CloudBase-MCP
CloudBase-MCP 是连接 AI 编程工具与腾讯云 CloudBase 的部署桥梁,让开发者用自然语言就能完成从"想法"到"应用上线"的全过程。
目前 AI 编程工具(如 Cursor、Windsurf、CodeBuddy)能高效生成代码,但从代码到真正上线运行,仍需手动处理服务器配置、数据库搭建、域名绑定等繁琐的 DevOps 工作。CloudBase-MCP 填补了这一鸿沟——开发者只需在 AI IDE 中对话,即可自动完成云端部署,无需编写 YAML 文件或在控制台间反复切换。
这款工具特别适合追求效率的全栈开发者和AI 辅助编程用户。无论是快速验证产品原型、搭建个人项目,还是开发联机对战游戏、AI 应用等需要后端支持的场景,都能通过简单指令实现一键上线。
技术亮点方面,CloudBase-MCP 基于 MCP(Model Context Protocol)协议,提供本地和云端两种运行模式:本地模式功能完整,支持文件上传、模板安装等操作;托管模式则无需本地 Node 环境,通过 HTTP 直连腾讯云服务。工具内置数据库、云函数、静态托管、容器服务等多项能力,AI 可自动调用对应服务完成全栈部署。
使用场景
场景:独立开发者小王要在 48 小时内上线一个活动报名小程序
小王是一名自由开发者,客户临时要求为周末的线下活动做一个扫码报名系统,需要包含表单提交、名额限制和后台数据查看功能。
没有 CloudBase-MCP 时
- 小王先用 Cursor 生成前端代码,但发现需要后端接口和数据库,又切换到腾讯云控制台手动创建云开发环境
- 配置云函数时需要编写
serverless.yml,调试时发现本地和云端环境不一致,反复修改上传了 7、8 次 - 数据库权限、CDN 加速、HTTPS 证书等配置分散在不同菜单,花了 3 小时查阅文档才搞定
- 最后部署时发现域名备案未完成,只能临时用冗长的测试链接发给客户,显得极不专业
- 整个流程耗时 6 小时,其中 4 小时都在处理 DevOps 琐事,代码实际只写了 2 小时
使用 CloudBase-MCP 后
- 小王在 Cursor 里直接输入"创建一个活动报名小程序,包含姓名电话收集、100 人名额限制、管理员查看面板",AI 自动调用 CloudBase-MCP 完成环境初始化
- 数据库、云函数、存储权限一键配置完成,AI 在对话中实时反馈"已创建 user 表,已设置 count < 100 的触发器"
- 部署指令自然语言下达:"上线到正式环境,绑定我的已备案域名 activity.xxx.com",5 分钟后收到可访问的 HTTPS 链接
- 后台管理面板直接通过 RAG 能力关联数据库,无需额外开发,客户扫码即可实时查看报名进度
- 从需求到上线仅用 1.5 小时,小王提前交付还获得了客户的加急费用
核心价值:CloudBase-MCP 让开发者留在 AI IDE 的对话流中,用自然语言完成从代码生成到生产环境部署的全链路,彻底消除"代码写完了,上线卡三天"的断层焦虑。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始

CloudBase MCP
🪐 AI 编程,一键上线
连接 AI IDE 与腾讯云 CloudBase 的部署桥梁,让你的 AI 应用即刻上线
English · 简体中文 · 文档 · 更新日志 · 反馈问题
发现了一个让 AI 编程一键上线的神器,推荐给正在用 AI 编程的朋友
从 AI 提示词到应用上线的最短路径
为什么你需要 CloudBase MCP?
