与 Cursor 集成
Cursor 是一款集成了 AI 技术的代码编辑器，支持多种操作系统，包括 Windows、macOS 和 Linux。
本文将展示如何使用 Cursor 与 seekdb Agent Skill 集成，快速构建可被 AI 自动调用的知识包 + 工作流，以及如何使用 Cursor 与 seekdb MCP Server 集成快速构建后端应用程序。
- seekdb Agent Skill 与 Cursor 集成
- seekdb MCP Server 与 Cursor 集成
Agent Skills 是由 Anthropic 主导设计、现已作为开放标准发布的 AI 能力扩展格式。其核心思想是：将指令、脚本和资源打包成一个文件夹，AI Agent 可以按需发现并加载这些「技能」，从而更准确、更高效地完成任务。
seekdb Agent Skills 是基于该标准构建的「可被 AI 自动调用的知识包 + 工作流」。在 Cursor 中安装后，当你提问 seekdb 相关问题时，Cursor 的 AI 会自动按技能说明查阅 seekdb 文档或执行数据导入导出等操作，无需记住命令或手动复制文档，即可在编码过程中获得 seekdb 的官方文档支持与实操能力。更多关于 Agent Skill 的信息，请参考 seekdb Agent Skills。
支持的技能
| 技能 | 说明 | 典型问题示例 |
|---|---|---|
| seekdb（默认安装） | 覆盖 seekdb 官方文档（快速入门、开发指南、SDK/API、多模型数据、集成与运维等），AI 会根据你的问题自动定位到对应文档并给出答案或示例。 | 如何部署 seekdb？ / seekdb 的向量搜索怎么用？ |
| importing-to-seekdb | 将数据导入 seekdb 的集合（Collection），支持指定列做向量 化。导入前可预览 Excel/CSV 结构和样例数据。 | 把 sample_products.xlsx 导入 seekdb，Details 列向量化。 |
| querying-from-seekdb | 按元数据条件过滤进行标量搜索，支持全文 + 语义混合搜索（RRF 排序），结果可导出为 CSV 或 Excel。 | 推荐 2 款评分 4.3 以上、AMOLED 屏的手机。 |
在 Cursor 中安装 seekdb Agent Skills
Cursor 通过项目根目录下的 .cursor/skills 目录识别并加载 Agent Skill。按以下步骤完成安装：
-
进入你希望安装技能的项目根目录。
cd /path/to/your/project -
安装交互式安装器。
pip install seekdb-agent-skills -
运行交互式安装器。
seekdb-agent-skills -
选择工具。
通过键盘上的 ↑↓ 键选择 Cursor，Enter 键确认。
🚀 seekdb Agent Skills Installer
==================================================
📋 Select tool to install to:
? Select one tool (use ↑↓ to navigate, Enter to confirm, Ctrl+C to cancel): (Use arrow keys)
Claude Code
OpenClaw
» Cursor
Codex
OpenCode
GitHub Copilot
Qoder
Trae -
确认安装位置。
📁 Project root: /path/to/your/project
(Skills will be installed under .cursor/skills)
? Install skills to this directory? (Y/n)输入
Y确认，输入n退出安装器。 -
选择需要安装的技能。
如果仅需要 AI 参考 seekdb 文档，直接回车即可。如果需要向 seekdb 中导入导出 Excel/CSV 文件，可以同时选择 importing-to-seekdb 和 querying-from-seekdb 技能。通过键盘上的 ↑↓ 键选择技能，空格 进行多选，Enter 键确认安装。
📦 Select skills to install:
? Select skills (use ↑↓ to navigate, Space to select, Enter to confirm, Ctrl+C to cancel): (Select multiple with Space)
» ● seekdb
○ importing-to-seekdb
○ querying-from-seekdb
在 Cursor 中使用 seekdb Agent Skills
安装完成后，使 用 Cursor 打开安装了技能的项目根目录，在聊天或编辑器中直接提问即可。AI 会自动调用对应技能并基于文档或技能能力作答。
示例提问：
- 怎么在 Mac 上部署 seekdb？
- seekdb 的向量搜索怎么用？
- 在 seekdb 中如何实现混合搜索？
MCP（Model Context Protocol） 是 Anthropic 公司于 2024 年 11 月推出并开源，旨在实现大语言模型与外部工具或数据源交互的协议。通过 MCP，用户不需要将大模型的输出手动复制执行，大模型可以直接指挥工具执行相应的动作（Action）。
MCP Server 通过 MCP 协议提供了大模型与 seekdb 交互的能力，可以执行 SQL 语句。通过合适的客户端可以快速搭建项目原型，已在 github 上开源。
前提条件
-
您已完成部署 seekdb。
-
安装 Python 3.11 及以上版本 和相应 pip。如果您的机器上 Python 版本较低，可以使用 Miniconda 来创建新的 Python 3.11 及以上的环境，具体可参考 Miniconda 安装指南。
-
安装 Python 包管理器 uv。安装完成后 ，可使用
uv --version命令验证安装是否成功：pip install uv
uv --version -
下载 Cursor，根据自己的操作系统选择合适的版本进行安装。注意首次使用 Cursor 时，需要注册一个新账号或使用已有账号进行登录。登录后，可以创建新项目或打开已有项目。
步骤一：获取数据库连接信息
联系 seekdb 部署人员或者管理员获取相应的数据库连接串，例如：
mysql -h$host -P$port -u$user_name -p$password -D$database_name
参数说明：
-
$host：提供 seekdb 连接 IP 地址。 -
