Cherry Studio如何配置MCP服务让AI自主调用工具完成-小涛网络工作室ET资源网

服务器使用https://www.etzyweb.cn/966.html

1.客户端安装

首先，我们需要访问Cherry Studio的github主页下载Windows版本客户端：

下载地址：https://github.com/CherryHQ/cherry-studio/releases

选择好安装位置后，即可快速安装：

安装后打开Cherry Studio客户端，可以看到界面非常简洁明了。

本例中使用的版本号为：V1.1.8

MCP服务器配置

重启打开客户端后，点击设置-MCP服务器，可以看到需要安装UV与Bun环境：

直接点击安装即可，一般情况安装成功后，这两个提示就不会显示了：

如果出现UV怎么都安装不上的情况，可能是目前这个提示有BUG，先继续往下进行。

2.1 MCP远程服务配置

接下来我们可以访问这个网站来搜索一些MCP Server进行测试：https://mcp.so/

这里以fetch这个能让AI抓取网页内容的服务为例，点开它：

在网页右侧能看到使用SSE URL方式连接服务的代码：

复制代码中URL后的网址：https://router.mcp.so/sse/bw9c1pm8o377c8

现在我们回到cherry studio客户端的mcp服务器界面，点击添加服务器：

填写名称，类型，刚才复制的URL地址点击确定：

可以看到服务器添加成功的提示：

2.2 MCP服务测试

首先我们要在客户端设置中配置模型服务，拿硅基流动的模型服务进行举例，点击底部的管理按钮，能看到这里有几十种大模型可以调用，我们要选择模型名称后带扳手图标的，即支持函数调用的模型。

详细的模型配置教程可以查看这篇文章：cherry studio配置模型服务

现在我们回到客户端首页，点击添加助手或者使用默认助手都可以：

本例以使用默认助手为例演示，点击顶部的模型服务切换：

可以看到刚才添加的模型，选择它：

选择好模型后，在聊天框底部能看到MCP服务器图标和启动服务开关：

在使用服务前，我们需要把这个开关打开：（每次使用前都要检查一下是否开启）

好的，现在我们就可以在Cherry Studio中使用MCP服务让AI自动帮我们访问网页来替我们分析问题了：

可以看到，给出了问题的回复。如果你经过提问后，回复的是错误代码，那么有可能是因为你要求MCP服务访问的网站禁止AI抓取，可以换一个网站试试。

需要注意的是使用SSE类型的MCP服务器是运行在远程服务器上，优点是配置简单，无需复杂的本地环境搭建，即可快速上手。但因为是远程运行，它无法像 STDIO 那样直接访问本地资源。但在获取云端数据、调用在线 API 等方面，SSE 类型表现出色，能够为你提供丰富的外部信息支持。

2.3 MCP本地服务测试

现在我们来演示一下，如何在添加服务器时使用STDIO 类型进行配置，这一类型的优势是可以在本地运行 MCP 服务，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。比如，你可以让 AI 直接读取本地的文档、表格，进行数据分析和内容提取；或者调用本地的绘图软件，根据你的描述生成相应的图像。但需要注意的是，使用 STDIO 类型需要提前配置好 Python 和 NodeJS 环境，以确保服务的稳定运行。

这里我们添加一个filesystem 服务的MCP工具进行 STDIO 类型的配置演示：

首先我们进入MCP服务配置，点击NPX包列表后边的搜索，输入@modelcontextprotocol/server-filesystem进行搜索，然后点击添加服务器：

我们需要在弹出框中编辑服务器信息，大部分的内容都已经自动填好了，我们只需要在参数中添加你打算操作的目录地址即可，我这里以 D:\ai 路径为例，点击确定：（注意，每个参数需单独占一行）

可以看到服务器添加成功提示：

再次回到聊天助手界面，这次在聊天框底部的MCP服务器图标中，我们能看到在fetch服务下方新增了一个刚才添加的filesystem服务：

同样，在向AI提出要求前我们需要手动打开这个开关：

现在我让它帮我在刚才参数中给出的 D:\ai 路径下创建一个名为mcp学习笔记的txt格式文档：

1742887781424

访问这个路径，可以看到确实创建成功了：

现在，关于在cherry studio中使用SSE类型和STDIO类型配置MCP服务就介绍完了，大家可以根据自己的实际需求，在配置MCP服务时选择合适的类型。

3.内网穿透远程访问

现在我们已经能够使用Cherry Studio客户端中的MCP服务器功能来实现超多AI功能带来的便利，但是如果想实现不在同一网络环境下，也能随时随地在线使用Cherry Studio客户端远程调用本地部署的AI大模型来运行MCP服务，那就需要借助cpolar内网穿透工具来实现公网访问了！

在上边我们配置模型服务时，使用的是硅基流动的API秘钥调用的远程大模型来运行MCP服务，但是这个方便是需要根据提问回答消耗的tokens来计费的，如果想节省成本，那使用本地部署的大模型（需支持函数调用）是个不错的解决办法。而且结合cpolar内网穿透工具使用，还能轻松实现远程访问，无需二次部署，也无需公网IP。