告别“傻瓜”AI！Cherry Studio + MCP实战：让你的大模型拥有超能力

最新推荐文章于 2025-05-05 07:15:00 发布

that's boy

最新推荐文章于 2025-05-05 07:15:00 发布

阅读量2.4k

点赞数 18

文章标签：人工智能 midjourney AI编程 AI写作 cherry Studio chatgpt deepSeek

本文链接：https://blog.csdn.net/m0_66917422/article/details/146587905

版权

你的AI，是不是还缺点“外挂”？

嘿，各位走在AI时代前沿的小伙伴们！咱们是不是经常感觉手里的大语言模型（LLM）虽然聪明，但总有点“书呆子”气？它们知识渊博，能写诗作画，能编码解惑，但一旦让它们去网上查个实时信息，或者帮你整理一下本地电脑上的文件，它们往往就“傻眼”了。

这就像给一个超级大脑配了一副老花镜和一双被绑住的手，空有一身本领却施展不开。我们渴望的，是一个能真正连接现实世界，能调用各种工具，能像人类一样“动手”解决问题的AI助手。

好消息是，这个愿望正在成为现实！最近，一个名为**MCP（Model Context Protocol，模型上下文协议）**的概念正在AI圈子里迅速蹿红。而今天，咱们就借着一款广受欢迎的AI桌面客户端——Cherry Studio，来一次MCP的入门实战，手把手教你如何给你的大模型插上“翅膀”，让它拥有与外部世界交互的超能力！

什么是MCP？给AI装上“万能插座”！

想象一下，如果把大模型比作一个需要“供电”才能工作的超级电器，那么MCP就像是一个万能插座协议。它定义了一套标准接口，让大模型这个“电器”可以方便地连接并使用各种各样的“外部设备”——也就是我们常说的第三方工具或API服务。

简单来说，MCP就是一座连接大模型与外部API/工具的桥梁。

通过这座桥梁：

大模型不再局限于它预训练时学到的那些“静态”知识。
它可以实时调用外部工具来获取最新信息（比如用fetch工具抓取网页）。
它可以操作你本地的资源（比如用filesystem工具管理你的文件）。
它可以控制更复杂的软件（比如未来可能控制Blender、Figma甚至Word）。

一句话总结：MCP，让大模型从一个“只说不做”的聊天机器人，进化成一个能够感知和操作现实世界的智能体（AI Agent）。这扇通往更广阔应用场景的大门，正被MCP缓缓推开。

为什么选择Cherry Studio？新手友好的MCP实践平台

市面上支持MCP的工具正在逐渐增多，我们为什么选择从Cherry Studio入手呢？

用户友好：Cherry Studio以其简洁直观的图形用户界面（GUI）和流畅的体验赢得了大量用户的喜爱，相比命令行工具，它对新手更加友好。
功能全面：它不仅仅是一个聊天界面，还集成了模型管理、Prompt管理、插件系统等多种功能。
率先支持MCP：作为紧跟技术前沿的客户端，Cherry Studio较早地集成了对MCP服务的支持，并且提供了相对便捷的配置方式。

本文将以Cherry Studio官方文档中推荐的fetch工具为例，带大家走通MCP配置和使用的第一步。然后，我们会“举一反三”，演示如何添加并使用filesystem工具来操作本地文件夹，让你直观感受MCP的强大扩展性。准备好了吗？Let’s Go!

准备工作：安装你的“螺丝刀”和“扳手”

在正式开始为大模型“改装升级”之前，我们需要准备好两样关键的“工具”——uv和bun。别担心，它们都是现代化的开发工具，安装起来通常很简单。

uv:
- 它是什么？ uv是一个由Astral公司（Ruff的开发者）开发的超高速Python包安装器和解析器。你可以把它看作是pip和venv的更快、更现代的替代品。在MCP的场景下，很多基于Python的MCP服务器会推荐使用uv来管理和运行环境，因为它快得飞起！
- 如何安装？ 通常，如果你有Python环境（尤其是较新版本），可以在终端（命令行或PowerShell）中运行：
```
pip install uv
# 或者根据uv官方文档推荐的其他安装方式
```
  你可以访问uv的GitHub或官方文档获取最准确的安装指南。
bun:
- 它是什么？ Bun是一个极速的JavaScript全家桶工具。它不仅仅是一个运行时（像Node.js），还是一个打包器、测试器、包管理器（兼容npm）。很多现代Web项目和一些基于JavaScript/TypeScript的MCP服务器会用到它。
- 如何安装？ 访问Bun的官方网站（https://bun.sh/），通常会提供一行简单的安装命令，适用于macOS, Linux和Windows WSL。请根据官网指示操作。

