AgentHubAgentHub

使用场景/Cursor 开发必备

Cursor 必备 MCP 组合推荐

面向 Cursor 用户的入门组合:文件、GitHub、文档、浏览器。快速搭建 AI 编程工作流。

共匹配 6,490 个资源 · 第 12 / 136 页

什么是Cursor 开发必备?

Cursor 对 MCP 的支持是原生且开箱即用的:在 Settings → MCP 或项目根的 .cursor/mcp.json 中粘贴一段 JSON 即可接入任意 MCP Server。搭配 AgentHub 的一键配置生成器,从发现到接入通常不超过一分钟。

推荐的入门组合覆盖四类高频需求:Filesystem(读写项目文件)、GitHub(PR / Issue / diff)、Context7(最新框架文档,减少幻觉)、Playwright(浏览器验证与 E2E)。之后再按业务补充数据库、抓取或国内服务类 MCP。

本页列出的每个资源都附带 Cursor 专用配置片段:在 AgentHub 打开资源详情页 → 选择 Cursor Tab → 复制 JSON 粘贴即可,安装命令与鉴权环境变量一并给出。

适合做什么

  • 全栈开发
  • 开源贡献
  • 学习新框架
  • 小型自动化脚本

不太适合

  • 纯对话无代码场景
  • 不允许本地进程的企业环境
常见组合: Filesystem + GitHub + Context7 + Playwright

相关资源

查看全部 →

Cache Components 秒开优化(Next.js)

SkillSkillsMP

在 Cache Components / PPR 下,为把 Next.js 路由做到即时导航设定 agent 循环,覆盖首次加载(hard navigation)与客户端导航(soft navigation)。把目标编码为一个失败的 @next/playwright instant() e2e 并逐路由跑绿;固化的测试随后可防回归。当需要让某路由导航即时(static shell 立即 commit)、修复 static shell 未被预渲染/服务/预取的路由、扩大 static shell 或修复首屏缓慢、诊断是哪个 Suspense boundary 让路由无法进入 static shell,或为某个路由编写 instant() e2e 守卫时使用。需要 Next.js 16.3+ 且启用 cacheComponents;版本过旧则先升级。

source

gke-ai-troubleshooting-tpu-mxla-hang

SkillSkillsMP

Diagnose GKE Cloud TPU multi-slice training hangs (Megascale `HANG_DETECTED` logs and hang monitored events) using the ML Diagnostics `Megascale XLA (MXLA) Hang Analyzer` (`gcloud alpha mldiagnostics monitored-events`) and 1-minute Cloud Monitoring multi-slice latency metrics (`kubernetes.io/container/multislice/*`). Distinguishes XLA compiler/HLO launch divergence and host data-input stalls from TPU chip, SparseCore, ICI, or network fabric faults. Use when multi-slice TPU training jobs freeze without progressing steps, emit `HANG_DETECTED`, or stall in collective operations. Don't use for gradual step-time throughput drops without hangs (use gke-ai-troubleshooting-tpu-performance-degradation) or pod preemption/eviction restarts (use gke-ai-troubleshooting-jobset-interruption).

source

simplify-codebase

SkillSkillsMP

Simplification audit or authorized codebase simplification whose stated objective is to remove accidental complexity. Use for evidence-backed deletion or consolidation of dead code, duplicate state, redundant APIs or layers, ownerless abstractions, obsolete compatibility or design records, and over-engineering in any language; also use for 代码简化 or 熵回收. Do not use for general code review, onboarding, style-only refactoring, or performance tuning.

source

UI 前后对比截图 ui-before-after

SkillSkillsMP

分析分支或 PR,自动捕获其变更触及的每个 UI 界面前后截图,再做像素级差分呈现实际变化,并组装成可直接放进 PR 的前后对比拼图。通用且 diff 驱动:从 diff 推导捕获目标(变更的工具/路由 → URL)而非手工列举界面,「前」从基础分支捕获、「后」从头部分支捕获,仅保留视觉上确有差异的视图。每次对比自动裁剪到实际变化区域(差异像素包围盒),仅当变更覆盖大部分页面时才回退整页。用于前后截图、分支/PR 视觉差分、「给 PR 描述配截图」「展示 UI 改了什么」或 UI 变更并排对比。接受 PR 编号/URL(经 gh 解析)或分支名;默认当前分支对比其基础分支。参数:--scope <selector>、--base <ref|merge-base>、--theme light|dark|both、--all(捕获每条路由而非仅变更处)。

