用 MCP 把有谷知识库接到 Cursor 里
网页问答用 AG-UI,外部 Agent 用 MCP。有谷企业版提供 MCP Server,让 Cursor、Claude Desktop 等工具直接检索指定知识库并返回带引用的 chunk。
在 Cursor 里写代码,想让 AI 先查一下你们内部的 API 设计规范再改接口——规范存在有谷知识库里,但 Cursor 默认够不着。
复制粘贴几段文档进 chat 可以凑合,规范一更新就过时;写专用插件只服务 Cursor 一家,换 Claude Desktop 又要重做一遍。
MCP(Model Context Protocol) 解决的是「Agent 怎么标准化接入外部能力」:有谷提供 MCP Server,任何支持 MCP 的 Host(Cursor、Claude Desktop、Claude Code 等)配置一行地址和 API Key,就能把指定知识库当成工具调用——检索结果带 chunk 内容和出处 metadata,模型可以引用后再作答。
AG-UI 和 MCP 各管哪一层
有谷大脑里其实有两条 Agent 接入面,边界清晰:
| 协议 | 边界 | 典型场景 |
|---|---|---|
| AG-UI | Agent ↔ 有谷网页/桌面 UI 里的用户 | 知识库内流式问答、引用可点、regenerate |
| MCP | Agent ↔ 外部 Host 里的用户 | 在 Cursor 写代码时间接查库、在 Claude Desktop 做调研 |
AG-UI 文章里说过:MCP 管 Agent↔Tool,AG-UI 管 Agent↔User,互不重叠。同一套向量索引和 chunk 质量(PDF、网页、代码……),两种入口消费同一份知识。
MCP 三方架构在有谷里的映射
Host — 用户直接用的程序:Cursor、Claude Desktop、Zed 等。Host 持有 LLM、组织对话、替用户确认是否执行工具(敏感检索默认需要用户点允许)。
Client — Host 内嵌的 MCP 客户端,与有谷 MCP Server 一对一 JSON-RPC 会话。每个 Server 独立 Client,状态隔离。
Server — 有谷部署的 MCP 服务,对接真实 RAG API:
list_knowledgebases— 列当前 API Key 有权访问的库query_knowledge_base— 对指定库做语义/混合检索,返回 top-k chunk 及文档标题、路径、页码等 metadata
Server 不知道 Host 里用的是哪家模型,也不直接和用户对话——只负责把检索能力暴露成标准工具。
工具返回什么
query_knowledge_base 返回的不是一整篇合成摘要,而是可引用的检索单元——和网页问答里 Agent 工具 query_knowledge_base 同一数据源。每个 chunk 带:
- 正文片段(已按格式专用策略切好)
- 来源文档 id、标题
- 可选页码、bbox、sheet 名等格式相关 metadata
外部 LLM 据此组织回答;用户在 Host 里看到的引用链路和在有谷网页里「点击出处」是同一套索引质量——MCP 不降低 chunk 标准,只换接入面。
鉴权与权限
企业版按 API Key 鉴权:Key 绑定 workspace、可限制可见知识库列表。MCP 调用和普通 Open API 共用权限模型——不能把个人空间的库用企业 Key 查出来,也不能跨 tenant 检索。
Host 侧用户确认工具调用,是第二道闸门:即使 Key 泄露,Host 仍可在 UI 层拦截未授权的检索请求(取决于 Host 实现)。
和开放 API 的分工
有谷企业版同时提供:
- REST Open API — 适合自建应用、客服机器人、脚本批量 ingest/query
- MCP Server — 适合已有 MCP 生态的 AI 客户端,零胶水接入
- 开放空间 — 按角色把库开放给团队成员或外部协作方
选 MCP 的场景:团队已经在 Cursor / Claude Code 里工作,不想为了查内部文档切换到有谷网页。选 Open API 的场景:要把检索嵌进自研业务系统 workflow。
部署上的一点现实
MCP Server 可以是有谷 SaaS 上的托管 endpoint,也可以在企业私有化部署里与 API、RAG 同 VPC——满足内网不出网的要求。stdio 本地 Server 模式适合极敏感环境:Server 进程跑在用户机器上,通过 mTLS 连企业内网 API。
无论哪种部署,索引仍在有谷 RAG 链路里维护——入库进度可见、chunk 策略与网页端一致,不会在 MCP 路径上悄悄降级成「纯文本硬切」。
典型工作流
- 管理员在有谷创建知识库,导入规范 PDF、网页、代码仓库
- 签发 MCP 用 API Key,配置到 Cursor 的
mcp.json - 开发者在 chat 里问「我们的 OAuth refresh token 过期策略是什么」
- 模型提议调用
query_knowledge_base,用户确认 - Server 返回相关 chunk,模型基于 chunk 回答并标注出处
- 开发者点击 Host 提供的链接(若有)或有谷阅读器打开原文核对
为什么值得单独做 MCP
Function Calling 各家 LLM 格式不同;每接一个 Host 写一遍 connector,成本是 M×N。MCP 把对接收成 M + N——有谷只维护一个 Server,Host 厂商只维护 Client。
对知识库产品,MCP 的价值是让「公司大脑」出现在开发者已经待着的地方,而不是要求所有人先打开 brain.yogu.pro。索引质量、权限、审计仍在有谷侧统一治理;MCP 只是多一个标准化的「嘴和耳」。
和 AG-UI 流式问答 一起,构成有谷「对内问答 + 对外连接 Agent 生态」的两条腿——同一库,多种入口,chunk 和引用标准不变。