$port：提供 seekdb 连接端口，默认是2881。 -
$database_name：需要访问的数据库名称。提示连接的用户需要拥有该数据库的
CREATE、INSERT、DROP和SELECT权限。 -
$user_name：提供数据库连接账户。 -
$password：提供账户密码。
步骤二：配置 seekdb MCP Server
安装 seekdb MCP Server
执行下面的命令进行安装
pip install seekdb-mcp-server
配置 seekdb 服务器环境变量到 .env 文件中
在当前目录下创建一个名为 .env 的文件，并添加以下内容：
vi .env
SEEKDB_HOST=localhost # 数据库主机
SEEKDB_PORT=2881 # 数据库端口（默认：2881）
SEEKDB_USER=your_username
SEEKDB_PASSWORD=your_password
SEEKDB_DATABASE=your_database
以 SSE 模式启动 seekdb MCP Server
env $(cat .env | xargs) uvx seekdb-mcp-server --transport sse --port 8000 --host 0.0.0.0
创建 Cursor 客户端的工作目录并配置 seekdb MCP Server
手动创建一个 Cursor 的工作目录，并用 Cursor 打开，后面 Cursor 生成的文件将放在这个目录下，示例的目录名为 cursor。
使用快捷键 Ctrl + L（Windows）或者 Command + L（MacOS）打开聊天对话框，点击右上角的齿轮，选择 MCP Tools。
添加并配置 MCP Servers
-
点击
Add Custom MCP填写配置文件。
-
填写配置文件，点击确认。
{
"mcpServers": {
"sse-seekdb": {
"autoApprove": [],
"disabled": false,
"timeout": 60,
"type": "sse",
"url": "http://ip:port/sse"
}
}
} -
如配置成功，将显示
可使用状态。
测试 MCP Server
在对话框中输入提示：How many tables in the test database?，Cursor 客户端会展示即将执行的 SQL 语句。确认无误后，点击 Run tool 按钮执行。Cursor 客户端会展示 test 库中的所有表名称，这表明我们已经成功连接到 seekdb。
使用 FastAPI 快速创建 RESTful API 风格的项目
你可以使用 FastAPI 快速创建 RESTful API 风格的项目。FastAPI 是一个 Python 的 Web 框架，可以快速构建 RESTful API。
-
创建 customer 表
在对话框中输入提示：
Create a "customer" table with "ID" as the primary key and containing fields such as "name", "age", "telephone", and "location"，确认 SQL 语句后，点击Run tool按钮执行。
-
插入测试数据
在对话框中输入提示：
Insert 10 pieces of data into the customer table，确认 SQL 语句后，点击Run tool按钮执行。插入成功后，会有Done! Here are the 10 customer records inserted:的提示。
-
创建 FastAPI 项目
在对话框中输入提示：
Create a FastAPI project on the customer table，点击Run tool按钮执行。
此步骤将自动生成多个文件。建议首次使用时选择
全部接受，因为 AI 生成的文件内容可能具有不确定性，后续可根据实际需求进行调整。 -
FastAPI 项目配置数据库连接信息
在 .env 文件内配置 seekdb 连接信息。
-
安装项目依赖
执行如下命令，安装项目依赖：
pip install -r requirements.txt -
启动 FastAPI 项目
执行如下命令，启动 FastAPI 项目：
source .env
uvicorn main:app --reload -
查看表中数据
在命令行中运行如下命令，或者使用其他请求工具，查看表中的数据：
curl http://127.0.0.1:8000/customers返回结果如下：
[{"name":"John Smith","age":32,"telephone":"555-0101","location":"New York, NY","ID":1},{"name":"Emily Johnson","age":28,"telephone":"555-0102","location":"Los Angeles, CA","ID":2},{"name":"Michael Chen","age":45,"telephone":"555-0103","location":"San Francisco, CA","ID":3},{"name":"Sarah Williams","age":36,"telephone":"555-0104","location":"Chicago, IL","ID":4},{"name":"David Brown","age":29,"telephone":"555-0105","location":"Houston, TX","ID":5},{"name":"Jessica Lee","age":41,"telephone":"555-0106","location":"Phoenix, AZ","ID":6},{"name":"Robert Garcia","age":55,"telephone":"555-0107","location":"Philadelphia, PA","ID":7},{"name":"Amanda Martinez","age":23,"telephone":"555-0108","location":"San Antonio, TX","ID":8},{"name":"Christopher Wilson","age":38,"telephone":"555-0109","location":"San Diego, CA","ID":9},{"name":"Nicole Taylor","age":31,"telephone":"555-0110","location":"Dallas, TX","ID":10}]