02.使用cline(VSCode插件)、continue（IDEA插件）、cherry-studio玩转MCP

已于 2025-04-27 21:50:26 修改
阅读量826 收藏 10
点赞数 5
分类专栏： Homelab # AI 文章标签： cline continue cherry-studio MCP ai vscode idea
于 2025-04-09 22:38:11 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sinat_15906013/article/details/147052013
版权

文章目录

什么是MCP？

一切的起源是 anthropic 官网的这篇文章：https://www.anthropic.com/news/model-context-protocol，里面是这么描述的：

It provides a universal, open standard for connecting AI systems with data sources, replacing fragmented integrations with a single protocol. The result is a simpler, more reliable way to give AI systems access to the data they need.
它为连接 AI 系统和数据源提供了一个通用的开放标准，用单一协议取代了分散的集成。结果是 AI 系统可以更简单、更可靠地访问其所需的数据。

再有就是网站：https://modelcontextprotocol.io/introduction中，如此描述：

MCP is an open protocol that standardizes how applications provide context to LLMs. Think of MCP like a USB-C port for AI applications. Just as USB-C provides a standardized way to connect your devices to various peripherals and accessories, MCP provides a standardized way to connect AI models to different data sources and tools.
MCP 是一种开放协议，它标准化了应用向 AI 应用提供上下文的方式。您可以将 MCP 视为 AI 应用的 USB-C 端口。正如 USB-C 提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP 提供了一种将 AI 模型连接到不同数据源和工具的标准化方式。
在这里插入图片描述

为什么需要 MCP

平台上提供的可以调用工具的模型，都是带有 functionCall 标记的，具体实现是跟模型和平台强相关的。

比如上面展示的 DeepSeek 带工具调用的模型，也不是跟普通版本一起上线，说明每个模型都有额外的开发成本，无法直接套用。

那就更不用提不同平台之间了，几乎就不可能兼容。

综合来看，就是 functionCall 方案，在不同模型、不同 AI Agent 平台之间无法通用。

MCP协议与function call非常相似，MCP最大的优势是整合了之前各家大模型不同的function call的标准，整合成了一个标准协议
在这里插入图片描述

MCP 的工作原理

通用架构

https://modelcontextprotocol.io/introduction#general-architecture
在这里插入图片描述

核心架构

Transport layer

The transport layer handles the actual communication between clients and servers. MCP supports multiple transport mechanisms:

  1. Stdio transport
  • Uses standard input/output for communication
  • Ideal for local processes
  1. HTTP with SSE transport
  • Uses Server-Sent Events for server-to-client messages
  • HTTP POST for client-to-server messages

All transports use JSON-RPC 2.0 to exchange messages. See the specification for detailed information about the Model Context Protocol message format.

Message types

MCP has these main types of messages:

  1. Requests expect a response from the other side:
interface Request {
  method: string;
  params?: { ... };
}
  1. Results are successful responses to requests:
interface Result {
  [key: string]: unknown;
}
  1. Errors indicate that a request failed:
interface Error {
  code: number;
  message: string;
  data?: unknown;
}
  1. Notifications are one-way messages that don’t expect a response:
interface Notification {
  method: string;
  params?: { ... };
}

MCP软件集合网站

https://www.modelscope.cn/mcp
聚合优质MCP资源，拓展模型智能边界

https://smithery.ai/
Extend your agent with 4,826 capabilities via Model Context Protocol servers.

https://www.pulsemcp.com/
Browse and discover MCP use cases, servers, clients, and news

https://github.com/punkpeye/awesome-mcp-servers
A collection of MCP servers.

MCP汇总

https://github.com/modelcontextprotocol/servers/tree/main/src/time
https://github.com/modelcontextprotocol/servers/tree/main/src/filesystem
https://github.com/modelcontextprotocol/servers/tree/main/src/git
https://github.com/modelcontextprotocol/servers/tree/main/src/github
https://github.com/AgentDeskAI/browser-tools-mcp
https://github.com/executeautomation/mcp-playwright
https://github.com/modelcontextprotocol/servers/tree/main/src/sequentialthinking
https://github.com/modelcontextprotocol/servers/tree/main/src/memory
fetch
baidu-map
slack
duckduckgo
desktop-commander

安装环境

uv（python）

为什么不用pip？

使用 uv 时无需进行特定安装。使用 uvx 直接运行。
⚡️ 比pip快10-100x
在这里插入图片描述

https://github.com/pypa/pip
https://ossinsight.io/analyze/pypa/pip?vs=astral-sh%2Fuv#overview

安装

https://github.com/astral-sh/uv?tab=readme-ov-file#installation

# On macOS and Linux.
curl -LsSf https://astral.sh/uv/install.sh | sh
source $HOME/.local/bin/env

downloading uv 0.6.12 x86_64-unknown-linux-gnu
no checksums to verify
installing to /home/d/.local/bin
  uv
  uvx
everything's installed!

