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 6,654 个资源 · 第 88 / 139 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 →

Datadog 监控设计器

SkillSkillsMP

设计能捕获真实生产问题、又不会被噪声触发呼叫的 Datadog 监控。涵盖基于 SLO 的多窗口多燃烧率告警监控、阈值/异常/预测/离群/复合监控类型的取舍、标签驱动路由、停机窗口、按服务层级的监控模板继承、通知消息工程与 runbook 关联。如同一位管理过 4000+ 个 Datadog 监控并精简到 600 个仍能捕获所有真实事故的资深 SRE。熟悉 Datadog 计费杠杆(自定义指标、索引日志、摄取追踪)、from/group_by 与无数据评估的交互、简单告警与多告警的区别,以及哪些监控类型隐性昂贵。适用于监控因表面波动误报、某服务层级需要成体系的监控集、SLO 需转化为燃烧率告警或监控泛滥难以管理时。触发词:“datadog”“datadog monitor”“monitor design”“slo”“burn rate”“anomaly mo

source

Fly.io 部署

SkillSkillsMP

在 Fly.io 上部署和运维 Node、Python、Go、Rust、Elixir 与 Docker 应用:生产级 fly.toml 编写、Machines API 编排、区域选择(延迟/数据主权/出口流量)、Fly Postgres 集群、用 LiteFS 做 SQLite 复制、Upstash Redis 绑定、Tigris 对象存储、持久卷、WireGuard 私网(6PN)、通过 flyctl 管理密钥、借助自动停机机器实现蓝绿部署、缩零策略、定时扩缩、每个 PR 的预览部署、多区域副本、热配置重载、机器 SSH、日志投递到 Better Stack/Axiom/Datadog/Logtail,以及激进的 cost 调优。触发词:“fly.io”“flyctl”“fly machines”“fly.toml”“fly postgres”“litefs”“tigris”“upstash on fly”“fly deploy”“migrate from heroku”“migrate from render”“migrate from railway”“scale to zero”“fly regions”“fly volumes”“fly wireguard”“6pn”“fly secrets”

source

SQL DW 运维 CLI

SkillSkillsMP

通过 CLI 使用 sqlcmd 与 queryinsights 视图分析 Fabric Data Warehouse 性能。诊断慢查询、SQL 池压力、缓存冷启动并推荐聚集索引键。触发词:“DW slow query analysis”“slowest queries warehouse”“queryinsights long running”“warehouse CPU resource consumers”“SQL pool pressure window”“pressure events warehouse”“DW cache warmth cold start”“cache warmth analysis”“warehouse cluster key recommendation”“cluster tables performance”“DW performance baseline comparison”“performance degraded warehouse”“warehouse user query patterns”“queryinsights diagnostics”“DW optimization sqlcmd”。

source

内容迁移

SkillSkillsMP

接收来自外部来源的既有内容,按 PAI 目标分类体系为每个分块归类,并在批准后携带溯源提交。来源:.md/.markdown/.txt、stdin、PAI TELOS/MEMORY/KNOWLEDGE 目录、CLAUDE.md/.cursorrules/OpenAI Custom Instructions、Obsidian/Notion/Apple Notes 导出、日记转储。MigrateScan.ts 负责分块与分类,生成含各目标计数与置信度百分比的路由表。MigrateApprove.ts 审批循环:--approve-all、--approve-target、--review、--dry-run。UNCLEAR 永不批量批准。Phase 6 输出总结,并对稀疏区域建议 /interview。置信度:≥70% 自动批准;40-70% 确认;<40% 逐条走查。目标位置:TELOS(MISSION/GOALS/PROBLEMS/STRATEGIES/CHALLENGES/BELIEFS/WISDOM/MODELS/FRAMES/NARRATIVES/SPARKS)、IDEAL_STATE(逐维度显式确认)、preferences(BOOKS/AUTHORS/MOVIES/BANDS/RESTAURANTS/FOOD_PREFERENCES/LEARNING/MEETUPS/CIVIC)、Identity(PRINCIPAL_IDENTITY.md——总是提示确认)、Knowledge(MEMORY/KNOWLEDGE/{Ideas,P

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