cursor linkup MCP

MCP搜索检索

提供方 RanneG

搜索检索 stdio · 本地进程 OAuth 授权 社区 / 第三方 Cursor
查看接入方式

一个为Cursor IDE定制的MCP服务器,提供本地RAG和网络搜索功能。

一句话选型结论

按资料字段整理

cursor linkup MCP 属于搜索检索类 MCP 服务器,stdio · 本地进程,OAuth 授权,可直接接入 Cursor,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类搜索检索 传输方式stdio · 本地进程 鉴权OAuth 授权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 5 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

搜索检索
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量5暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

本地AIPython本地部署文档检索网络搜索Cursor集成隐私保护

安装与配置

stdio · 本地进程 OAuth 授权
客户端在本机拉起子进程,数据不出本机
python voice_prompt_tool.py --hotkey ctrl+shift+v

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 5 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
联网搜索取证

让模型查最新资料并给出出处。

资料聚合

把一个主题的网页、文档集中抓回来整理。

情报与竞品检索

按关键词持续检索行业动态和竞品信息。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 5 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Cursor,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 使用前要准备好OAuth 授权对应的凭据,并按最小权限配置。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在搜索检索场景里让模型直接调用外部能力的人。
  • 已经在用 Cursor 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 不方便管理密钥或第三方授权的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
cursor linkup MCP当前 5 stdio · 本地进程 本地部署 有 2026-05-17
Brave Search 433812ff 2 未标注 未标注 无 2026-05-17
Sequentialthinking 1 SSE · 服务端推送 远程部署 有 2026-05-18
Baidu Netdisk 未标注 未标注 未标注 无 2026-05-17
ragflow 未标注 stdio · 本地进程 本地部署 有 2026-04-11
mindsdb (430e18) 未标注 未标注 未标注 有 2026-05-17

服务器档案

搜索检索
字段来自项目仓库与公开索引,中文说明由本站标注
提供方RanneG上游标注的维护方 RanneG
分类搜索检索本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式OAuth 授权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

10.2 KB
来自项目仓库与上游目录的原文,未做删改

光标链接MCP服务器

用于Cursor IDE的自定义MCP(模型上下文协议)服务器,具有:

  • 🌐 网络搜索 -深度网络搜索使用 API链接
  • 📚 RAG(检索增强生成) -使用Ollama的LlamaIndex查询文档

✨ 主要特点

  • ✅ 本地AI -使用Ollama(llama3.2)实现完全隐私
  • ✅ API成本为零 -RAG工具完全免费(使用本地模型)
  • ✅ 来源引用 -知道答案从哪里来
  • ✅ 多种文档类型 -支持PDF、DOCX、MD、TXT等格式
  • ✅ 光标集成 -在Cursor IDE中无缝工作

📋 先决条件

  • Python 3.12+
  • 紫外线 包管理器
  • 奥拉玛 使用llama3.2型号在本地安装
  • 链接API密钥 (可选,仅用于网络搜索)

🚀 快速开始

1.克隆和安装依赖项```bash

git clone https://github.com/RanneG/linkup_mcp.git
cd linkup_mcp
uv sync


**默认安装** (`uv sync` / `pip install -e .`)是 **光标MCP+RAG** 只有(更轻的venv)。对于 **`stitch_rag_bridge.py`**、face/Outh/Gmail和服务器端语音STT,添加 **`--extra stitch-bridge`**.

### 2.安装Ollama&Model```bash
# Download from https://ollama.ai/download
# Then pull the model:
ollama pull llama3.2

3.配置环境(可选)

创建一个 .env 用于网络搜索的文件(RAG在没有API密钥的情况下工作):```bash
LINKUP_API_KEY=your_linkup_api_key # Optional, for web_search tool


### 4.配置光标

增添 `~/.cursor/mcp.json` (或 `C:\Users\\.cursor\mcp.json` 在Windows上):```json
{
"mcpServers": {
"linkup-server": {
"command": "C:\\Users\\YOUR_USERNAME\\AppData\\Local\\Microsoft\\WindowsApps\\python.exe",
"args": [
"-m", "uv", "run",
"--directory", "C:\\path\\to\\linkup_mcp",
"python", "server.py"
]
}
}
}

替换 YOUR_USERNAME 并按照你的实际价值观走下去。

5.免费本地开发端口(可选)

如果 8765 (缝合桥/捆绑UI), 1420 (Tauri),或 5173 (Vite)撞车后卡住了,跑吧 Close-DevPorts.bat 在repo根目录(或 .\scripts\Close-StitchDevPorts.ps1).使用 -DryRun 列出听众而不杀人。这停止了 在这些端口上侦听的进程,而不是“localhost”本身。

6.重新启动游标并使用!

