CloudBase-MCP

GitHub
986 125 简单 2 次阅读 今天MIT图像开发框架Agent
AI 解读 由 AI 自动生成,仅供参考

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

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes本地模式需要 Node.js v18.15.0 及以上版本;托管模式无需本地 Node.js 环境,但需要腾讯云账号和 API 密钥;支持多种 AI IDE 包括 Cursor、WindSurf、CodeBuddy、CLINE、GitHub Copilot、Trae、通义灵码等
python未说明
@cloudbase/cloudbase-mcp
@cloudbase/cli
CloudBase-MCP hero image

快速开始

banner

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

MCP Badge

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

Clipboard_Screenshot_1764660604

Clipboard_Screenshot_1763724670

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。

目录

🚀 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

url 里加上 query 参数可禁用指定插件,例如禁用 ragenv

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

查看完整文档 | 详细案例教程

首次使用

  1. 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

  2. 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
AI Native

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
One-Click Deploy

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
Smart Debugging

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
Full-Stack Ready

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
Knowledge Search

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)
Flexible Workflow

📦 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

.cursor/mcp.json 中添加:

{
  "mcpServers": {
    "cloudbase": {
      "command": "npx",
      "args": ["@cloudbase/cloudbase-mcp@latest"]
    }
  }
}
WindSurf

.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:

  1. 输入需求:"做个双人在线对战五子棋网站,支持联机对战"
  2. AI 生成:Web 应用 + 云数据库 + 实时数据推送
  3. 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:

  1. 输入:"开发一个宠物小精灵养成小程序,使用 AI 增强互动"
  2. AI 生成:小程序 + 云数据库 + AI 云函数
  3. 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

查看完整工具文档 | 工具规格 JSON

📚 更多资源

文档

💬 社区

微信交流群

微信群二维码
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

Star History Chart

贡献者

感谢所有为 CloudBase MCP 做出贡献的开发者!

Contributors


如果这个项目对你有帮助,请给我们一个 Star!

MIT © TencentCloudBase

版本历史

v2.15.42026/03/27
v2.15.32026/03/26
v2.11.12026/02/28
v2.10.02026/02/02
v2.8.02026/01/09
v2.6.12025/12/15
v2.3.02025/12/08
v2.1.02025/12/04
v2.0.02025/11/24
v1.9.02025/11/07
v1.8.402025/09/02
v1.7.02025/06/10
v1.6.02025/06/06

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。

162.1k|★★★☆☆|今天
开发框架图像Agent

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

140.4k|★★☆☆☆|今天
开发框架Agent语言模型

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。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

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。

87.6k|★★☆☆☆|昨天
开发框架语言模型

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。

85k|★★☆☆☆|今天
图像数据工具视频

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。

77.1k|★★★☆☆|2天前
Agent图像开发框架