启科研提效的全新模式,还是想要动手开发一个小游戏、打造一个网站,甚至尝试自己设计一款手机 App,即使你完全不懂编程,Cursor 都能成为你的得力助手。它集成了众多强大的大语言模型,比如 DeepSeek、GPT、Claude 等,能够灵活适应各种使用场景,满足从日常工作到创意开发的多样化需求。

而 MCP(Model Context Protocol)则是由 Anthropic——也就是 Claude 的缔造者——推出的一项开放标准协议。这项协议为开发者提供了一个功能强大的工具,能够在数据源与 AI 驱动的工具之间建立起安全、高效的双向连接,从而极大地拓展 AI 的应用潜力。

mcp
mcp

为了更直观地理解 MCP,我们不妨用一个通俗的类比来解释:如果把 AI 想象成一台电脑主机,那么 MCP 就相当于主机上的 USB 协议,而 MCP Server 则像是连接到主机上的各种 USB 设备,比如摄像头、麦克风或存储盘。通过实现 MCP Server,开发者可以让 AI 像连接外设一样,轻松接入各种外部数据源或服务,从而显著增强其功能边界。

具体来说,添加 MCP Server 的意义在于赋予 AI 模型调用外部服务的能力。这种能力可以是请求某个 URL 获取实时数据,也可以是执行特定的命令行操作,甚至实现一系列自动化任务。举个例子,你可以通过简单的对话,指示 AI 帮你提交代码、发起 Pull Request(PR),或者让它自动搜索相关资料并在本地生成一份详细的设计文档。换句话说,MCP Server 就像是为 AI 插上了“外接手臂”,让它不仅能思考,还能主动行动,真正成为你工作与生活中的智能伙伴。

准备环境

  1. nodejs npm 下载
  2. Cursor编译器

mac本地下载brew,执行下列命令:

brew install npm

Windows 中下载 Node.js 可以按照以下步骤进行:

访问官网:打开浏览器,访问Node.js 官方网站。
选择版本:在官网首页通常会展示 LTS(长期支持)和 Current(最新版)两个版本。LTS 版本稳定性高,适合大多数用户,建议选择 LTS 版本进行下载。同时,要根据你的 Windows 系统架构(32 位或 64 位)来选择对应的安装程序。
下载安装程序:点击所选版本对应的 Windows 下载链接,即可开始下载.msi 安装文件。
运行安装程序:下载完成后,双击.msi 文件启动安装向导。
选择安装位置:在安装过程中,可以选择默认的安装目录,如 “C:\Program Files\nodejs”,也可以点击 “Browse” 按钮选择其他位置,然后点击 “Next”。
选择安装组件:通常默认勾选的组件就能满足大多数需求,直接点击 “Next”。
开始安装:在 “准备安装 Node.js” 屏幕上,点击 “Install” 按钮开始安装,安装过程中可能需要你提供管理员权限。
完成安装:安装完成后,点击 “Finish” 按钮。

cursor安装:

去cursor官网https://www.cursor.com/

根据自己的系统安装最新版的cursor,有免费需求的同学参考https://github.com/yuaotian/go-cursor-help?tab=readme-ov-file(不推荐,支持知识付费)

  1. Cursor 编译器 去 cursor 官网 https://www.cursor.com/ ,根据自己的系统安装最新版的 cursor,有免费无限 token 需求的同学参考 https://github.com/yuaotian/go-cursor-help?tab=readme-ov-file(不推荐,支持知识付费)

具体操作

  1. 配置 rules,规范化image
  • Speak in Chinese

  • You are a assistant, when you get a task, you will do it step by step. you will generate a todo.md, and you will update it when you finish a step.

  • If you get data analysis task, you will use Python-based data science

  • Use Python 3.12 as the primary programming language

  • Use NumPy for numerical computing and array operations

  • Use Pandas for data manipulation and analysis

  • Use uv for environment and package management

  • Use Dash for web based report

  • Use a seperated file to Generate a web based report, pretty, modern and interactive

  • Run a web server And give me the url

  • Use Website Preview and firecrawl to get web content

  • Use a seperated file to store project summary

  • Use a seperated file to store todo list

  • Use a seperated directory to store all files from one task

  • Store all process data in files under the task directory

  • 说中文

  • 你是一个助手,拿到一个任务,你就一步步的去做,你会生成一个 todo.md,你做完一个步骤就会更新。

  • 如果您获得数据分析任务,您将使用基于 Python 的数据科学

  • 使用 Python3.12 作为主要编程语言

  • 使用 NumPy 进行数值计算和数组操作

  • 使用 Pandas 进行数据操作和分析

  • 使用 UV 进行环境和包管理

  • 使用 Dash 进行基于 Web 的报告

  • 使用单独的文件生成基于 Web 的报告,漂亮、现代和交互式

  • 运行网络服务器并给我网址

  • 使用网站预览和 Firecrawl 获取网页内容

  • 使用单独的文件存储项目摘要

  • 使用单独的文件存储待办事项列表

  • 使用单独的目录存储来自一个任务的所有文件

  • 将所有过程数据存储在任务目录下的文件中

  1. 配置 MCP Server 推荐 MCP Server: https://smithery.ai/server/@smithery-ai/server-sequential-thinking image

Type

  • command :用于标准输入输出
  • sse:用于服务器发送事件 Name 为服务器设置一个易识别的昵称 Server url/Command 输入可执行命令或输入服务器 URL image

firecrawl 支持本地化部署 Linux: 

mac:env FIRECRAWL_API_KEY=xxx npx -y firecrawl-mcp 

Windows: cmd /c set FIRECRAWL_API_KEY=your-api-key && npx -y firecrawl-mcp https://github.com/mendableai/firecrawl-mcp-server image

image

  1. 选择模型,启动 agent 模式就 ok 了 image
{
   "target":"简单认识我"
   "selfInfo":{
        "genInfo":"大厂面试官,中科院自动化所读研(人工智能)ing,从事数据闭环业务、RAG、Agent等,承担技术+平台的偏综合性角色。善于调研、总结和规划,善于统筹和协同,喜欢技术,喜欢阅读新技术和产品的文章与论文",
        "contactInfo":"abc061200x, v-adding disabled",
        "slogan""简单、高效、做正确的事",
         "extInfo":"喜欢看电影、喜欢旅游、户外徒步、阅读和学习,不抽烟、不喝酒,无不良嗜好"
   } 
}

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询