MCP 是一种让 AI 工具直接调用数据接口的方式。接入后,你在 Cursor 里说"帮我查一下 elonmusk 的粉丝数",AI 就会自动调用。
只需要两步:复制配置 → 粘贴到文件里。
把 your_api_key 替换成你的 API Key,把 api.yourdomain.com 替换成你的服务地址。
在项目根目录创建 .cursor/mcp.json,把配置粘贴进去。没有这个目录就手动建一个。或者放到全局配置 ~/.cursor/mcp.json。
{
"mcpServers": {
"twiapi": {
"url": "https://api.yourdomain.com/mcp",
"headers": {
"Authorization": "Bearer your_api_key",
"MCP-Protocol-Version": "2025-11-25"
}
}
}
}
{
"mcpServers": {
"twiapi": {
"url": "https://api.yourdomain.com/mcp",
"headers": {
"Authorization": "Bearer ${env:TWIAPI_MCP_KEY}",
"MCP-Protocol-Version": "2025-11-25"
}
}
}
}
export TWIAPI_MCP_KEY="your_api_key"
如果你用的是 Claude Desktop、ChatGPT、Windsurf 或其他支持 MCP 的工具,接入方式类似——填入 MCP 地址和请求头。
{
"mcpServers": {
"twiapi": {
"url": "https://api.yourdomain.com/mcp",
"headers": {
"Authorization": "Bearer your_api_key",
"MCP-Protocol-Version": "2025-11-25"
}
}
}
}
{
"mcpServers": {
"twiapi": {
"serverUrl": "https://api.yourdomain.com/mcp",
"headers": {
"Authorization": "Bearer your_api_key",
"MCP-Protocol-Version": "2025-11-25"
}
}
}
}
import httpx, json
MCP_URL = "https://api.yourdomain.com/mcp"
API_KEY = "your_api_key"
HEADERS = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}",
"MCP-Protocol-Version": "2025-11-25",
}
# 1. 初始化
r = httpx.post(MCP_URL, headers=HEADERS, json={
"jsonrpc": "2.0", "id": 1,
"method": "initialize",
"params": {
"protocolVersion": "2025-11-25",
"capabilities": {},
"clientInfo": {"name": "my-script", "version": "1.0.0"},
},
})
print(r.json()["result"]["serverInfo"])
# 2. 通知初始化完成(无需等待响应)
httpx.post(MCP_URL, headers=HEADERS, json={
"jsonrpc": "2.0",
"method": "notifications/initialized",
})
# 3. 调用工具 — 查用户信息
r = httpx.post(MCP_URL, headers=HEADERS, json={
"jsonrpc": "2.0", "id": 2,
"method": "tools/call",
"params": {
"name": "user_info",
"arguments": {"username": "elonmusk"},
},
})
result = r.json()["result"]
data = json.loads(result["content"][0]["text"])
print(f"@{data['username']} 粉丝数: {data['followers_count']}")
pip install langchain-mcp-adapters langgraph "langchain[openai]"
# --- agent.py ---
from langchain_mcp_adapters.client import MultiServerMCPClient
from langgraph.prebuilt import create_react_agent
from langchain.chat_models import init_chat_model
# 1. 配置 TwiAPI MCP 连接
client = MultiServerMCPClient({
"twiapi": {
"transport": "http",
"url": "https://api.yourdomain.com/mcp",
"headers": {
"Authorization": "Bearer your_api_key",
"MCP-Protocol-Version": "2025-11-25",
},
}
})
# 2. 加载工具并创建 Agent
tools = await client.get_tools()
model = init_chat_model("openai:gpt-4.1")
agent = create_react_agent(model, tools)
# 3. 使用
result = await agent.ainvoke({
"messages": "帮我查一下 elonmusk 的粉丝数和最新推文"
})
共 14 个工具,覆盖推文搜索、用户画像、评论分析、互动者列表和热搜趋势。
| 功能 | 工具名 | 简要说明 |
|---|---|---|
| 推文搜索 | tweet_search | 按关键词搜索推文 |
| 用户推文 | user_tweets | 获取某人的发推/回复/点赞 |
| 推文详情 | tweet_detail | 单条推文的完整信息 |
| 批量推文 | tweet_batch | 一次获取最多 20 条推文 |
| 推文评论 | tweet_comments | 获取推文下的评论 |
| 用户信息 | user_info | 用户资料、粉丝数等画像 |
| 用户搜索 | user_search | 搜索 Twitter 用户 |
| 粉丝列表 | user_followers | 获取某人的粉丝 |
| 蓝 V 粉丝 | user_blue_verified_followers | 获取某人的蓝 V / 认证粉丝 |
| 关注列表 | user_following | 获取某人关注的人 |
| 转发者 | tweet_retweeters | 谁转发了这条推文 |
| 点赞者 | tweet_favoriters | 谁点赞了这条推文 |
| 热搜趋势 | get_trends | 当前热门趋势话题 |
| 列表推文 | list_tweets | 获取 Twitter 列表里的推文 |
在终端运行下面这条命令,如果返回了 JSON 数据,说明连接正常。
curl -X POST "https://api.yourdomain.com/mcp" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer your_api_key" \
-H "MCP-Protocol-Version: 2025-11-25" \
-d '{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/list",
"params": {}
}'
保存配置文件后需要重启 Cursor,或者关闭项目重新打开。如果还是看不到,检查 JSON 格式是否正确(逗号、引号),以及 MCP 地址是否可以访问。
确认 API Key 是有效的,并且没有过期或被停用。可以在管理后台查看 Key 的状态。Header 里的格式必须是 Bearer your_api_key,注意 Bearer 和 Key 之间有一个空格。
把配置里的 https://api.yourdomain.com/mcp 改成 http://127.0.0.1:9833/mcp,其余不变。本地测试时 Key 写明文最方便。
和直接调用 HTTP API 的额度消耗完全一致,具体参见 API 文档 中各接口的「消耗额度」说明。