To add $HOME/.local/bin to your PATH, either restart your shell or run:

    source $HOME/.local/bin/env (sh, bash, zsh)
    source $HOME/.local/bin/env.fish (fish)
WARNING: The following commands are shadowed by other commands in your PATH: uv uvx

nvm（nodejs）

https://github.com/nvm-sh/nvm?tab=readme-ov-file#install–update-script

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.2/install.sh | bash

=> Downloading nvm from git to '/home/d/.nvm'
=> 正克隆到 '/home/d/.nvm'...
remote: Enumerating objects: 382, done.
remote: Counting objects: 100% (382/382), done.
remote: Compressing objects: 100% (325/325), done.
remote: Total 382 (delta 43), reused 178 (delta 29), pack-reused 0 (from 0)
接收对象中: 100% (382/382), 386.80 KiB | 426.00 KiB/s, 完成.
处理 delta 中: 100% (43/43), 完成.
* （头指针在 FETCH_HEAD 分离）
  master
=> Compressing and cleaning up git repository

=> Appending nvm source string to /home/d/.bashrc
=> Appending bash_completion source string to /home/d/.bashrc
=> Close and reopen your terminal to start using nvm or run the following to use it now:

export NVM_DIR="$HOME/.nvm"
[ -s "$NVM_DIR/nvm.sh" ] && \. "$NVM_DIR/nvm.sh"  # This loads nvm
[ -s "$NVM_DIR/bash_completion" ] && \. "$NVM_DIR/bash_completion"  # This loads nvm bash_completion

cline插件

一个一个安装太费劲，我给大家准备好了。其中windows麻烦点，需要linux命令前加上cmd /c xxx
在这里插入图片描述

window配置如下

{
  "mcpServers": {
    
    "time": {
      "disabled": false,
      "timeout": 60,
      "command": "cmd",
      "args": [
        "/c",
        "uvx",
        "mcp-server-time",
        "--local-timezone=Asia/Shanghai"
      ],
      "env": {},
      "transportType": "stdio"
    },
    "filesystem": {
      "timeout": 60,
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "D://SourceCode//dcl-modules"
      ],
      "transportType": "stdio"
    },
    "git": {
      "timeout": 60,
      "command": "cmd",
      "args": [
        "/c",
        "uvx",
        "mcp-server-git",
        "--repository",
        "D://SourceCode//dcl-modules"
      ],
      "transportType": "stdio"
    },
    "github": {
      "command": "cmd",
      "args": [
        "/c",
        "npx -y",
        "@modelcontextprotocol/server-github"
      ],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "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"
      }
    },
    "browser-tools": {
      "timeout": 60,
      "command": "cmd",
      "args": [
        "/c",
        "npx -y @agentdeskai/browser-tools-mcp@1.2.0"
      ],
      "transportType": "stdio"
    },
    "mcp-playwright": {
      "disabled": false,
      "timeout": 60,
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "@executeautomation/playwright-mcp-server"
      ],
      "env": {},
      "transportType": "stdio"
    },
    "sequentialthinking": {
      "disabled": false,
      "timeout": 60,
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "@modelcontextprotocol/server-sequential-thinking"
      ],
      "env": {},
      "transportType": "stdio"
    },
    "memory": {
      "timeout": 60,
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "@modelcontextprotocol/server-memory"
      ],
      "env": {
        "MEMORY_FILE_PATH": "D://SourceCode//memory.json"
      },
      "transportType": "stdio"
    }
  }
}

