许多初学者在使用AI工具时常常遇到一个痛点：虽然AI能够提供指导，但实际操作仍然需要手动完成。本文将为你带来一个“保姆级”教程，介绍如何通过配置Cursor和Sqlite MCP Server，让AI直接操作数据库，从而实现真正的自动化编程。

在用Cursor等AI工具编程的同学们，有没有发现，你原本想让AI帮你解决问题，但AI老是让你自己去操作。

例如我做数据分析，一定离不开数据库，每次需要执行操作的时候，都是让AI给我命令，然后我手动去执行。

其实这个过程完全没有必要，我们可以让AI自己去操作数据库！！！

这就是我们今天要介绍的MCP Server的能力！！

可以看下Cursor官方文档中的介绍：

https://docs.cursor.com/context/model-context-protocol

起因是我有开发一个内容矩阵系统，伴随着一个sqlite数据库, 虽然说是AI编程，但还多本地的操作它无法执行，要我去做，我就变成了它的小弟，这让我很不爽。直到我用上MCP，真正让Cursor变成AI Agent之后，我才看到了真正的人工智能。

B端产品经理的能力模型与学习提升

B端产品经理面临的第一大挑战，是如何正确的分析诊断业务问题。 这也是最难的部分，产品设计知识对这部分工作基本没有帮助，如果想做好业务分析诊断，必须具备扎实 ...

查看详情 >

今天就给大家介绍一个MCP的实操：让Cursor操作MCP

设置步骤

总共分成三步

下载SQL Lite MCP Server

用到的项目地址是：https://github.com/modelcontextprotocol/servers/tree/main/src/sqlite

但我直接到主页https://github.com/modelcontextprotocol/servers/tree/main 把整个servers 都下载了

解压到了这里：

配置MCP服务器

你需要创建一个MCP配置文件，有两种位置可以放置：

• 项目配置：在你的项目目录下创建 .cursor/mcp.json 文件（仅在该项目中可用）
• 全局配置：在你的主目录下创建 ~/.cursor/mcp.json 文件（在所有Cursor工作区可用）这里的主目录是linux的，windows的话可以直接到Cursor的设置里打开添加。

这里我是先用在单个项目的测试上，就用的项目配置：

配置SQLite MCP服务器

根据GitHub仓库中的信息，SQLite MCP服务器有两种运行方式：

方式一：使用uv（本地运行）

UV 是一个Python的包，我们先安装他

pip install uv
pip install httpx mcp

把以下配置复制黏贴到刚生成好的mcp.json里，这是一个标准的MCP配置格式，其中我们看到需要自行做修改

{  
   “mcpServers”:{    
       “sqlite”:{      
           “command”:”uv”,      
               “args”:[        
                   “–directory”,        
                   “你的servers仓库路径/servers/src/sqlite”,        
                   “run”,        
                   “mcp-server-sqlite”,        
                   “–db-path”,        
                   “~/你的数据库.db”      
               ]    
           }
}
}

注意我的路径：

然后我的配置文件长这样：

其实这个配置的逻辑很简单，就是命令行运行uv –directory D:/ProgramData/js/mcp/servers-main/src/sqlite run mcp-server-sqlite –db-path ai_editor.db 只是把它们每个元素拆开了放进去，这样就好理解了。

方式二：使用Docker

这个方法还要配置Docker，对大部分人来说有点太麻烦了，就仅展示

{  
   “mcpServers”:{    
       “sqlite”:{      
           “command”:”docker”,      
               “args”:[        
                   “run”,        
                   “–rm”,        
                   “-i”,       
                   “-v”,        
                   “mcp-test:/mcp”,        
                   “mcp/sqlite”,        
                   “–db-path”,        
                   “/mcp/test.db”      
               ]    
           }
}
}

使用Docker前需要先构建镜像：

docker build -t mcp/sqlite .

3. 查看配置好的MCP Server，重启Cursor

找到设置，如果能看到下面图里的样式，就说明Cursor识别成功了，否则就是Json文件哪里填错了，例如windows的地址，是不能直接复制文件窗口上的，否则会有红线报错，这样Cursor是识别不到MCP Server的

其次，还要观察名字前面是否有绿色的灯，绿色才证明开着。

这里我一开始遇到一个大坑，一直不亮灯，甚至显示client closed，查了各种网络都没有人说，我自己折腾了半天才解决。这个坑，如果你也遇到了，就看文末。

顺利的话，就重启Cursor，打开的时候会自动弹出命令行窗口

这是Cursor在替你运行 MCP Server，注意不要关闭，让它一直开着。

使用SQLite MCP服务器的工具

配置好后，Cursor的Agent将能够访问以下SQLite工具，同时这也是我们下载的Sqlite MCP Server文件里定义好的命令：

查询工具

• read_query：执行SELECT查询读取数据
• write_query：执行INSERT、UPDATE或DELETE查询
• create_table：创建新表

模式工具

• list_tables：获取所有表的列表
• describe-table：查看特定表的模式信息

分析工具

• append_insight：向memo资源添加新的业务见解

在Cursor的Agent中可以直接引用这些工具。Agent会自动检测可用的MCP工具，或者你可以明确告诉Agent使用特定的工具。

接下来使用就很简单了，例如我这个项目需要新增一些表格，就直接说：

当前项目是一个ai批量改写内容管理系统，每篇内容都有id
现在我需要新增一个内容的多版本管理功能
请你帮我在数据库中新建好对应的多版本表格

然后AI就一如既往的查看当前项目，包括查看数据库情况，就直接调用了，如下图：

Calling MCP tool list_tables

格式：Calling + 某个工具+什么命令

最后的命令则是我们前面部署好的MCP Server里自定义好的

点开每个Call，就能看到它具体干了什么

如果你不想老是去点Run tool， 就可以把Features里的Enable auto-run mode打开

这个操作真的巨丝滑！！还会自动生成日志、视图，甚至插入测试数据，最后再检验，比我做的还6

但要提醒一下，AI有很大的不确定性，不建议在生产环境直接用AI去改你的数据库！！

建议是在刚开始做项目的时候，让AI帮你完成初始化，或者在执行前，手动做一个备份，如果有问题，能马上恢复！！！

一个大坑！！

遇到一个大坑，因为我是用Anaconda的多环境管理，包括构建的uv也是用的虚拟环境，导致我一直运行MCP Servers失败，显示client closed

后来我不断尝试，重新安装依赖包之类的，偶然成功了一个，发现Cursor调用的是我电脑系统默认的Python，所以我判断很可能是环境问题。

于是我找到系统环境变量查看，在用户变量里找到了Cursor使用的系统Python

接着，还需要注意的是，每个MCP Server都有版本限制的，例如当前这个项目，找到.python-version就能看到要求是3.10

有了这个猜想，就马上行动：

1. 卸载电脑本地的Python，注意还需要手动删除掉上面系统变量里的路径文件夹

2. 重新下载3.10包，默认位置，也就是前面系统变量提到的根目录

3. 把系统变量里的 Python38 改成 Python310 因为结构一样的，改个路径名字就行

4. 重启电脑，一定要重启，这样才能清掉缓存，让Cursor能正确识别新的Python

5. 然后按以上的流程重新操作一遍，成功！

以上就是今天的所有内容。