source

PowerToys UI 测试迁移

SkillSkillsMP

将 PowerToys UI 测试从 WinAppDriver/Selenium 迁移并稳定到 Microsoft.PowerToys.UITest.Next 与 winappcli。适用于移植、新建 UITest 工程、CI flaky 测试、本地 Hyper-V 虚拟机持续验证、可重置的干净基线运行、Settings IPC 鉴权/测试签名、Explorer/Shell 选择、预览 handler、缩略图提供程序、快捷键激活、有状态进程生命周期、WinUI/WebView 合成视觉基线,以及跨窗口/前台失焦问题。涵盖 API、脚手架、测试设计、诊断、agent 化执行与 CI 加固。关键词:UI test、UITestAutomation.Next、winappcli、WinAppDriver、Selenium、Settings IPC、Authenticode、local VM、Hyper-V、checkpoint、flaky、CI stability、WebView2。

source

java-mcp-server-generator

SkillSkillsMP

Use this skill when the user wants to create a Model Context Protocol (MCP) server in Java or in a Spring Boot app. Also use it when the user wants AI agents, such as GitHub Copilot or Claude, to use Java code, an API, or a database. Use it even if the user does not say "MCP". The skill makes a Maven or Gradle project with the MCP Java SDK 2.x, tools, JUnit tests, and client configuration. Do not use it for an MCP client or for a server in another language.

source

本地 K8s 开发环境

SkillSkillsMP

启动、拆除并配置 OpenShell 的本地 Kubernetes 开发环境。使用 k3d(Docker 承载的 k3s)+ Skaffold + Helm。覆盖集群生命周期、可选附加组件(Keycloak OIDC、Envoy Gateway)、高可用测试与端口映射。触发词:local k8s、local cluster、k3d、skaffold、helm dev、start cluster、stop cluster、tear down cluster、delete cluster、create cluster、helm:k3s、helm:skaffold、local dev environment、dev cluster、k8s dev、envoy gateway local、keycloak local、high availability、HA。

source

Codex 与 OpenAI 文档问答

SkillSkillsMP

用于 Codex 模型/定价、定时任务、skills、设置、安装、排障、定制、自动化与自我知识——包括指代 Codex 的“you”“your”“this app”“this coding agent”——以及 OpenAI API/产品与 ChatGPT Work 的问题。也用于模型选型/迁移、prompt 撰写、SDK、Responses、Realtime、agents、evals 以及 Chat/Work/Codex 的对比。仅提到 Codex 的普通应用/软件任务不适用。

source

developing-with-streamlit(Streamlit 应用开发)

SkillSkillsMP

适用于所有 Streamlit 任务:创建、编辑、调试、美化、样式、主题、优化或部署 Streamlit 应用;也包括自定义组件、st.components.v2 以及 HTML/JS/CSS 工作。会从用户安装的 Streamlit(>=1.57)发现并加载版本匹配的参考文档。触发词:streamlit、st.、dashboard、app.py、beautify、style、CSS、color、background、theme、button、widget styling、custom component、st.components、CCv2、session state、performance、cache、fragment、slow rerun、deploy。

source

极简偷懒编码(ponytail)

SkillSkillsMP

强制采用真正可行的最懒方案:最简、最短、最少。模仿一位见惯一切资深工程师的姿态:先质疑任务是否根本不必存在(YAGNI),优先标准库而非自写代码、平台原生能力而非引依赖、一行而非五十行。支持强度档位:lite、full(默认)、ultra。适用于任何编码任务:编写、新增、重构、修复、审查、设计代码以及选择库或依赖。当用户说 ponytail、be lazy、lazy mode、最简方案、minimal solution、YAGNI、do less、shortest path,或抱怨过度设计、膨胀、模板代码、不必要的依赖时也应使用。不用于非编码请求(通识、文章、翻译、摘要、菜谱)。

