Cursor中直接查询技术文档的MCP方案

如果你使用 Cursor、Windsurf 或 Claude Code 来开发软件，你一定遇到过「幻觉 API」问题：

你让模型用现代框架（如 Next.js 14 App Router、LangChain v0.3 或 Pydantic v2）实现一个功能。模型写出了 150 行自信而优雅的代码。你运行它，它立刻崩溃了：

TypeError: Cannot read properties of undefined (reading 'call')
ImportError: cannot import name 'ChatOpenAI' from 'langchain'

你意识到模型幻觉出了一个两年前就已废弃的 API 方法，或者发明了一个根本不存在的函数签名。

常见的解决方案令人沮丧：你切换标签页，找到官方文档网站，把三页 markdown 复制粘贴到 Cursor 聊天提示框，看着上下文窗口膨胀了 12,000 个 token，而你还没写一行应用逻辑。

有一种好得多的方式：Model Context Protocol（MCP）。

在这篇指南中，我们将介绍如何构建并对外暴露一个零注册、公开的 Documentation MCP Server：https://docs.memorysync.io/mcp，它允许 Cursor 和 Claude Desktop 在 50ms 以内自主搜索、索引并读取实时技术文档，全程无需任何认证。

1. 为什么内置 @Docs 在现代 IDE 中失效

Cursor 内置了 @Docs 爬虫，但当处理快速演进的 AI 库时，它有三个结构性缺陷：

2. 架构：Docs-over-MCP 是如何工作的

我们没有让开发者为了查阅一个文档页面而必须在本地下载笨重的 Python 或 Node.js 包，而是直接在 https://docs.memorysync.io/mcp 托管了一个 edge JSON-RPC 2.0 服务器。

以下是确切的运行时流程：

+-------------------------------------------------------------+
|                        Cursor Composer                      |
|                  (User types: "How do I store...")          |
+------------------------------+------------------------------+
                               | 
                               | 1. Auto-calls tool: search_docs("store chat turns")
                               v
+-------------------------------------------------------------+
|              MemorySync Public Docs MCP Server              |
|              (https://docs.memorysync.io/mcp)               |
+------------------------------+------------------------------+
                               | 
                               | 2. Returns scored markdown headings & slugs
                               v
+-------------------------------------------------------------+
|                        Cursor Composer                      |
|             2. Auto-calls tool: read_doc("/quickstart")     |
+------------------------------+------------------------------+
                               | 
                               | 3. Returns exact markdown snippet (< 200 tokens)
                               v
+-------------------------------------------------------------+
|         Model Writes Bug-Free Code Matching Exact Live API  |
+-------------------------------------------------------------+

3. 服务器暴露的 3 个工具

我们的公开文档服务器实现了严格的 MCP 2025-06-18 规范，暴露了三个只读工具：

执行 BM25 和关键词搜索，跨越所有已索引的文档章节。

{
  "name": "search_docs",
  "arguments": {
    "query": "authentication bearer token"
  }
}

返回值：经排序的 URL、标题和章节标题列表。

获取任意文档页面的干净、纯 markdown 对应版本，无 HTML 样板、无脚本、无导航横幅。

{
  "name": "read_doc",
  "arguments": {
    "path": "/guides/cursor"
  }
}

返回值：可供 LLM 检查的精确 markdown 内容。

Tool 3: list_doc_sections

返回整个文档层次的结构化地图，包括指向原始 llms.txt 和 llms-full.txt 端点的指针。

4. 60 秒搞定：4 行 JSON 连接 Cursor

你不需要账号、API 密钥或信用卡就能在本地项目中使用它。

Step 1: 创建或打开 .cursor/mcp.json

在项目根目录下创建 .cursor 文件夹并添加 mcp.json 文件：

{
  "mcpServers": {
    "memorysync-docs": {
      "url": "https://docs.memorysync.io/mcp"
    }
  }
}

（如果你使用的是 Claude Desktop，使用 npx -y mcp-remote https://docs.memorysync.io/mcp 作为你的 stdio-to-SSE 桥接器。）

Step 2: 在 Cursor 设置中验证

按 Cmd + ,（macOS）或 Ctrl + ,（Windows/Linux）。

进入 Features -> MCP。

你会看到 memorysync-docs 旁边有一个绿色状态点，显示 3 个活跃工具！

5. 秘密武器：.cursorrules 模式

为了让 Cursor 在你提问时自动查询文档（这样你甚至不需要手动输入 @docs），把这个代码片段添加到根目录的 .cursorrules 或 .cursor/rules/mcp.mdc 文件中：

# Documentation Query Rule
When writing code that integrates with MemorySync or external APIs:
1. NEVER assume or guess method names, SDK signatures, or endpoint parameters.
2. If you are unsure of an API contract, call `search_docs` with the relevant keywords.
3. Inspect the returned slug with `read_doc` before generating code.
4. Always implement code strictly matching the signatures in the returned markdown documentation.

6. 实时验证：观察 Cursor 工作

当你向 Cursor Composer 提示时，会发生以下事情：

"Show me how to store conversation turns in MemorySync using Python."

模型不再从过时的 2023 年训练权重中猜测，你会看到 Cursor 在时间线中执行两次工具调用：

memorysync-docs: search_docs({"query": "python store turns"})

memorysync-docs: read_doc({"path": "/sdks/python"})

生成的代码使用的是精确的当前 SDK：

from memorysync import MemorySyncClient

client = MemorySyncClient(api_key="ms_live_...")

# Correct, verified live SDK method:
memory = client.memories.add(
    text="User prefers PostgreSQL over MongoDB for transactional data",
    metadata={"source": "composer", "importance": 0.9}
)
print(f"Memory recorded: {memory.id}")

零弃用警告。零幻觉。零手动复制粘贴。

7. 上下文窗口效率：数据

我们基准测试了一个 50 轮对话的 Agent 编程会话，对比传统上下文填充 vs. Docs-over-MCP：

通过让 IDE 在需要时精确获取所需内容，你的 LLM 始终保持在快速、高准确性的上下文最佳区间。

结论 & 开源起始项目

如果你想不经过手动设置立即测试，我们发布了一个开箱即用的模板：

Cursor 起始模板：github.com/memorysyncio/memorysync-cursor-starter

Claude Desktop 5 行快速上手：gist.github.com/mdhaseeb343q-pixel

实时文档：docs.memorysync.io

快乐构建，愿你的 AI Agent 不再幻觉出 API 签名！