在Cursor的聊天中:

  • “使用抹布工具告诉我[主题]”
  • “使用rag_stritch工具获取UI就绪应答有效负载”
  • “在网上搜索[query]” (需要Linkup API密钥)
  • 本地耳语(无链接): whisper_stt_status 然后 transcribe_wav_file 有一条通往 .wav 文件。需要 pip install -e ".[stitch-whisper]" 并重新启动光标MCP。

7.语音提示热键工具(离线)

使用 voice_prompt_tool.py 将一次听写直接输入到您的编码流中:```bash
uv sync --extra stitch-whisper --extra voice-prompt
python voice_prompt_tool.py --hotkey ctrl+shift+v


它的作用:

- 麦克风捕获的全局启动/停止热键
- 本地更快的耳语转录(离线)
- 文件引用提取(`auth.ts` -> `@auth.ts`)
- 提示信封已复制到剪贴板:
- `[FILE REFERENCE: ...]`
- `[TASK: ...]`

复制后可选择直接粘贴:```bash
python voice_prompt_tool.py --autopaste

📚 使用RAG工具

将文档添加到 data/ 文件夹:```
data/
├── document1.pdf
├── notes.md
└── research/
└── paper.pdf


支持:PDF、DOCX、TXT、MD、HTML等。

### 针式响应形状

这 `rag` 工具现在返回一个JSON字符串:

- `answer`:最终合成答案文本
- `confidence`: `low`, `medium`,或 `high`
- `fallback`: `true` 当证据不足时
- `sources`:已排序的源代码片段(`source_id`, `score`, `snippet`)

这 `rag_stitch` 工具返回一个面向UI的JSON字符串:

- `state`: `answered` 或 `fallback`
- `answer`
- `confidence` (`low`, `medium`,或 `high`)
- `source_cards` (空时 `state` 是 `fallback` 因此UI保持干净)
- `show_sources` (`false` 回退)
- `debug_retrieval_cards` (仅当 `STITCH_RAG_DEBUG=1` 以及回退——用于调试的原始顶部块)

### 存储库拆分(缝合生产)

这 **Stitch桌面应用程序** (React+Tauri)是 **迁移到** **RanneG/缝合应用程序**; **linkup_mcp** 仍然是 **MCP服务器** 和 **HTTP网桥** 用于本地RAG、OAuth、订阅、面部和应用内帮助。移交清单和文件清单: **docs/缝合/MIGRATION.md** (参见 **docs/stick/README.md**).

### `stitch-api-types` (TypeScript)

NPM工作区 **`packages/stitch-api-types`** 发表 `.d.ts` 为了 **`POST /api/rag/stitch`**, **`POST /api/rag/stitch-help`**, **`GET /api/health`**,以及相关的有效载荷。从repo根构建: **`npm run build:stitch-api-types`**. **缝合应用程序** 可以依靠它 `file:` 路径(参见 **缝合应用程序** `docs/BACKEND.md`).

### Stitch HTTP桥(用于Stitch桌面应用程序)

运行一个小型Flask服务器,该服务器暴露的有效负载与 `rag_stitch`,加上可选 **本地人脸验证** (`/api/face/*`,DeepFace+OpenCV活跃度——请参阅 `face_verification/`).需要 **`stitch-bridge`** 附加:```bash
uv sync --extra stitch-bridge
.\.venv\Scripts\python.exe stitch_rag_bridge.py

然后将Stitch应用程序的Vite开发代理指向 http://127.0.0.1:8765 (参见 缝合应用程序文档/BACKEND.md 或 集成/缝合/README.md;代理 /api 用于RAG、face、auth、订阅和帮助路由)。

谁需要什么: 任何人都可以运行 缝合UI 从 缝合应用程序 使用Node(请参见 docs/RUNNING.md). linkup_mcp 是必需的 /api/* 后端功能(身份验证、数据、RAG、面部、服务器支持的帮助)。

从该仓库开发Stitch UI(可选)

根脚本 npm run dev:browser, npm run dev:desktop, npm run build:stitch-web, npm run build:stitch-app 使用 scripts/run-stitch-ui.mjs,这解决了 STITCH_APP_ROOT 或兄弟姐妹 ../stitch-app 只有。看 docs/缝合/MIGRATION.md.

缝合单窗口GUI

规范捆绑流现在从 缝合应用程序 (Stitch.bat 在那里)。需要时,它将此仓库用于后端网桥功能。

  1. 构建 里面的Stitch桌面包 缝合应用程序 (npm run build).
  2. 跑 Stitch.bat 从 缝合应用程序 根。
  3. 保持此仓库可用于网桥运行时(stitch_rag_bridge.py)on 127.0.0.1:8765.

