Cursor (Açık Kaynak) için Özel MCP Sunucusu Nasıl Oluşturulur

Cursor IDE'nize süper güçler kazandırmayı hayal edin - editörünüzden ayrılmadan otomatik olarak web'de arama yapmak veya belgelerinizi analiz etmek gibi. Bu eğitimde, Cursor'a tam olarak bu yetenekleri ekleyen özel bir MCP (Model Context Protocol) sunucusu oluşturma sürecini inceleyeceğiz.

Neden Özel Bir MCP Sunucusu Oluşturmalısınız?

MCP sunucuları, Cursor'ın işlevselliğini yerleşik özelliklerinin ötesine genişletmenize olanak tanır. Kendi MCP sunucunuzla şunları yapabilirsiniz:

• Web arama yetenekleri ekleyin
• Belgelerinizi analiz etmek için araçlar oluşturun (RAG)
• Özel API'lere bağlanın
• Özel AI iş akışları oluşturun

Son güncellemeler, MCP sunucu geliştirmeyi her zamankinden daha kolay hale getiriyor - yeni başlayanlar için mükemmel!

Adım 1: Geliştirme Ortamınızı Kurma

Önkoşullar

Başlamadan önce, şunlara sahip olduğunuzdan emin olun:

1. Cursor IDE (en son sürüm)
2. Python 3.8+ yüklü
3. UV paket yöneticisi (bunu aşağıda yükleyeceğiz)
4. Terminal komutlarına temel aşinalık

Başlangıç Şablonunu Alma

Hızlıca başlamak için hazır bir şablon kullanacağız:

1. Depoyu klonlayın:

git clone https://github.com/patchy631/ai-engineering-hub/tree/main/cursor_linkup_mcp

1. Klasörü Cursor IDE'de açın

Adım 2: MCP Sunucusunu Cursor'da Kurma

Cursor'da, şuraya gidin:

Ayarlar > Cursor Ayarları > MCP > Yeni MCP Sunucusu Ekle

Sunucunuzu yapılandırın:

• Ad: Açıklayıcı bir ad verin (örneğin, "twitter-demo")
• Komut: UV paket yöneticisini kullanacağız

UV yüklü değilse:

pip install uv

Sunucunuzu çalıştırmak için komutu ayarlayın:

uv --directory /path/to/cursor_linkup_mcp run server.py

(/path/to/'yu depoyu klonladığınız gerçek konumla değiştirin)

Yapılandırmanızı kaydetmek için "Ekle"ye tıklayın

Adım 3: Yeni Araçlarınızı Test Etme

Artık sunucunuz kurulduğuna göre, yeteneklerini test edelim:

1. Web Arama Aracı

Bu, Cursor'ın sorularınıza yanıt bulmak için web'de arama yapmasını sağlar.

Nasıl kullanılır:

1. "Agent" modunda yeni bir sohbet açın

2. Web araması gerektiren bir soru sorun, örneğin:

>> Hindistan ve Avustralya arasındaki son kriket maçını kim kazandı?

3. Cursor, cevabı bulmak ve görüntülemek için MCP sunucunuzu kullanacaktır

2. RAG (Belge Analizi) Aracı

Bu, Cursor'ın kişisel belgelerinizi analiz etmesini sağlar.

Nasıl kurulur:

1. Klonlanmış depoda, data klasörünü bulun

2. Analiz etmek istediğiniz herhangi bir belge ekleyin (PDF'ler, Word dosyaları vb.)

3. Sohbette, belgeleriniz hakkında sorular sorun:

>> DeepSeek R1'in nasıl eğitildiği hakkındaki dosyamdan ana noktaları özetleyin.

Sonuçları görüntüleyin:

Nasıl Çalışır?

MCP sunucunuz, Cursor ile harici hizmetler arasında bir köprü görevi görür:

1. Bir soru sorduğunuzda, Cursor bunu MCP sunucunuza gönderir
2. Sunucu isteği işler (web'de arama veya belgeleri analiz etme)
3. Sonuçlar, görüntülenmek üzere Cursor'a geri gönderilir

MCP Sunucu Kodunu Anlama

Bu Python betiği, Cursor'a iki güçlü AI aracı ekleyen özel bir MCP (Model Context Protocol) sunucusu oluşturur: web araması ve belge analizi (RAG). Her bir bölümün ne yaptığını inceleyelim:

1. Bağımlılıkları İçe Aktarma

import asyncio
from dotenv import load_dotenv
from linkup import LinkupClient
from rag import RAGWorkflow
from mcp.server.fastmcp import FastMCP

• asyncio: Eşzamansız işlemleri etkinleştirir (birden fazla isteği verimli bir şekilde işlemek için önemlidir)
• dotenv: Ortam değişkenlerini (API anahtarları gibi) bir .env dosyasından yükler
• LinkupClient: Web arama işlevselliğini işler
• RAGWorkflow: Belge analizini yönetir (Retrieval-Augmented Generation)
• FastMCP: Çekirdek MCP sunucu çerçevesi

2. İlk Kurulum

load_dotenv()

mcp = FastMCP('linkup-server')
client = LinkupClient()
rag_workflow = RAGWorkflow()