安装完成后，你可以在终端里输入uv --version和bun --version来验证它们是否安装成功。这两件利器在手，我们就可以开始配置MCP服务器了！

实战演练一：配置`fetch`服务器，让AI“上网冲浪”

配置服务器，让AI“上网冲浪”

咱们的第一个实战目标是配置fetch工具。

为什么选它？

功能实用：它能抓取指定网页的内容，这是让AI获取实时信息的基础能力。
配置简单：官方提供了清晰的配置示例，非常适合新手入门，理解MCP的配置逻辑。

配置步骤详解：

打开Cherry Studio客户端，找到并点击左侧菜单栏的**“设置”**图标。
在设置界面中，向下滚动或在左侧导航栏找到**“MCP 服务器”**选项，点击进入。
你会看到一个列表（初始可能为空），点击右上角的**“添加服务器”**按钮。
现在，你需要填写这个新MCP服务器的配置信息。对于fetch服务器，按照以下方式填写：
- 名称 (Name): 给它起个你能记住的名字，比如就叫 fetch。
- 类型 (Type): 这里是关键。选择 STDIO。
- 命令 (Command): 填写 uvx。
- 参数 (Args): 填写 mcp-server-fetch。 (注意：这里是一个单独的参数项，不是跟在uvx后面。)

参数解读：为什么要这么填？

类型 (Type) - STDIO vs SSE:
- STDIO (Standard Input/Output): 表示这个MCP服务器将在你的本地计算机上运行。它的优点是可以访问你本机的资源（比如文件、应用程序），缺点是通常需要你在本地配置好相应的运行环境（比如Python、Node.js等，这也是我们安装uv和bun的原因）。fetch和filesystem都需要访问网络或本地文件，所以选择STDIO。
- SSE (Server-Sent Events): 表示这个MCP服务器运行在远程服务器上。它的优点是配置通常更简单（可能只需要填一个URL），缺点是它无法访问你的本地资源。
命令 (Command) - uvx: uvx是uv工具的一个命令，它的作用类似于npx（Node.js的包执行器），可以在不全局安装包的情况下，下载并执行一个Python包。这里表示我们要用uvx来运行mcp-server-fetch这个包。
参数 (Args) - mcp-server-fetch: 这是传递给uvx命令的具体包名。uvx会自动处理下载、创建虚拟环境并运行这个包里的MCP服务器程序。

如何找到这些配置信息？

对于公开的MCP服务器，通常可以在它们的GitHub仓库或相关文档中找到配置指南。例如，fetch工具的配置信息就来源于其官方GitHub仓库的示例：

// 示例配置结构 (非直接复制到Cherry Studio)
"mcpServers": {
  "fetch": {
    "command": "uvx",
    "args": ["mcp-server-fetch"]
  }
}

看到了吗？command对应Cherry Studio里的“命令”，args对应“参数”。掌握这个方法，你以后就可以自己去探索和配置更多公开的MCP服务器了！

保存并启用：

填写完毕后，点击“确定”或“保存”。fetch服务器就添加到你的列表中了。

使用方法：让AI小试牛刀

回到Cherry Studio的主对话界面。
在输入框上方或模型选择区域附近，找到启用/选择MCP服务器的按钮（通常是一个类似插头🔌或扳手🔧的图标）。点击它。
在弹出的列表中，勾选你刚刚添加的fetch服务器。
选择一个支持MCP（或称为Function Calling/Tool Use）的模型。在Cherry Studio中，这些模型旁边通常会有一个扳手 🔧 标志。注意，不是所有模型都支持调用工具，你需要选择支持该功能的模型。
现在，你可以开始对话了！尝试让AI去获取一个网页的内容。

