掘金 人工智能 前天 15:52
Cursor+MCP,AI时代前端开发工作流
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html

 

本文介绍了如何利用MCP协议,结合MasterGo设计稿和Cursor代码编辑器,实现AI辅助代码生成。MCP作为一种通用协议,使得AI模型可以直接上手实现业务场景需求。文章详细讲解了Cursor的配置,包括MCP服务器的添加、Prompt的编写以及Mac和Windows下的配置方法。通过MasterGo生成令牌并配置到Cursor中,可以实现设计稿到代码的转换,并利用AI模型生成前端代码。进阶使用部分还介绍了组件生成、数据图表和新领域开发的Prompt推荐,以及自定义规则和整站生成的方法。最后,文章还提供了其他MCP服务的获取方式和参考链接,为开发者提供了全面的AI辅助代码开发指南。

🔑MCP协议是由Anthropic主导发布的开放通用协议标准,旨在标准化应用程序向LLM提供上下文的方式,可以理解为AI应用程序的USB-C端口,连接AI模型和不同数据源及工具。

⚙️Cursor是一个集成了多种AI模型的代码编辑器,通过配置MCP服务,可以桥接MasterGo设计稿,让AI阅读设计稿并生成前端代码。配置过程包括添加MCP服务器、填写MasterGo的Token值,并编写合适的Prompt。

🎨通过复制MasterGo设计稿的容器链接,并在Cursor中创建Chat,可以获取DSL信息(设计稿的JSON描述树),AI会根据这些信息生成代码。在多轮生成代码后,可能需要手动授权以继续构建页面代码。

🚀进阶使用包括针对组件生成、数据图表等场景的Prompt推荐,例如使用Vue3+TypeScript开发组件,或使用Echarts开发数据图表,并可提供示例文档让AI学习新框架或工具。

🌐MasterGo还支持整站生成,需要Meta信息包含项目的路由结构和跳转原型设计。通过执行getMeta生成站点需求列表文档,然后根据文档信息开发相应页面,可以实现超出预期的全站生成效果。

一、MCP介绍

AI时代下,大模型不断更新迭代,针对代码开发的场景需求也涌现出许多优秀大模型。随着mcp服务和ai的成熟,我们可以利用AI代码辅助来帮我们高效开发项目。以往的ai模型都是问答式的,Anthropic推出的mcp协议可以桥接外部工具和数据,让AI直接上手帮我们实现业务场景需求。

MCP 是 Claude (Anthropic) 主导发布的一个开放的、通用的、有共识的协议标准。,它标准化了应用程序向 LLM 提供上下文的方式。可以将 MCP 视为 AI 应用程序的 USB-C 端口。正如 USB-C 提供了一种将设备连接到各种外围设备和配件的标准化方式一样,MCP 提供了一种将 AI 模型连接到不同数据源和工具的标准化方式。

在ai辅助代码方面也有许多ai模型可以很好的理解并生成代码,我们可以利用mcp服务将其与设计图桥接,让ai阅读设计稿帮我们生成前端代码。本文以mastergo+cursor来展示如何利用mcp服务辅助代码生成。

二、cursor配置

cursor是一个ai代码编辑器,其内部集成许多ai模型,让我们在各场景和各语言下都能有高效的开发体验。CURSOR官网

1. setting各项配置

设置打开自动运行,可不用授权自动运行服务或工具。下面的各项保护可根据自己需求来开启。

cursor集成的ai模型,也可以自己增加新的ai模型。

2. mcp配置

选择 MCP 菜单,可点击 ‘Add new global MCP server’ 来添加自己的mcp服务器。

点击进来后根据自己需求来配置,mastergo的配置如图。

3. prompt

如图,右侧打开chat栏,可粘贴设计稿链接,然后直接写prompt即可。

mode使用agent,ai模型推荐使用claude-3.7-sonnetclaude-3.7-sonnet-max

4. mac和windows分别配置

MacOS/Linux:

{  "mcpServers": {    "Framelink MCP Mac": {      "command": "npx",      "args": ["-y", "mcp-service-name", "--your-api-key=YOUR-KEY", "--stdio"]    }  }}

Windows:

{  "mcpServers": {    "Framelink MCP Windows": {      "command": "cmd",      "args": ["/c", "npx", "-y", "mcp-service-name", "--your-api-key=YOUR-KEY", "--stdio"]    }  }}

三、使用步骤

1. mcp服务配置

登录mastergo网站,从 个人设置 进去,在 安全设置 点击生成令牌,然后复制。

然后在Cursor Settings的MCP配置中填写token值。

返回设置,看到前面的绿点亮起说明成功配置。

2. 复制链接

进入项目,如果想要开发某个页面,选择页面对应图层,右键找到 复制/粘贴为 选择 复制容器链接

3. 创建chat

粘贴复制的链接,后续编写自己的prompt,然后发送即可。

4. 获取dsl

点击 run tool 执行工具,获取dsl信息。

可以看到获取到的dsl信息是一颗json树,描述了设计稿转换信息,ai将会根据这些描述来生成代码。

执行工具获取组件信息

完整的执行工具如图展示。

5. 多轮调用受限

在使用多轮生成后需要手动授权,在出现手动授权。

resume the conversation

点击图中出现的 resume the conversation,然后会继续构建页面代码。

6. 开发

正在生成代码

如图,ai开始生成代码。

记得最后点击 accept all确定接受更改,可根据自己项目来调适代码。

然后自己就可以运行查看效果。

四、进阶使用

1. 各场景prompt推荐

在使用cursor时要给出明确的指令,提示尽可能具体清晰,否则cursor会按着自己的想法来生成代码。

组件生成

比如想要将设计的日历行程封装成组件,可以加一些具体要求。

请根据组件信息生成日历行程组件,要求:1. 使用vue3+typescript方式开发;2. 组件传入参数props需要account、userId、status、workType字段;3. 代码符合当前项目的eslint规范和文件结构;

数据图表
可使用@file 关键字指定项目文件路径,cursor会根据已有的文件来开发。

请根据图表信息开发,要求:1. 使用echarts开发,且各组件独立开发;2. 使用@file hooks下已经封装好的useEcharts;3. 全局的echarts组件引入请在 @file plugins/echarts下增加新组件;

提供示例文档开发新领域
对不熟悉的框架或工具可提供文档链接让他现学现用。

请用svelte帮我把链接的组件开发成webComponent,这里是相关文档:https://blog.csdn.net/u012181546/article/details/128355988

2. 自定义规则

在配置mcp的地方可增加rule关键字来配置自己的规则。

3. 整站生成

mastergo官方的要求是需要一个meta信息,这个meta里面包含项目的路由结构和跳转原型设计;先执行getMeta生成站点的需求列表文档,然后根据文档上的信息来开发相应的页面;

我使用官网的教程试着开发了下全站点生成。官网全站生成教程

生成的工程结构

运行效果图

安装依赖后运行,可以看到效果图,这个小项目的效果超出我的预期,相信未来mcp和ai模型的优化会更加精准的为高效开发赋能。

五、其他

1. 其他MCP服务获取

最简单的就是去百度搜索开放平台了,直接搜索自己感兴趣的即可。

百度搜索开放平台

也可以输入关键字搜索其他领域的相关mcp服务,比如输入天气、地图或者sql。然后找到自己感兴趣的直接点击进去看使用文档。

2. 参考

Fish AI Reader

Fish AI Reader

AI辅助创作,多种专业模板,深度分析,高质量内容生成。从观点提取到深度思考,FishAI为您提供全方位的创作支持。新版本引入自定义参数,让您的创作更加个性化和精准。

FishAI

FishAI

鱼阅,AI 时代的下一个智能信息助手,助你摆脱信息焦虑

联系邮箱 441953276@qq.com

相关标签

MCP协议 AI辅助代码 MasterGo Cursor 代码生成
相关文章