linux配置如下

{
  "mcpServers": {
    "time": {
      "autoApprove": [
      ],
      "disabled": false,
      "timeout": 60,
      "command": "uvx",
      "args": [
        "mcp-server-time",
        "--local-timezone=Asia/Shanghai"
      ],
      "env": {},
      "transportType": "stdio"
    },
    "filesystem": {
      "autoApprove": [
      ],
      "timeout": 60,
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/home/d/SourceCode/homelab"
      ],
      "transportType": "stdio"
    },
    "git": {
      "autoApprove": [
      ],
      "timeout": 60,
      "command": "uvx",
      "args": [
        "mcp-server-git",
        "--repository",
        "/home/d/SourceCode/homelab"
      ],
      "transportType": "stdio"
    },
    "github": {
      "autoApprove": [
      ],
      "timeout": 60,
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-github"
      ],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "github_pat_xxx"
      },
      "transportType": "stdio"
    },
    "browser-tools": {
      "autoApprove": [
      ],
      "timeout": 60,
      "command": "npx",
      "args": [
        "-y @agentdeskai/browser-tools-mcp@1.2.0"
      ],
      "transportType": "stdio"
    },
    "mcp-playwright": {
      "autoApprove": [
      ],
      "disabled": false,
      "timeout": 60,
      "command": "npx",
      "args": [
        "-y",
        "@executeautomation/playwright-mcp-server"
      ],
      "env": {},
      "transportType": "stdio"
    },
    "sequentialthinking": {
      "autoApprove": [
      ],
      "disabled": false,
      "timeout": 60,
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-sequential-thinking"
      ],
      "env": {},
      "transportType": "stdio"
    },
    "memory": {
      "autoApprove": [
      ],
      "timeout": 60,
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-memory"
      ],
      "env": {
        "MEMORY_FILE_PATH": "/home/d/memory.json"
      },
      "transportType": "stdio"
    }
  }
}

测试MCP：time

现在几点了？

在这里插入图片描述

伦敦现在几点了？

在这里插入图片描述

当纽约是下午四点，那伦敦是几点？

在这里插入图片描述

将伦敦时间上午 9:30 转换为纽约时间

在这里插入图片描述

continue插件

一堆bug，等更新后再说

cherry-studio

为什么不用chatbox？

chatbox
https://chatboxai.app
https://github.com/chatboxai/chatbox

cherry-stuio
https://cherry-ai.com
https://github.com/CherryHQ/cherry-studio

chatbox VS cherry-stuio

https://ossinsight.io/analyze/CherryHQ/cherry-studio?vs=chatboxai%2Fchatbox#overview
从stars数上看：
在这里插入图片描述
从commit次数看：
在这里插入图片描述

平台支持与可访问性比较

● Cherry Studio：目前主要支持PC客户端（Windows、macOS、Linux），注重桌面端的完整体验
● ChatBox：全面支持PC客户端、网页端以及移动端，提供更灵活的跨平台访问能力

MCP（模型上下文协议）

Chatbox 目前不支持MCP（模型上下文协议）。从已知的 Chatbox 相关资料中，未提及有对 MCP 的支持功能。
Cherry Studio支持MCP。Cherry Studio 最新版本正式支持 MCP，使这个开源知识库的能力进一步拓展。它支持两种 MCP 服务类型：STDIO（标准输入 / 输出）和 SSE（服务器发送事件）。前者能够直接访问本机文件和应用程序，实现 AI 与本地资源的深度融合，后者则运行在远程服务器上。

参考：https://zhuanlan.zhihu.com/p/27467823353

安装环境：bun和uv

https://docs.cherry-ai.com/advanced-basic/mcp/install
https://github.com/oven-sh/bun/releases
https://github.com/astral-sh/uv/releases

linux和windows配置

和上面的配置一样，粘贴进去，然后保存，再打开,只是需要自己打开"isActive": true
在这里插入图片描述

模型配置

ollama中 qwen2.5:14b默认不会勾选工具，会导致页面上没有MCP选项。
在这里插入图片描述

测试MCP：filesystem

homelab下有哪些文件？

在这里插入图片描述

常见问题

cline是系统提示词调用，Cherry Studio是tool-call调用，而DeepSeek R1不支持，DeepSeek V3(0324)：

{
  "message": "Tool Call Parser Not Given!",
  "error": {
    "object": "error",
    "message": "Tool Call Parser Not Given!",
    "type": "BadRequestError",
    "param": null,
    "code": 400
  },
  "code": 400,
  "param": null,
  "type": "BadRequestError"
}