惊喜发现： 经过原作者测试，即使是像硅基流动（SiliconFlow）提供的免费Qwen 2.5-7B-Instruct这样的小参数模型，也能成功调用fetch工具并完成网页内容的抓取和总结！这大大降低了体验MCP功能的门槛。

实战演练二：配置`filesystem`，让AI成为你的“文件管家”

学会了添加fetch，是不是感觉MCP也没那么神秘了？现在，咱们“举一反三”，来添加一个更强大的工具——filesystem，让AI能够直接操作你电脑上的文件和文件夹！

filesystem工具能做什么？

读写文件：读取文本文件内容，或者把AI生成的内容（比如诗歌、代码、报告）写入新文件或覆盖旧文件。
管理目录：创建新的文件夹，查看文件夹里有哪些文件，删除不需要的文件夹，移动文件夹位置。
模式搜索：使用通配符（比如 *.txt, report_*.docx）快速查找符合特定命名规则的文件。
获取元数据：查看文件的大小、创建日期、修改日期等详细信息。
访问控制：这是非常重要的安全功能！你可以通过配置文件（或在Cherry Studio的参数里设置）来限制filesystem工具只能访问你明确允许的目录，防止AI误操作或访问敏感区域。

配置方法详解：

同样地，在Cherry Studio的“设置” -> “MCP 服务器”中，点击“添加服务器”。
这次，我们配置filesystem服务器：
- 名称 (Name): 比如叫 filesystem。
- 类型 (Type): 依然选择 STDIO，因为它需要操作本地文件。
- 查找服务器包名: 在Cherry Studio的添加界面，通常会有一个搜索或浏览功能来查找公开的MCP服务器包。尝试搜索 @modelcontextprotocol/server-filesystem。如果搜索不到，你可能需要手动填写命令和参数，这通常可以在filesystem的官方GitHub仓库找到。假设它也使用uvx，那么：
  - 命令 (Command): 可能还是 uvx。
  - 参数 (Args): 可能是 @modelcontextprotocol/server-filesystem。
- 关键参数：指定可访问目录：这是filesystem特有的配置。在“参数”区域下方，通常会有额外的配置项。你需要在这里添加一个参数，指定你允许AI操作的文件夹路径。为了安全起见，强烈建议只指定一个你专门用于测试的、非系统关键的文件夹。例如，如果你想让AI操作你的桌面，并且你的桌面路径是 C:\Users\YourUsername\Desktop，你可能需要添加类似 --allow C:\Users\YourUsername\Desktop 这样的参数（具体格式请参考filesystem的文档或Cherry Studio的提示）。请务必谨慎设置此项！
  (这里是示意图位置，实际应替换为真实的截图)

使用方法：指挥AI整理文件

同样地，在对话界面启用filesystem服务器，并选择支持MCP的模型。
现在，你可以尝试用自然语言指挥AI操作文件了。

再次提醒：

操作本地文件有风险，请务必谨慎设置允许访问的目录。
AI在理解和执行文件操作指令时，有时可能会出错或产生“幻觉”（比如理解错路径、文件名或操作）。你可能需要多次尝试、调整你的指令（Prompt），使其更清晰、更规范，才能达到理想的效果。
好消息是，根据原作者测试，即便是免费的7B模型，也能完成一些简单的文件操作！

彩蛋与拓展：当多个MCP协同工作…

想象一下，如果AI不仅能上网查资料(fetch)，还能读写本地文件(filesystem)，甚至还能调用Excel的API来处理表格数据… 这将是怎样一种强大的工作流？

虽然详细配置和使用多个MCP协同工作超出了本入门教程的范围，但这正是MCP协议的魅力所在——它允许你组合不同的工具，构建出极其强大的、能够完成复杂任务的AI Agent。比如，让AI上网搜集某个主题的数据，整理成本地Markdown文件，再读取这个文件，生成一份Excel报告。这一切，在MCP的世界里皆有可能！