• load_dotenv(): Hassas yapılandırmayı (API anahtarları gibi) bir .env dosyasından yükler
• mcp: "linkup-server" adlı ana MCP sunucu örneğini oluşturur
• client: Web arama aracını başlatır
• rag_workflow: Belge analiz sistemini hazırlar

3. Web Arama Aracı

@mcp.tool()
def web_search(query: str) -> str:
    """Verilen sorgu için web'de arama yapın."""
    search_response = client.search(
        query=query,
        depth="standard",  # "standard" veya "deep"
        output_type="sourcedAnswer",  # Seçenekler: "searchResults", "sourcedAnswer", veya "structured"
        structured_output_schema=None,  # output_type="structured" ise gereklidir
    )
    return search_response

Ne yapar:

• Cursor IDE'nize web_search adlı bir araç ekler
• Bir arama query (örneğin "Paris'teki hava durumu") alır
• Farklı türde aramalar yapabilir:
• standard ve deep (arama ne kadar kapsamlı olmalı)
• Ham sonuçları (searchResults) veya işlenmiş cevapları (sourcedAnswer) döndürür
• Arama sonuçlarını Cursor'a döndürür

Cursor'da örnek kullanım:

/web_search query="2023 Kriket Dünya Kupası'nı kim kazandı?"

4. Belge Analizi (RAG) Aracı

@mcp.tool()
async def rag(query: str) -> str:
    """Veri dizinindeki belgeleri kullanarak sorguları yanıtlamak için RAG kullanın"""
    response = await rag_workflow.query(query)
    return str(response)

Ne yapar:

• rag (Retrieval-Augmented Generation) adlı bir araç oluşturur
• /data klasörüne yerleştirdiğiniz belgeleri analiz eder
• Bu belgelere dayalı soruları yanıtlar
• Büyük dosyalarla daha iyi performans için eşzamansız çalışır

Cursor'da örnek kullanım:

/rag query="Bu AI makalesindeki temel güvenlik önerileri nelerdir?"

5. Sunucu Başlangıcı

if __name__ == "__main__":
    asyncio.run(rag_workflow.ingest_documents("data"))
    mcp.run(transport="stdio")

Bunu çalıştırdığınızda ne olur:

1. İlk olarak, data klasöründeki tüm belgeleri belleğe yükler
2. stdio (standart giriş/çıkış) iletişimi kullanarak MCP sunucusunu başlatır
3. Her iki aracı da Cursor'a kullanılabilir hale getirir

MCP Sunucu Uygulamasının Temel Özellikleri

1. Güvenlik: Hassas veriler için .env kullanır
2. Esneklik: Farklı arama modları sunar (standart/derin)
3. Yerel İşleme: Özel belgelerinizi buluta göndermeden analiz eder
4. Performans: Sorunsuz bir deneyim için eşzamansız işlemler kullanır

Cursor Bu Sunucuyu Nasıl Kullanır?

1. Cursor'da bir komut yazarsınız (örneğin /web_search)
2. Cursor, sorgunuzu bu çalışan sunucuya gönderir
3. Sunucu onu işler (web'de arama veya belgeleri analiz etme)
4. Sonuçlar Cursor'a döndürülür ve size gösterilir

Bu, Cursor IDE'nizi hem web'de arama yapabilen hem de kişisel belgelerinizi analiz edebilen güçlü bir araştırma asistanına dönüştürür - hepsi basit sohbet komutlarıyla!

Sorun Giderme İpuçları

Bir şeyler çalışmıyorsa:

1. UV komutunun doğru konumu gösterdiğini kontrol edin
2. Tüm bağımlılıkların yüklendiğinden emin olun (pip install -r requirements.txt çalıştırın)
3. Python sürümünüzün 3.8 veya üzeri olduğunu doğrulayın
4. Sunucu başlamazsa Cursor'ın hata günlüklerini kontrol edin

Sonraki Adımlar:

Artık temel bir MCP sunucunuz çalıştığına göre, şunları yapabilirsiniz:

• Daha fazla araç ekleyin (Twitter API entegrasyonu gibi)
• Web arama parametrelerini özelleştirin
• Daha iyi istemlerle belge analizini iyileştirin
• Sunucunuzu ekip arkadaşlarınızla paylaşın

Son Düşünceler

İlk MCP sunucunuzu oluşturmak göz korkutucu görünebilir, ancak gördüğünüz gibi, şablon bunu kolaylaştırır. 30 dakikadan kısa sürede, Cursor'a saatlerce manuel çalışmadan tasarruf sağlayacak güçlü yeni yetenekler eklediniz.

Sıradaki ne inşa edeceksiniz? Belki bir araç şunları yapabilir:

• Hisse senedi fiyatlarını kontrol edin
• Kod tabanınızda arama yapın
• Sosyal medya gönderileri oluşturun

Olasılıklar sonsuz! Unutmayın, her uzman bir zamanlar acemiydi - MCP sunucu geliştirme dünyasına ilk adımınızı attınız.

Ve bunu yaparken, MCP ve API geliştirme iş akışınızı güçlendirmek için Apidog'u kontrol etmeyi unutmayın! 🚀