AI 编程工具(如 OpenClaw、Cursor、CodeBuddy)解决了代码生成的难题。
但是,从"生成代码"到"应用上线"(部署、配置数据库、CDN、域名),依然存在一条鸿沟。
CloudBase MCP(原 CloudBase AI ToolKit)填补了这条鸿沟。
你不再需要:
- ❌ 繁琐的 DevOps 配置和 YAML 文件
- ❌ 手动设置云函数和数据库
- ❌ 在 IDE 和云控制台之间反复横跳
你只需要在 AI IDE 中,用自然语言完成从"想法"到"上线"的全过程。
🚀 快速开始
一行配置,立即使用
在支持 MCP 的 AI IDE 中(Cursor、WindSurf、CodeBuddy 等)添加下方任一配置即可。连接方式有两种:
方式一:本地模式(推荐)
含义:MCP 服务在你本机通过 npx 启动,与 IDE 同机运行。
优点:功能最全(包含上传/下载、模板安装等依赖本地文件系统的能力)。
要求:本机已安装 Node.js,且能执行 npx。
{
"mcpServers": {
"cloudbase": {
"command": "npx",
"args": ["@cloudbase/cloudbase-mcp@latest"]
}
}
}
方式二:托管模式
含义:MCP 服务运行在腾讯云上,IDE 通过 HTTP 连接云端服务,无需在本地安装或运行 Node。
优点:不依赖本机环境,配置好密钥即可使用。
限制:部分依赖本地文件系统的能力不可用(如本地文件上传、模板下载到本机等)。
将下面配置中的 <env_id>、<腾讯云 Secret ID>、<腾讯云 Secret Key> 替换为你的环境 ID 和腾讯云 API 密钥:
{
"mcpServers": {
"cloudbase": {
"type": "http",
"url": "https://tcb-api.cloud.tencent.com/mcp/v1?env_id=<env_id>",
"headers": {
"X-TencentCloud-SecretId": "<腾讯云 Secret ID>",
"X-TencentCloud-SecretKey": "<腾讯云 Secret Key>"
}
}
}
}
托管模式可选:通过 URL 控制启用哪些插件
在 url 里加上 query 参数可禁用指定插件,例如禁用 rag 和 env:
https://tcb-api.cloud.tencent.com/mcp/v1?env_id=YOUR_ENV_ID&disable_plugins=rag&disable_plugins=env
当前可配置的插件名:env, database, functions, hosting, storage, setup, rag, cloudrun, gateway, download, security-rule, invite-code, capi。
[!TIP] 推荐使用 CloudBase AI CLI
一键安装,自动配置,支持多种 AI 编程工具:
npm install @cloudbase/cli@latest -g安装后运行
tcb ai即可开始使用
首次使用
登录云开发
登录云开发AI 会自动打开登录界面并引导环境选择
开始开发
做一个双人在线对战五子棋网站,支持联机对战,最后进行部署AI 会自动生成代码、部署到云端并返回访问链接
支持的 AI IDE
| 工具 | 支持平台 | 查看指引 |
|---|---|---|
| CloudBase AI CLI | 命令行工具 | 查看指引 |
| OpenClaw | 命令行工具 | 查看指引 |
| Cursor | 独立 IDE | 查看指引 |
| WindSurf | 独立 IDE, VSCode、JetBrains 插件 | 查看指引 |
| CodeBuddy | 独立 IDE(已内置 CloudBase),VS Code、JetBrains、微信开发者工具 | 查看指引 |
| CLINE | VS Code 插件 | 查看指引 |
| GitHub Copilot | VS Code 插件 | 查看指引 |
| Trae | 独立 IDE | 查看指引 |
| 通义灵码 | 独立 IDE,VS Code、 JetBrains插件 | 查看指引 |
| RooCode | VS Code插件 | 查看指引 |
| 文心快码 | VS Code、JetBrains插件 | 查看指引 |
| Augment Code | VS Code、JetBrains 插件 | 查看指引 |
| Claude Code | 命令行工具 | 查看指引 |
| Gemini CLI | 命令行工具 | 查看指引 |
| OpenAI Codex CLI | 命令行工具 | 查看指引 |
| OpenCode | 命令行工具 | 查看指引 |
| Qwen Code | 命令行工具 | 查看指引 |
✨ 如何实现 AI 编程"一键上线"?
