利用 Cursor 和 MCP 复现 Manus 效果，打造全流程自动化工作流——听起来很玄乎？其实实现起来并不复杂，核心只需要三步：配置 Cursor 的规则、添加少量 MCP 服务，再开启 Agent 模式，就能复刻出媲美 Manus 的智能助手。下面我们从实际效果出发，一步步拆解详细过程。

我如何用 Cursor 复刻了 Manus 的效果

❝

实现原理非常直观：通过 Cursor 结合规则配置与少量 MCP 设置，启用 Agent 模式，即可复现 Manus 的原型能力。

效果展示

只需输入一条指令：

Research the Rockefeller family relationships

随后，Cursor 全自动为我输出了一个完整的项目——可直接上传到 GitHub，其中包含一个附带 Markdown 文档的交互式网页，所有组件均为动态生成。以下是最终效果：

内容科普

先聊聊 Cursor。相信很多人已经熟悉这款工具——无论你是希望通过 AI 提升办公效率、开启科研提速新模式，还是动手制作一款小游戏、搭建网站，甚至自己设计一款手机 App，即便毫无编程基础，Cursor 都能成为你的得力助手。它集成了 DeepSeek、GPT、Claude 等多个主流大语言模型，能够灵活适配不同应用场景。

再来看看 MCP（Model Context Protocol）。这是由 Anthropic——即 Claude 的创造团队——推出的一项开放标准协议。其核心理念是在数据源与 AI 驱动的工具之间建立安全、高效的双向连接，从而极大地拓展 AI 的应用边界。

如何理解 MCP？打个比方：将 AI 看作一台电脑主机，MCP 相当于主机上的 USB 协议，而 MCP Server 则像接入主机的 USB 设备——摄像头、麦克风、存储盘。开发者通过实现 MCP Server，就能让 AI 像连接外设一样，轻松接入各种外部数据源或服务，能力边界瞬间被打开。

具体来说，添加 MCP Server 的意义在于赋予 AI 调用外部服务的能力：例如请求某个 URL 获取实时数据、执行命令行操作，甚至完成一系列自动化任务。比如通过对话，指示 AI 提交代码、发起 Pull Request（PR），或者自动搜索资料并在本地生成一份详尽的设计文档。一句话总结：MCP Server 相当于给 AI 装上了“外接手臂”，让它不仅能思考，还能动手执行。

准备环境

1. Node.js + npm 安装
2. Cursor 编译器

Mac 系统可使用 Homebrew 安装：

brew install npm

Windows 系统下载 Node.js：

访问官网 https://nodejs.org/ ，选择 LTS 版本下载 .msi 安装文件。双击运行，选择安装目录（默认即可），勾选默认组件，点击 Install 完成安装。

Cursor 安装：前往官网 https://www.cursor.com/ 根据操作系统下载最新版本。

具体操作

1. 配置 rules（规则），实现规范化

• Speak in Chinese
• You are a assistant, when you get a task, you will do it step by step. you will generate a todo.md, and you will update it when you finish a step.
• If you get data analysis task, you will use Python-based data science
• Use Python 3.12 as the primary programming language
• Use NumPy for numerical computing and array operations
• Use Pandas for data manipulation and analysis
• Use uv for environment and package management
• Use Dash for web based report
• Use a seperated file to Generate a web based report, pretty, modern and interactive
• Run a web server And give me the url
• Use Website Preview and firecrawl to get web content
• Use a seperated file to store project summary
• Use a seperated file to store todo list
• Use a seperated directory to store all files from one task
• Store all process data in files under the task directory
• 说中文
• 你是一个助手，拿到一个任务，你就一步步的去做，你会生成一个 todo.md，你做完一个步骤就会更新。
• 如果您获得数据分析任务，您将使用基于 Python 的数据科学
• 使用 Python3.12 作为主要编程语言
• 使用 NumPy 进行数值计算和数组操作
• 使用 Pandas 进行数据操作和分析
• 使用 UV 进行环境和包管理
• 使用 Dash 进行基于 Web 的报告
• 使用单独的文件生成基于 Web 的报告，漂亮、现代和交互式
• 运行网络服务器并给我网址
• 使用网站预览和 Firecrawl 获取网页内容
• 使用单独的文件存储项目摘要
• 使用单独的文件存储待办事项列表
• 使用单独的目录存储来自一个任务的所有文件
• 将所有过程数据存储在任务目录下的文件中

2. 配置 MCP Server（推荐：https://smithery.ai/server/@smithery-ai/server-sequential-thinking）

• Type: command（用于标准输入输出）/ sse（用于服务器发送事件）
• Name: 为服务器设置易识别的昵称
• Server url/Command: 输入可执行命令或服务器 URL

Firecrawl 支持本地化部署：

• Mac：env FIRECRAWL_API_KEY=xxx npx -y firecrawl-mcp
• Windows：cmd /c set FIRECRAWL_API_KEY=your-api-key && npx -y firecrawl-mcp

3. 选择模型，启动 agent 模式即可

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：Cursor+MCP复刻Manus效果超详细实操教程要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题