案例：Cursor 如何把 MCP + Skill + Harness 串起来

Cursor 是目前 AI 编码领域最成功的产品之一（ARR 超过 5 亿美元）。它的成功不是因为它用了最强的模型—— competitors 用同样的 GPT-4o / Claude——而是 Harness 工程做得最好。

产品演进时间线

2023.03  Cursor 0.1 — Tab 补全（Copilot 竞品）
2024.03  Cursor 0.30 — Chat + @codebase 语义搜索
2024.08  Cursor 0.40 — Composer 多文件编辑
2025.01  Cursor 0.45 — Agent 模式（自主循环）
2025.06  Cursor 0.50 — MCP 集成 + Background Agent
2026.01  Cursor 0.55 — Skills + 增强 Agent Harness

关键转折：从 Chat（一问一答）到 Agent（自主循环），Cursor 从「AI 辅助编辑器」变成「AI 编码 Agent 平台」。

架构拆解

层 1：Codebase Index（上下文基础）

Cursor 在打开项目时 预建语义索引：

源代码文件 → 切块 → Embedding → 向量索引
                                    ↓
用户提问 → 语义检索 → Top-K 相关文件 → 注入 Agent 上下文

这是 Cursor 比裸调 API 编码强太多的第一个原因——它知道你的代码库长什么样。

@codebase 触发语义搜索，@file 精确引用，@folder 引用整个目录。Context Engineering 的产品化。

层 2：MCP 集成（工具扩展）

2025 年中 Cursor 加入 MCP 支持（Settings → MCP Servers）：

Cursor Agent
  ├── 内置工具: read_file, edit_file, run_terminal, search
  ├── MCP Server: github（提 PR、查 issue）
  ├── MCP Server: postgres（查数据库）
  └── MCP Server: 自定义……

实际工作流示例：

用户: "查一下上周有多少新用户注册，如果有异常创建一个 GitHub issue"

Agent 执行:
  1. [MCP postgres] SELECT count(*) FROM users WHERE created_at > ...
  2. [分析] 注册量比均值低 40%，异常
  3. [MCP github] create_issue(title="注册量异常", body="...")
  4. [回复] "已创建 issue #123，上周注册 234 人，比均值低 40%"

层 3：Skills（行为标准化）

2026 年 Cursor 引入 Skill 机制（.cursor/skills/）：

• Agent 根据任务类型自动加载相关 Skill
• 社区 Skill 生态快速生长（git commit、PR review、SDK 开发等）
• Skill + Rules（.cursor/rules/）= 项目级的 AI 行为规范

层 4：Agent Harness（循环引擎）

Cursor Agent 模式的 Harness 核心循环：

用户给出 goal
  → Context Manager 构建上下文（index + open files + skills + MCP resources）
  → LLM 推理 → 输出 tool calls 或 final answer
  → Tool Router 执行（内置工具 + MCP）
  → 结果追加到上下文
  → 循环（最多 N 步，用户可随时中断）
  → 完成 or 达到步数上限

Cursor 的 Harness 设计选择：

• 人机协作优先（每步可中断、可修改）
• Workspace 沙箱（只能改项目内文件）
• 终端命令需要用户确认（安全 gate）

和竞品的差异

	Cursor	GitHub Copilot	Windsurf
Agent 循环	✅ 成熟	⚠️ Workspace（较新）	✅ Cascade
MCP	✅	❌	✅
Skills	✅	❌（Instructions）	❌
Codebase Index	✅ 预建	⚠️ 有限	✅
人机协作	强（每步可控）	中	中
模型选择	多模型	OpenAI only	多模型

Cursor 的护城河不在模型——在 Harness 的整体工程。Codebase Index + MCP + Skills + Agent Loop 的组合，目前没有竞品完整复制。

可借鉴的工程决策

如果你在做 AI 编码工具或 Agent 产品，Cursor 的经验：

1. 先做好上下文——Codebase Index 是地基，比换模型 ROI 高
2. 开放工具接口——MCP 让生态帮你扩展能力
3. 标准化行为——Skill 让团队经验可复用
4. 人机协作 > 完全自主——编码场景用户要控制感
5. Eval 驱动——Tab 接受率、Agent 完成率、Undo 率

参考资料

• Cursor 官方文档 — MCP
• Cursor 官方文档 — Agent Mode
• Model Context Protocol 规范
• Cursor 0.50 Changelog（MCP 集成公告）

小结

Cursor 的成功公式：好的 Codebase Index × MCP 工具生态 × Skill 行为标准 × 成熟的 Agent Harness。四者缺一不可，单独有模型不够。