参考

https://zhuanlan.zhihu.com/p/29001189476
https://zhuanlan.zhihu.com/p/1888987961812562085
https://x.com/qloog/status/1911595849714680169

pccharm配置continue使用deepseek-R1:8B
swj868的博客
03-16 152
pccharm配置continue使用deepseek-R1:8B。
windows下使用vscode+cline插件体验MCP，体验使用AI控制浏览器，踩坑记录（至少让你节省3个小时弯路版）（喂饭级别）
xiezhipu的博客
03-18 1828
为什么网上天天说MCP，你这儿却一点动静都没有？1️⃣ 人家很早之前就用上了制定标准的Claude desktop，这玩意儿在咱这儿用不了。对策：使用vscode+cline+deepseek（或其它同级别国产大模型deepseek-V3其实有时比R1效果还好）2️⃣ 人家也Claude，但人家能用Cursor，咱太穷了，用不了。对策：使用vscode+cline+deepseek（或其它同级别国产大模型deepseek-V3其实有时比R1效果还好）有人说，我穷到deepseek都用不起怎么办？
【Dify+deepseek+MCP】从入门到精通，手把手教你效率开挂（二）
最新发布
h1453586413的博客
04-11 1633
在开始给大家进行MCP的案例演示之前（正式发车），我们需要先。👋👋👋）“目前有哪些主流平台/三方工具支持MCP？“从哪里找到最新的MCP三方工具？从下图可知，大模型（Host）跑在MCP客户端（Client）上，我们完成任务所需要的工具和数据跑在MCP 服务器（Server）上。服务器和客户端之间，通过MCP协议进行通信和连接。因此，我们。我们通过客户端和服务器的组合，就可以实现特定的任务。快速**了解客户端和服务器有哪些关键能力，**便于判断MCP客户端和服务器能力。
win11+vscode配置playwright-mcp-server
fiskeryang的专栏
04-02 1661
点顶部的〓按钮进入配置页，点 Configure MCP Servers,会自动创建一个配置的Json文件。在其中command节点配置本地node.exe路径，args节点配置本地安装的mcp_playwrightserver的入口文件路径。安装路径 ： C:\Users\fiskeryang\AppData\Roaming\npm\node_modules@executeautomation\playwright-mcp-server。cline会自动尝试连接，连接成功则会显示下图的绿灯。
vs code2025与MCP中的Continue
ld326的专栏
03-30 994
注意到这个图上面可以看到Accept|Reject这个是因为我操作了两次，有同名文件的相关代码，所以产生了版本冲突，这里在询问我接受与拒绝的情况。关于vs code2025的安装，详见: https://mp.weixin.qq.com/s/FvqSUrJFFXSVxFpZ6Q2-jg。操作: 选中代码，右键，选择Continue，选择Write a Dostring for this code。操作: 选中代码，右键，选择Continue，选择Write Comments for this Code。
【AI大模型】加入AI自动化+MCP，你只需提供idea，就能实现真正躺平创业
2401_85327249的博客
04-11 1103
雇佣一群数字员工，可以让你的成本降低 100 倍。但即便如此，作为 CEO 的你，依然需要统筹全局，管理各个环节，像一个“全职监工”。 比如在产品部门，你需要把产品 idea 提供给 DeepSeek，让它生成文案或方案，再把结果交给 Canvas AI，生成一个高大上的 PPT。
VSCode+Continue实现AI辅助编程
qq_31400983的博客
01-23 2万+
Continue是一款功能强大的AI辅助编程插件，可连接多种大模型，支持代码设计优化、错误修正、自动补全、注释编写等功能，助力开发人员提高工作效率与代码质量。本文简要介绍其安装和使用方法
一文把 RAG 每步的技术难点说明白
m0_59164304的博客
06-24 1235
检索出来的结果在给大模型之前，还要 prompt 优化，包括 prompt 加上 step by step ，针对场景的加上相应的提示词等。最后的结果依赖大模型的理解，生成，逻辑推理能力。大模型能力的强弱也直接决定 RAG 的效果。所以大家会看到要把 RAG 作为大模型应用目前主要落地场景，但还是有非常多改进的空间的，这方面的创业公司也很多，技术发展也很快，机会很多。现在典型的 RAG框架有 dify，FastGPT ，百度智能云的 App builder等，大家都可以去试一试。
Cline（原Claude Dev）开源的IDE AI插件，如何搭配OpenRouter实现cursor功能，Cline怎么使用
hellocode_的博客
01-11 6094