source

ml-engineering

SkillSkillsMP

Field-tested methodology and concrete recipes for training and operating large-scale LLM/VLM/multi-modal models end to end - choosing and benchmarking accelerators, storage and network; SLURM/Kubernetes orchestration; maximizing training throughput and fitting models in memory; diagnosing and surviving training instabilities, NaN/Inf, and hardware/job failures; checkpointing and fault tolerance; inference performance and memory; debugging multi-node/ multi-GPU hangs; and writing/running tests. Use when the user is training or fine-tuning large models, hits low TFLOPS/MFU, OOM, slow dataloading, a loss spike/divergence, a NCCL/InfiniBand or multi-node hang, node/GPU failures, checkpoint or preemption problems, storage/network bottlenecks, or needs to pick GPUs/cloud/file-systems or size inference latency/throughput. Distilled from "Machine Learning Engineering", the latest version of which can be found at https://github.com/stas00/ml-engineering The latest SKILL.md version can be found at https://github.com/st

source

Agent Reach 全网调研

SkillSkillsMP

当用户想要调研/research/搜索/search/查/找/look up 互联网上的任何内容时务必使用——例如“全网调研 X”“帮我调研一下 X”“查一下 X”“搜搜 X”“看看大家怎么评价 X”“X 上有什么讨论”“research this topic”。当用户提到任何平台或分享任何 URL/链接时也务必使用:小红书/xiaohongshu/xhs、Twitter/推特/X、B站/bilibili、Reddit、Facebook、Instagram、V2EX、LinkedIn/领英/招聘/求职/jobs、YouTube、GitHub code search、小宇宙播客、雪球/股票行情、RSS feeds 或任意网页 URL。覆盖 15 个平台、多后端路由(OpenCLI / 各平台 CLI / API),6 个渠道零配置。运行 `agent-reach doctor --json` 查看当前各平台的后端。不适用于:写报告/数据分析/翻译等内容加工(本 skill 只负责从互联网获取内容)、发帖/评论/点赞等写操作、已有专门 skill 的平台(应先用专门 skill)。【路由方式】SKILL.md 包含路由表和常用命令,复杂场景需按需阅读对应分类的 references/*.md。分类:search / social(小红书/推特/B站/V2EX/Reddit/Facebook/Instagram)/ career(LinkedIn) / dev(github) / web(网页/文章/RSS) / video(YouTube/B站/播客) / finance(雪球/股票)。

source

agent-host-e2e-tests(Agent Host 端到端测试)

SkillSkillsMP

在编写、录制、更新、验证或排查 src/vs/platform/agentHost/test/node/e2e 下的 agent host 端到端测试时使用(这些黑盒测试通过 AHP 协议驱动整个 agent host,并借助 CapiReplayProxy 的录制/回放系统对接 Claude/Copilot/Codex)。涵盖新增跨提供方测试、SDK 升级后重新录制 fixture、跨平台 Azure 验证、对非确定性或平台相关测试加门禁,以及诊断回放缓存未命中。

source

mem0-integrate(Mem0 集成)

SkillSkillsMP

以目标驱动、TDD 的流程将 Mem0 集成到现有仓库。自动检测仓库语言,并让用户在 Mem0 Platform(托管)与 Mem0 开源(自托管)之间选择。先写失败测试再做实现。产出本地功能分支和供配套验证技能使用的 .mem0-integration/ 产物。触发条件:用户说 "integrate mem0"、"add mem0 to this repo"、"wire mem0 into <repo>",或询问如何在现有项目中加入记忆。不触发:一般 SDK 使用(用 skill:mem0)、CLI 使用(用 mem0-cli)、Vercel AI SDK(用 skill:mem0-vercel-ai-sdk)。成功后调用 skill:mem0-test-integration 在同一工作区验证(松耦合)。

source

常见问题

Cursor 里 MCP 配置放在项目还是全局?

两者皆可:项目级 .cursor/mcp.json 随仓库共享给团队,全局 ~/.cursor/mcp.json 对本机所有项目生效。含密钥的配置建议放项目级并加入 .gitignore,或用环境变量引用。

一次接太多 MCP 会影响 Cursor 性能吗?

每个启用的 MCP 都会向上下文注入工具定义,建议按项目启用、用完禁用不常用的服务器,把上下文留给真正需要的工具。

Windows / macOS 配置有区别吗?

JSON 结构相同,差异主要在命令路径与环境变量写法(如 npx 与绝对路径、引号转义)。AgentHub 详情页会区分 stdio 与远程托管(streamable-http/SSE)两类接入方式。

配套安装与配置教程

相关场景