Stitch作为原生桌面应用程序(无需长时间手动命令链)

史迪奇 apps/desktop 包装用途 涛瑞 对于一个真正的窗口应用程序(npm run dev 那里= tauri dev).运行这些从 缝合应用程序:

目标 做什么
双击一次 (桥接+同步+Tauri) 跑步 Stitch-Desktop.bat 在 缝合应用程序 回购根。
与终端相同 npm run dev (缝合应用程序)
Bridge已在运行 从Stitch应用程序启动Stitch并保持此repo桥打开 127.0.0.1:8765
仅限Tauri(你自己开始桥) npm run dev:desktop
仅浏览器选项卡(无Tauri) npm run dev:browser (使用 缝合应用程序 通过 run-stitch-ui.mjs)
包装好的 .exe /安装程序 npm run build:stitch-app (之后 牛磺酸先决条件 和一个 缝合应用程序 克隆)

你需要 节点 上 PATH 以及当地 缝合应用程序 克隆(兄弟姐妹 ../stitch-app 或 STITCH_APP_ROOT).第一次Tauri开发运行可能会编译Rust依赖项(一次性等待)。

快速回归运行

要对本地PDF语料库运行v1提示套件:```bash
python rag_regression.py


这将打印每个响应有效负载和一个小摘要(源计数、回退计数、低置信度计数)。

### 缝合JSON合约测试```bash
python -m unittest tests.test_rag_stitch_contract -v

确认 rag_stitch_contract._to_stitch_view 形状(answered 对比 fallback, show_sources,可选 debug_retrieval_cards).

如果MCP安全提示回退,请将MCP横向图添加到 data/:

  • 模型上下文协议(MCP):现状、安全威胁和未来研究方向

🛠️ 项目结构```

linkup_mcp/
├── server.py # Main MCP server
├── local_whisper_stt.py # faster-whisper helpers (MCP transcribe_wav_file)
├── rag.py # RAG workflow
├── stitch_rag_bridge.py # Local HTTP bridge for Stitch UI dev (RAG + /api/face)
├── face_verification/ # Local 1:1 face match + liveness (used by bridge)
├── integrations/stitch/ # Pointer README — UI lives in stitch-app repo
├── docs/ # e.g. stitch_user_guide.md (bridge Help / Ask Stitch)
├── data/ # Your documents
├── pyproject.toml # Dependencies
├── .cursorrules # AI context for Cursor
└── .env # Environment variables (create this)


## 🔧 运作原理```
Cursor IDE → MCP Server (server.py)
↓
┌────────────┴────────────┐
│  RAG Tool   │  Web Search│
│  (rag.py)   │  (Linkup)  │
└──────┬──────┴────────────┘
↓
Ollama (llama3.2) - runs locally

💰 成本

工具 成本
抹布 $0 (当地Ollama)
网络搜索 ~10-50美元/月(链接API)
奥拉马 $0 (在本地运行)

🐛 故障排除

MCP服务器未加载?

  1. 检查Ollama是否正在运行: ollama list
  2. 验证路径 mcp.json
  3. 检查游标日志: %APPDATA%\Cursor\logs\

奥拉玛的联系被拒绝了?bash ollama serve

🔐 隐私

  • ✅ RAG工具:100%本地,文档永远不会离开您的机器
  • ✅ 奥拉玛:本地运行,无云API调用
  • ⚠️ 网络搜索:发送到Linkup服务器的查询

📖 相关项目

存储库 目的
聊天机器人rag core 可重用的Python RAG库
聊天机器人api服务器 生产Docker API服务器

🎓 资源

  • MCP文件
  • API链接
  • 骆驼索引
  • 奥拉玛

📝 许可证

MIT许可证-请参阅 许可证

🙏 学分

  • 原件: patchy631/ai工程中心
  • 连接 用于网络搜索
  • 骆驼索引 对于RAG
  • 奥拉玛 对于本地AI

由以下材料制成❤️ 适用于Cursor IDE用户

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
cursor linkup MCP 怎么安装?

在客户端按下面的安装命令接入:python voice_prompt_tool.py --hotkey ctrl+shift+v。装完在客户端配置里引用同一个包或端点。

cursor linkup MCP 怎么在 Cursor 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

cursor linkup MCP 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

cursor linkup MCP 需要 API Key 吗?

资料标注需要OAuth 授权认证,使用前准备好对应凭据,并按最小权限配置。

cursor linkup MCP 支持哪些客户端?

资料标注支持 Cursor;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

cursor linkup MCP 能提供哪些能力?

资料显示约 5 个工具;能力标签包括 本地AI、搜索、Python、Cursor、文档检索。具体工具清单以官方文档为准。

cursor linkup MCP 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

cursor linkup MCP 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。