OpenRouter是可以使用国内环境直接调用国外LLM API，也就是其他的LLM API 你没有对应的环境的话，就可以使用OpenRouter进行调用。你可以在Cline 的 Task上看到使用的Tokens 和 API Cost 消耗，到OpenRouter 后台也可以查看对应的调用情况。Cline（原Claude Dev）是一个开源的IDE AI插件，可以使用你的命令行界面和编辑器的人工智能助手。如果你需要调用付费的LLM API的话，就需要在OpenRouter后台充值对应的积分就可以调用。
VSCode（code-1.70.1-1660113182.el7.x86_64.rpm）
08-18
Visual Studio Code（简称VSCode）是一款由微软开发并免费提供的轻量级源代码编辑器，支持多种编程语言，并且具备内置Git控制功能。VSCode不仅支持Windows操作系统，同时也支持Linux和macOS等其他主流操作系统。 ##...
AI 编程组合之deepseek+vscode+cline插件，使用deepseek大模型实现代码自动生成
热门推荐
技术博客
01-02 7万+
本文介绍了VSCODE下cline插件的安装结合DeepSeek-V3，ai编程的组合套件，举了两个例子一个是生成登录页面，一个是生成贪吃蛇游戏
使用vscode + Roo Code (prev. Roo Cline)+DeepSeek-R1使用一句话需求做了个实验
qq_43350218的博客
01-25 5768
我用 vscode、Roo Code 和 deepseek - reasoner 做实验，以一句话需求生成小红书封面图片。工具依需求给出详细架构方案，涵盖技术栈选择、模块划分、目录结构建议等。随后自动完成开发与测试，并在 Readme 文件记录逻辑及使用方式。虽实验生成了封面图片，但尚需调整完善。对小白而言，此次实验成果不错，且使用价格不算贵。未来可进一步完善优化工具，以产出更实用的小红书封面图片，持续探索这类工具组合在实际应用中的潜力。
DeepSeek之Vscode辅助编码AI神器continue插件
yilvyangguang520的博客
01-08 3324
Vscode辅助编码AI神器continue插件
IntelliJ idea 必备 好用 优秀 插件 idea必备插件
半只
01-11 2万+
1、Atom Material ICons 这是一个icon图片插件，有一个特别牛的功能就是 可以优化idea流畅度，不知道是什么原理，现在这个插件成为了我必备插件 2、File Expander 有了这个插件，有些小伙伴平时用的Jad工具就可以扔了，它能在Idea里直接打开Jar包 3、GitToolBox 这款插件现在我几乎离不开它。 他能在项目上提示你还有多少文件没提交，远程还有多少文件没更新下来。还能在每一行代码上提示上次提交的时间。查版本提交问题的时候尤其方便 4、Maven Helper
Idea常见50个插件汇总（超级实用）
白菜治
10-30 1万+
汇总了是市面上最常见,最实用,最好用的idea插件,自己喜欢,合适才是第一位
VSCode+Cline开发并调用自定义MCPServer
MosuoLc的博客
03-28 3016
VSCode+Cline开发并调用自定义MCPServer
DeepSeek接入VScode和IDEA
weixin_74158859的博客
02-06 3380
实现DeepSeek的接入
Vscode+Continue+Cline打造属于自己的cursor！
qq_40703755的博客
12-25 4163
Cline:用于基于当前项目多文件编辑创建,命令执行,MCP服务能力扩展调用.硅基流动统一登录 硅基流动用户系统，统一登录 SSO。Continue:主要适用于代码补全和知识库提问查询。里面有很多免费模型.
cline使用本地ollama
02-08
### 配置和操作指南 #### 安装Ollama 为了在本地环境中使用 `cline` 和 Ollama 进行开发或部署，首先要完成Ollama的安装。这可以通过官方提供的指导文档来进行，确保环境满足最低需求，并按照指示逐步执行安装过程[^2]。 #### 启动Cody插件 一旦Ollama成功安装，在VSCode中集成Cody插件后，返回到Cody界面重新加载配置将会显示新增加的Ollama选项。这意味着现在可以利用Ollama来调用已部署于本地的大规模预训练模型了[^1]。 #### 下载并运行模型实例 对于具体的操作而言，假设选择了名为Qwen2、具有0.5B参数量级的小型版本作为实验对象，则可通过如下命令下载并立即启动此模型： ```bash ollama run qwen2:0.5b ``` 这条指令不仅能够拉取目标模型至本地缓存区，还会激活相应的服务端口以便后续交互测试之需[^3]。 #### 调整模型参数规格 当考虑不同应用场景下的性能平衡时，可以选择更大尺寸如1.5B参数级别的变体。这种情况下，“b”代表的是英文单词“billion”，意味着所选模型拥有大约十亿个可学习权重项。更大的参数数量往往伴随着更强的学习能力和更精细的任务处理效果[^4]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值