AI Persona Generator

开发者工具领域正在悄然发生一种工作流转变。你不再需要在编辑器、终端和浏览器之间来回切换来获取数据，而是用自然语言描述你需要什么，AI Agent 直接帮你取回来。Model Context Protocol（MCP）正是让这一切成为可能的机制——一套 AI 客户端调用外部工具的标准接口。

AI Persona Generator 原生支持 MCP。本文将完整介绍在 Claude（桌面端）和 Cursor 中的连接配置步骤，以及配置完成后实际工作流的样子。

MCP 在这里的作用

没有 MCP 时，生成测试画像需要：打开浏览器、导航到工具页、配置字段、点击生成、下载文件、把数据粘贴到某个有用的地方。这是六次上下文切换，而本应是一行请求就能搞定的事。

有了 MCP，你在 Claude 或 Cursor 里输入类似"为一个医疗 App 生成 10 个测试用户，年龄 25-60 岁，包含医保状态"，就能在同一个会话里拿到结构化 JSON 数据。

AI Persona Generator 的 MCP Server 暴露了一个 generate_personas 工具，接受与 REST API 相同的参数。AI 客户端会透明地处理调用过程。

前提条件

一个 AI Persona Generator 账号和 API Key（设置 → API Keys）
Claude 桌面端（claude.ai/download）或 Cursor（cursor.sh）
机器可以访问互联网（MCP Server 是托管服务，不需要本地运行）

配置 Claude 桌面端

Claude 使用一个 JSON 配置文件来注册 MCP Server。文件路径：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json

添加以下内容（如果文件不存在就创建它）：

{
  "mcpServers": {
    "persona-generator": {
      "type": "sse",
      "url": "https://aipersonagen.com/api/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_API_KEY"
      }
    }
  }
}

将 YOUR_API_KEY 替换为账户设置里的 Key。保存后重启 Claude。

验证方法：打开一个新的 Claude 对话，输入"你有哪些可用的工具？"如果看到 generate_personas 出现在列表里，说明配置成功。

配置 Cursor

Cursor 的 MCP 配置放在项目级文件 .cursor/mcp.json 或全局配置里。针对单个项目的配置：

{
  "mcpServers": {
    "persona-generator": {
      "type": "sse",
      "url": "https://aipersonagen.com/api/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_API_KEY"
      }
    }
  }
}

将它放在项目根目录的 .cursor/mcp.json。Cursor 重启后会自动加载。你可以在 设置 → MCP 里确认它是否已激活。

工具参数的形态

当 AI 调用 generate_personas 时，它会传入一个符合 API Schema 的结构化参数。你不需要自己写这些——AI 会从你的自然语言请求中构造——但了解它的形态有助于你写出更好的提示词：

{
  "personaCount": 10,
  "projectDescription": "一个供慢性病患者管理健康的医疗 App",
  "outputLanguage": "zh-CN",
  "schemaMode": "ai",
  "personalPrompt": false,
  "customFields": false,
  "enableAvatar": false
}

使用 schemaMode: "ai" 时，模型会根据你的描述自动推断合适的字段。当你需要精确控制字段时，切换到 "hybrid" 或 "strict"。

一个真实的工作流示例

以下是在 Cursor 里开发新功能时的典型使用场景：

你正在实现一个按订阅套餐显示用户活跃度的 Dashboard，在写查询逻辑之前需要测试数据。不需要切换上下文：

"为一个 SaaS 分析工具生成 20 个测试用户。包含字段：subscription_tier（free/pro/enterprise，比例 60/30/10）、last_active_days（整数 0-90）、country（US 40%，EU 35%，APAC 25%）。以 JSON 格式返回。"

Cursor 调用 generate_personas，几秒内你就在对话里拿到了 20 条有真实分布的记录。粘贴到 seed 脚本里，确认查询能处理三种套餐，然后继续开发。

少了一个浏览器标签页，这种感受出乎意料地解放。

关于异步模式

generate_personas 工具对于较大批次会返回 taskId。MCP Server 自动处理轮询——你不需要自己管理状态检查。AI 客户端会等待完成并返回最终数据。

对于很大的批次（50+ 画像且开启了头像生成），等待时间可能是 10-20 秒。这是正常的；头像生成是慢的那一步。对于典型的开发用途（10-20 个用户，不开头像），响应在 2-4 秒内返回。

实用技巧

在提示词里尽量具体。 模糊的描述如"一个社交 App"只会产生通用字段。类似"一个健身追踪 App，面向健身房会员，年龄 18-45 岁，追踪训练频率和会员类型"的描述能产出有用得多的结果。

需要字段名精确匹配数据库列名时使用 schemaMode: "strict"。 严格模式下 AI 会精确遵守字段名。

不要每次测试都重新生成。 每个 Schema 版本生成一次，缓存结果，在测试中复用。API 不是免费的；把它当作需要合理缓存的外部服务调用来对待。

一旦你体验过不打开浏览器就生成完整真实用户数据集的感觉，就很难再回到那个有十二行占位符的 users.json 了。

如何通过 MCP 将 AI Persona Generator 接入 Claude 和 Cursor