使用MCP服务器实现AI任务完成通知：让Cursor更智能
0. 简介
在使用AI工具进行长时间任务时，常常需要等待结果。MCP（Model Context Protocol）服务器"mcp_server_notify"提供了一个优雅的解决方案，让AI在完成任务后通过系统通知提醒你。本文将介绍如何在Cursor中配置和使用这个实用工具。
1. MCP服务器：mcp_server_notify介绍
mcp_server_notify是一个基于Model Context Protocol (MCP)的服务，专为LLM（大语言模型）提供系统通知功能。当AI完成任务时，它能够发送桌面通知并播放提示音，让你不必一直盯着屏幕等待。
1.1 主要特点
- 实时通知：在Agent任务完成后立即发送系统桌面通知
- 多感官提醒：通过视觉（桌面通知）和听觉（提示音）双重提醒
- 跨平台支持：兼容Windows, macOS, Linux等主流操作系统
- 标准协议：基于标准MCP协议，可与多种LLM客户端集成，包括Cursor
- 低资源占用：轻量级设计，不会显著影响系统性能
- 自定义选项：可配置通知样式、声音等参数
1.2 工作原理
mcp_server_notify通过MCP协议与AI客户端（如Cursor）建立通信。当AI模型接收到特定提示词（如"send me a notification when task finished"）时，会触发通知服务向操作系统发送通知请求。
MCP协议允许LLM应用与外部工具进行标准化通信，这使得AI能够超越纯文本交互的限制，实现更多实用功能。
1.3 安装mcp_server_notify
安装过程非常简单，推荐使用uv包管理器：
git clone https://github.com/Cactusinhand/mcp_server_notify.git
cd mcp_server_notify
# curl -LsSf https://astral.sh/uv/install.sh | sh # 没安装uv需要这么操作
uv venv
source .venv/bin/activate # Windows上使用 .venvScriptsctivate
# 安装到本地
uv pip install mcp-server-notify .
# 或者使用pip
# pip install mcp-server-notify .
安装完成后，可以通过以下命令验证安装是否成功：
python -m mcp_server_notify
出现上图所示输出表明服务已成功启动，并在等待来自MCP客户端的连接。
2. 在Cursor中配置mcp_server_notify
Cursor是一款功能强大的AI辅助编程工具，内置了MCP客户端支持，可以轻松集成外部MCP服务。
2.1 配置文件方式
2.1.1 找到配置文件
Cursor的MCP配置文件通常位于以下位置：
- 全局配置：
~/.cursor/mcp.json - 项目配置：
项目根目录/.cursor/mcp.json
如果这些文件不存在，可以手动创建。
2.1.2 编辑配置文件
打开配置文件，添加以下内容：
{
"mcpServers": {
"NotificationServer": {
"command": "uv",
"args": [
"--directory",
"path/to/your/mcp_server_notify project",
"run",
"mcp-server-notify",
]
}
}
}
请将path/to/your/mcp_server_notify project替换为你实际的项目路径。
如果你将mcp_server_notify安装到了全局环境，也可以使用以下简化配置：
{
"mcpServers": {
"NotificationServer": {
"command": "python",
"args": [
"-m",
"mcp_server_notify",
]
}
}
}
2.1.3 高级配置选项
你还可以添加更多参数来自定义通知行为：
{
"mcpServers": {
"NotificationServer": {
"command": "python",
"args": [
"-m",
"mcp_server_notify",
"--title", "AI任务完成",
"--sound", "path/to/custom/sound.wav",
"--timeout", "10000"
]
}
}
}
常用参数说明：
--title：通知标题--sound：自定义提示音文件路径--timeout：通知显示时间（毫秒）--no-sound：禁用声音提示
2.2 UI设置方式
如果你不想直接编辑配置文件，Cursor也提供了友好的UI界面来配置MCP服务：
- 打开Cursor，点击右下角的设置图标或使用快捷键(Ctrl+,)：
-
在设置界面，找到"MCP Servers"部分，点击"+ Add new MCP server"：
-
在命令行输入框中填写启动命令：
uv --directory /Users/pony/mcp_server_notify run mcp-server-notify
确保将路径替换为你的实际安装路径。
- 点击"Add"保存配置。
2.3 验证配置
配置完成后，重启Cursor以确保设置生效。你可以在Cursor的日志中查看MCP服务是否成功连接。如果日志中显示类似"Connected to MCP server: NotificationServer"的信息，则表明配置成功。
3. 使用方法
3.1 基本使用
配置完成后，使用非常简单。在给AI输入任务的最后，只需添加类似这样的提示：
finally, send me a notification when task finished.
也可以使用其他类似表达：
- "notify me when you're done"
- "alert me upon completion"
- "send a desktop notification when finished"
AI会理解这些指令，并在任务完成时触发桌面通知。
3.2 在Cursor中设置自动提示
为了避免每次都手动输入提示词，Cursor提供了规则设置功能：
- 打开Cursor设置，找到"Rules"选项：
-
添加新规则，在"Additional Instructions"字段中输入通知提示词。
-
设置规则应用的条件，例如可以选择在所有对话中都添加，或仅在特定场景下添加。
配置完成后，Cursor将自动在每次对话结束时添加通知请求。
3.3 适用场景示例
mcp_server_notify特别适用于以下场景：
-
长时间代码生成：当你请求AI生成复杂代码时，可能需要等待较长时间。设置通知后，你可以切换到其他任务，而不必一直盯着屏幕。
请帮我生成一个完整的React+Redux应用框架，包含用户认证、数据管理和路由功能。 完成后请发送通知。 -
代码优化与重构：请求AI优化大型代码块时，处理可能需要一段时间。
请分析并优化这段数据处理算法，提高其效率并减少内存使用。 完成后通知我。 -
文档生成：为大型项目生成技术文档也是一个耗时任务。
为这个项目生成完整的API文档，包括所有类和方法的详细说明。 任务完成后发送桌面通知。 -
调试与问题分析：解决复杂bug时，AI可能需要进行深入分析。
请详细分析这个性能问题的根本原因，并提供解决方案。 分析完成后通知我。
4. 深入理解MCP协议
MCP（Model Context Protocol）是连接AI模型与外部工具的桥梁，了解其工作原理有助于更好地利用这一功能。
4.1 MCP协议概述
MCP是一种轻量级协议，允许AI模型（如GPT-4）与外部工具进行双向通信。它定义了一套标准接口，使AI能够访问外部资源、调用系统功能、处理文件等。
主要特点包括：
- 双向通信：允许模型发送请求并接收响应
- 工具抽象：将各种外部功能抽象为统一接口
- 安全性：内置权限控制机制
- 扩展性：可以轻松添加新工具
4.2 MCP在Cursor中的实现
Cursor实现了完整的MCP客户端，能够与任意数量的MCP服务器通信。根据Cursor官方文档，它支持：
- 多服务器连接：可同时连接多个MCP服务
- 多种传输方式：支持标准输入输出流（stdio）和服务器发送事件（SSE）
- 自动重连：服务中断后自动尝试重新连接
- 权限管理：精细控制工具的访问权限
需要注意的是，MCP工具目前并非适用于所有模型，仅在Composer（在新版Cursor中被重命名为"Edit"，位于聊天框左下角）中的Agent处可用。这是一个容易被忽视的关键点。
4.3 扩展阅读
如需深入了解MCP协议，可以参考我们之前的文章《MCP（Model Context Protocol）详解：AI系统与外部世界的桥梁》。
5. 自定义与进阶用法
点击使用MCP服务器实现AI任务完成通知：让Cursor更智能查看全文
