Подключить Cohere MCP-сервер к Cursor

💡 Без установки? Используйте cloud.anythingmcp.com напрямую. Войдите, нажмите Connectors → Cohere, вставьте учётные данные, создайте MCP API key, и готово. Без Docker, без git clone, без локального сервера.

Cohere + Cursor

Cohere с вашим собственным API-ключом: ответы моделей Command с цитатами из ваших документов, эмбеддинги для семантического поиска, переранжирование результатов поиска, распознавание речи, разбор изображений документов, подсчёт токенов, а также модели, датасеты, пакеты и embed-задания аккаунта.

Предварительные требования

Полные инструкции по настройке встроены в коннектор (видны в магазине при выборе коннектора). Требуемые переменные окружения:

COHERE_API_KEY

Шаг 1 — Получите учётные данные

Настройка занимает около 2 минут. Нужен аккаунт Cohere; пробный (trial) ключ бесплатен.

1. Зарегистрируйтесь на https://dashboard.cohere.com и откройте API Keys (https://dashboard.cohere.com/api-keys).
2. Скопируйте пробный ключ или создайте рабочий (production) ключ, добавив способ оплаты в разделе Billing.
3. Вставьте его в COHERE_API_KEY без слова Bearer. Коннектор отправляет его как Authorization: Bearer и только в Cohere.
4. Установите коннектор и запустите cohere_check_api_key или cohere_list_models, чтобы проверить ключ.

Какие инструменты стоят денег: cohere_chat, cohere_embed, cohere_rerank, cohere_transcribe_audio и cohere_parse_document запускают модель. С рабочим ключом каждый вызов оплачивается: чат за входные и выходные токены, эмбеддинги за токен или изображение, rerank за поиск по набору до 100 документов (длинные документы считаются за несколько). Пробный ключ бесплатен, но ограничен в минуту и в месяц и не подходит для коммерческого использования. ИИ спрашивает вас перед крупными или повторными вызовами и задаёт max_tokens, чтобы ограничить ответ чата. cohere_tokenize, cohere_detokenize, cohere_check_api_key и все инструменты списков и чтения бесплатны.

Модели: идентификаторы меняются, поэтому актуальный список даёт cohere_list_models (фильтр endpoint chat, embed или rerank), а cohere_get_model показывает длину контекста, возможности и эндпоинты одной модели.

• Чат: command-a-03-2025 (выбор по умолчанию), command-a-reasoning-08-2025 (рассуждения), command-a-vision-07-2025 (изображения), command-a-translate-08-2025 (перевод), command-r7b-12-2024 (маленькая и дешёвая).
• Эмбеддинги: embed-v4.0 (текст и изображения), embed-v5.0-pro, embed-v5.0-fast, embed-multilingual-v3.0.
• Rerank: rerank-v5.0-fast (по умолчанию), rerank-v5.0-pro (точнее), rerank-v3.5.
• Транскрипция: cohere-transcribe-03-2026. Разбор: parse-v5.0.

Ответы с цитатами: cohere_chat принимает model и messages и возвращает весь ответ сразу. Если передать documents (простые строки или объекты с id и data, где есть title и snippet), ответ будет опираться на них и содержать message.citations со ссылками на эти документы. response_format требует JSON, tools добавляет вызов функций, а thinking с типом disabled отключает рассуждения у рассуждающих моделей.

Семантический поиск: cohere_embed превращает до 96 текстов (или изображений в виде data URI) в векторы; input_type search_document для того, что вы храните, search_query для запроса. По умолчанию здесь embed-v4.0 с 256 измерениями (output_dimension 256, 512, 1024 или 1536). cohere_rerank упорядочивает до 1 000 документов по релевантности запросу и возвращает results с index (позиция в вашем списке) и relevance_score от 0 до 1; top_n оставляет только лучшие.

Аудио и документы: cohere_transcribe_audio принимает публичную ссылку на аудиофайл (flac, mp3, mpeg, mpga, ogg, wav, через этот коннектор до 10 МБ) и обязательный language (ISO-639-1); коннектор скачивает файл и загружает его в Cohere. cohere_parse_document превращает изображение страницы (скан, фото, скриншот; публичная ссылка или data URI до 20 МБ) в Markdown со встроенными таблицами или в блоки разметки. PDF пока не поддерживаются.

