Chatbot Cursor MCP

MCP聊天机器人（光标集成）

对话 MCP客户端 用Python构建， LangChain，以及 希腊 LLM 设计用于内部运行 光标.

该聊天机器人连接到多个MCP服务器（Playwright、DuckDuckGo搜索、Airbnb等），并允许您在终端或通过Cursor的MCP集成进行对话式控制。

______________________________________________________________________

特性

• 光标本机：将此项目作为MCP客户端添加到Cursor中。
• 对话 所有MCP服务器 定义于 browser_mcp.json.
• 通过以下方式自动化浏览器交互 剧作家MCP.
• 使用以下内容搜索网络 DuckDuckGo MCP.
• 通过以下方式查询Airbnb房源 OpenBNB MCP.
• 支持内存的对话（可按需清除）。
• 由...驱动 希腊 LLM (qwen3-32b, llama3等等）。

______________________________________________________________________

设置为 uv

1. 初始化项目

   uv init mcpdemo
   cd mcpdemo

1. 创建并激活虚拟环境

   uv venv
   source .venv/bin/activate

1. 安装依赖项

   uv add langchain-groq
   uv add mcp-use

1. 添加聊天机器人脚本 (app.py)到项目根目录：

   import asyncio
   import os
   from dotenv import load_dotenv
   from langchain_groq import ChatGroq
   from mcp_use import MCPAgent, MCPClient

   async def run_memory_chat():
       load_dotenv()
       os.environ["GROQ_API_KEY"] = os.getenv("GROQ_API_KEY")

       print("Initializing chat")

       client = MCPClient.from_config_file(
           os.path.join(os.path.dirname(__file__), "browser_mcp.json")
       )

       llm = ChatGroq(model="qwen/qwen3-32b")

       agent = MCPAgent(llm=llm, client=client, max_steps=15, memory_enabled=True)

       try:
           while True:
               user_input = input("Enter your message: ")
               if user_input.lower() in ["exit", "quit", "bye"]:
                   print("Exiting chat")
                   break
               if user_input.lower() in ["clear"]:
                   agent.clear_conversation_history()
                   print("Conversation history cleared")
                   continue

               print("chatbot:", end="", flush=True)

               try:
                   result = await agent.run(user_input)
                   print(f"\nResult: {result}")
               except Exception as e:
                   print(f"Error: {e}")

       finally:
           if client and client.sessions:
               await client.close_all_sessions()

   if __name__ == "__main__":
       asyncio.run(run_memory_chat())

1. 添加环境变量

创建一个 .env 使用Groq API密钥提交：

   GROQ_API_KEY=your_groq_api_key_here

1. 配置MCP服务器 在……里面 browser_mcp.json:

   {
     "mcpServers": {
       "playwright": {
         "command": "npx",
         "args": ["@playwright/mcp@latest"]
       },
       "duckduckgo-search": {
         "command": "npx",
         "args": ["-y", "duckduckgo-mcp-server"]
       },
       "airbnb": {
         "command": "npx",
         "args": ["-y", "@openbnb/mcp-server-airbnb"]
       }
     }
   }

______________________________________________________________________

运行聊天机器人

uv run python main.py

例子：

Enter your message: search for cafes near Paris
chatbot:
Result: Found 10 cafes near Paris...

Enter your message: 
please open google.com and then open makemytrip.com
chatbot:

Enter your message:Give top AI news
chatbot:

命令

• clear → 清除对话历史记录
• exit | quit | bye → 退出聊天机器人

______________________________________________________________________

为MCP配置光标

1. 打开 光标设置

- 首选 光标设置→ MCP和集成

1. 点击 添加自定义MCP

1. 游标将打开（或创建）您的 mcp.json 文件。在那里添加您的服务器配置，例如：

   {
     "mcpServers": {
       "playwright": {
         "command": "npx",
         "args": ["@playwright/mcp@latest"]
       },
       "duckduckgo-search": {
         "command": "npx",
         "args": ["-y", "duckduckgo-mcp-server"]
       },
       "airbnb": {
         "command": "npx",
         "args": ["-y", "@openbnb/mcp-server-airbnb"]
       }
     }
   }

1. 保存文件 → Cursor现在将识别并连接到这些MCP服务器。