1. AI 原生(AI-Native)
我们不是简单的"胶水代码"。内置的规则库专为 AI 编程设计,能让 AI 直接生成"可部署"的 CloudBase 最佳实践代码。
提示词:生成一个用户登录功能
- AI 自动生成符合云开发规范的代码
- 自动配置数据库、云函数、安全规则
- 一键部署到云端
2. 一键部署(One-Click Deploy)
AI 自动化的 MCP 部署流,AI 帮你搞定从云函数、数据库到静态网站的所有云上资源配置。
提示词:部署当前项目到云开发
- 自动检测项目类型(Web/小程序/后端)
- 智能配置部署参数
- 实时显示部署进度
- 自动返回访问链接
3. 智能调试(Smart Debugging)
部署出错?不用怕。AI 会自动读取日志,帮你分析并修复问题,真正实现开发-部署-调试的闭环。
提示词:报错了,错误是 xxxx
- AI 自动查看云函数日志
- 分析错误原因
- 生成修复代码
- 自动重新部署
4. 全栈支持(Full-Stack Ready)
无论是 Web 应用、小程序还是后端服务,AI 都能为你处理,你只需专注业务逻辑。
| 应用类型 | 技术栈 | 部署方式 |
|---|---|---|
| Web 应用 | React/Vue/Next.js | 静态托管 + CDN |
| 微信小程序 | 原生/UniApp | 小程序发布 |
| 后端服务 | Node.js/Python | 云函数/云托管 |
5. 知识检索(Knowledge Search)
内置云开发、微信小程序等专业知识库的智能向量检索,让 AI 更懂云开发。
提示词:如何使用云数据库实现实时数据同步?
- 智能检索云开发知识库
- 返回相关文档和最佳实践
- 提供代码示例
6. 灵活工作流(Flexible Workflow)
支持 /spec 和 /no_spec 命令,根据任务复杂度智能选择。
/spec - 完整工作流(需求→设计→任务→实现)
/no_spec - 快速迭代(直接实现)
📦 安装配置
前置条件
配置方式
方式一:CloudBase AI CLI(推荐)
# 安装
npm install @cloudbase/cli@latest -g
# 使用
tcb ai
方式二:手动配置 MCP
根据你使用的 AI IDE,添加 MCP 配置:
Cursor
在 .cursor/mcp.json 中添加:
{
"mcpServers": {
"cloudbase": {
"command": "npx",
"args": ["@cloudbase/cloudbase-mcp@latest"]
}
}
}
WindSurf
在 .windsurf/settings.json 中添加:
{
"mcpServers": {
"cloudbase": {
"command": "npx",
"args": ["@cloudbase/cloudbase-mcp@latest"]
}
}
}
CodeBuddy
CodeBuddy 已内置 CloudBase MCP,无需配置即可使用。
其他 IDE
查看 完整配置指南 了解其他 IDE 的配置方式。
🎯 使用案例
案例 1:双人在线对战五子棋
开发过程:
- 输入需求:"做个双人在线对战五子棋网站,支持联机对战"
- AI 生成:Web 应用 + 云数据库 + 实时数据推送
- 自动部署并获得访问链接
体验地址: 五子棋游戏
查看开发截图
| 开发过程 | 最终效果 |
|---|---|
![]() |
![]() |
案例 2:AI 宠物养成小程序
开发过程:
- 输入:"开发一个宠物小精灵养成小程序,使用 AI 增强互动"
- AI 生成:小程序 + 云数据库 + AI 云函数
- 导入微信开发者工具即可发布
查看开发截图与小程序预览

案例 3:智能问题诊断
当应用出现问题时,AI 自动查看日志、分析错误并生成修复代码。
查看智能诊断过程

🧩 MCP 工具
覆盖环境管理、数据库、云函数、静态托管、小程序发布等核心功能。
| 分类 | 工具 | 核心功能 |
|---|---|---|
| 环境 | 4 个 | 登录认证、环境查询、域名管理 |
| 数据库 | 11 个 | 集合管理、文档 CRUD、索引、数据模型 |
| 云函数 | 9 个 | 创建、更新、调用、日志、触发器 |
| 静态托管 | 5 个 | 文件上传、域名配置、网站部署 |
| 小程序 | 7 个 | 上传、预览、构建、配置、调试 |
| 工具支持 | 4 个 | 模板、知识库搜索、联网搜索、交互对话 |
📚 更多资源
文档
💬 社区
微信交流群
扫码加入微信技术交流群
其他交流方式
| 平台 | 链接 | 说明 |
|---|---|---|
| 官方文档 | 查看文档 | 完整的云开发文档 |
| Issue 反馈 | 提交问题 | Bug 反馈和功能请求 |
Star History
贡献者
感谢所有为 CloudBase MCP 做出贡献的开发者!
版本历史
v2.15.42026/03/27v2.15.32026/03/26v2.11.12026/02/28v2.10.02026/02/02v2.8.02026/01/09v2.6.12025/12/15v2.3.02025/12/08v2.1.02025/12/04v2.0.02025/11/24v1.9.02025/11/07v1.8.402025/09/02v1.7.02025/06/10v1.6.02025/06/06常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。