Токены: cohere_tokenize считает токены текста для модели, например перед вызовом чата; cohere_detokenize превращает идентификаторы токенов обратно в текст.

Данные аккаунта: cohere_list_datasets, cohere_get_dataset и cohere_get_dataset_usage (занятое место, не более 10 ГБ на организацию); cohere_list_batches и cohere_get_batch для заданий Batch API; cohere_list_embed_jobs и cohere_get_embed_job для embed-заданий.

Форматы данных: чат возвращает message.content[] (элементы типа text с text), finish_reason (COMPLETE, MAX_TOKENS, STOP_SEQUENCE, TOOL_CALL, ERROR) и usage.billed_units с оплаченными входными и выходными токенами. Эмбеддинги лежат в embeddings.float, по одному вектору на текст в том же порядке. Даты в формате ISO 8601, UTC.

Постраничная выдача: cohere_list_models и cohere_list_batches возвращают next_page_token; ИИ передаёт его как page_token, пока он не станет пустым. cohere_list_datasets листается через limit и offset.

Отключено при установке: ничего. Все 17 инструментов включены, и ни один из них ничего не удаляет.

Ограничения: не более 96 текстов за вызов эмбеддингов и 1 000 документов за rerank; аудио до 10 МБ, изображения документов до 20 МБ. У пробных ключей низкие лимиты в минуту и в месяц.

Частые ошибки: 400 означает неверный запрос (например, параметр, который модель не принимает, или больше 96 текстов); 401 неверный ключ; 402 нужен способ оплаты (добавьте его в Billing); 404 неизвестная модель, датасет, пакет или задание; 422 запрос не удалось обработать; 429 лимит запросов (ИИ ждёт, а не повторяет в цикле); 499 запрос отменён; 500 и 503 означают проблему на стороне Cohere, повторите один раз позже.

Коннектор не стримит ответы и не создаёт, не отменяет и не удаляет датасеты, пакеты и embed-задания. Classify, Summarize, Generate, connectors и дообучение Cohere объявил устаревшими, поэтому их здесь нет.

Шаг 2 — Установите адаптер

curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d

Шаг 3 — Добавьте коннектор в Cursor

URL вашего сервера: в AnythingMCP откройте MCP Servers → сервер, на котором находится этот коннектор, и скопируйте его URL (https://cloud.anythingmcp.com/mcp/…). Используйте его везде, где в этом руководстве указано YOUR_SERVER_ID.

Cursor читает MCP-серверы из ~/.cursor/mcp.json. Добавь эту запись:

{
  "mcpServers": {
    "anythingmcp": {
      "url": "https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID",
      "headers": { "X-API-Key": "YOUR_MCP_API_KEY" }
    }
  }
}

1. Создай MCP API-ключ в AnythingMCP в разделе MCP Servers → твой сервер → API keys и вставь его вместо YOUR_MCP_API_KEY.
2. Сохрани файл и перезапусти Cursor.
3. Открой Cursor → Settings → MCP и проверь, что anythingmcp есть в списке и подключён.
4. Начинай общаться: агент теперь может вызывать инструменты Cohere.

Доступные инструменты

Примеры запросов

• «Ответь на вопрос о нашем сроке возврата, используя только эти три выдержки из правил, и покажи, из какой выдержки взято каждое предложение.»
• «Какие из этих 20 описаний товаров лучше всего подходят к водонепроницаемым зимним треккинговым ботинкам? Переранжируй их и покажи топ-5 с оценками.»
• «Сколько токенов в этом тексте договора для command-a-03-2025?»
• «Преврати отсканированный счёт https://example.com/scans/invoice-0425.png в Markdown вместе с таблицей позиций.»
• «Какие из моих embed-заданий и пакетов Cohere ещё выполняются и не завершилось ли какое-нибудь ошибкой?»

FAQ

Поддерживает ли Cursor собственные MCP-серверы на бесплатном тарифе? Да, MCP доступен на тарифах Hobby, Pro и Business.

Следующие шаги

• Страница коннектора
• Подключить к Claude
• Подключить к ChatGPT
• Подключить к Gemini
• Подключить к Meta Muse
• Подключить к Microsoft Copilot