MCP в Cursor IDE: подключаем AI-агенту внешние данные без возни с API

В сфере искусственного интеллекта произошло заметное событие. badcasedaily1 5 минут назад MCP в Cursor IDE: подключаем AI-агенту внешние данные без возни с API Средний 8 мин 74 Блог компании OTUS Искусственный интеллект Python * Open source * Туториал Cursor IDE умеет генерировать код, рефакторить, объяснять и дебажить. Но по умолчанию он видит только файлы в вашем проекте. Если нужно, чтобы агент сходил в Google Trends, проверил задачи в Jira или прочитал что-то из Notion, приходится копировать данные руками и вставлять в чат.

Агент получается не особо автономным, каждый шаг требует вашего участия. MCP даёт агенту инструменты — функции, которые тот вызывает сам, когда ему нужны внешние данные. Вместо «вот тебе CSV, проанализируй» вы пишете «проанализируй тренды по запросу X», и агент сам вызывает нужную функцию, получает данные и работает с ними.

Технические детали

Как устроен MCPMCP — открытый протокол, который стандартизирует подключение инструментов к языковым моделям. До него каждый фреймворк делал по-своему: у LangChain свои tools, у OpenAI function calling, у Cursor свой формат. MCP ввёл единый стандарт.

MCP-сервер — программа, которая запускается локально и экспортирует инструменты через стандартный протокол. Каждый инструмент имеет имя, описание и схему параметров. Cursor видит список инструментов и вызывает нужный, когда считает это полезным для ответа.

Без MCP агент знает только файлы в проекте и ваше сообщение. С MCP он может запросить данные из внешнего API, прочитать документ из базы знаний, выполнить SQL-запрос, вызвать скрипт. Агент сам решает, какой инструмент вызвать, формирует запрос, получает ответ и продолжает работу.

Отраслевые последствия

Подключаем MCP-сервер к CursorКонфигурация живёт в . json в корне проекта:{ "mcpServers": { "google-trends": { "command": "python", "args": , "env": { "SERPAPI_KEY": "your-key-here" } } } }Cursor запускает сервер как дочерний процесс, общается через stdin/stdout по протоколу MCP. После перезапуска Cursor видит инструменты сервера и может их использовать.

Можно подключить несколько серверов одновременно:{ "mcpServers": { "google-trends": { "command": "python", "args": }, "postgres": { "command": "npx", "args": , "env": { "POSTGRES_URL": "postgresql://user:pass@localhost:5432/mydb" } }, "filesystem": { "command": "npx", "args": } } }Три сервера: Google Trends для аналитики, PostgreSQL для запросов к базе, файловая система для чтения документов за пределами проекта. Агент видит инструменты всех трёх и комбинирует их в одном запросе. Пишем MCP-сервер для Google TrendsMCP-сервер на Python через библиотеку mcp:from mcp.

fastmcp import FastMCP from pytrends. request import TrendReq import json mcp = FastMCP("google-trends pytrends = TrendReq(hl="ru", tz=180) # русский язык, московское время @mcp. tool() def get_interest_over_time(query: str, timeframe: str = "today 3-m -> str: """Получить динамику интереса к запросу за период.

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.