前言

尝试了Trae配置MCP，测试了n8n设置MCP工作流，但感觉好累啊，CherryStudio横空出世，开着中文界面，就倍感亲切，看着大家操作很丝滑的样子，咱也鸟枪换炮了，哇哈哈😄😄😄

本节继续，在CherryStudio上配置MCP。

MCP简介

MCP（Model Context Protocol，模型上下文协议）是由Anthropic于2024年推出的开放协议，旨在标准化AI模型与外部数据源、工具之间的通信方式。它被形象地称为AI领域的"USB-C接口"，通过统一协议连接大语言模型（如Claude、GPT等）与本地文件、数据库、API等资源，打破数据孤岛，实现"即插即用"的智能交互。

MCP的核心架构包含三个主要组件：

1. 客户端(Client)：集成于AI应用（如Claude、Cursor等），负责发起请求并解析响应
2. 服务器(Server)：连接具体数据源（如数据库、GitHub等），执行操作并返回结果
3. 主机(Host)：管理多个客户端与服务器的连接（如IDE工具Cline），确保权限与安全控制 

 MCP测试示例逻辑

用高德地图提供的MCP服务，获得景点距离等信息。

准备 

CherryStudio安装配置

请参考前期文档：

【AI入门】Cherry入门1：Cherry Studio的安装及配置-CSDN博客

高德MCP服务地址 

下面看下高德地图的MCP服务的SSE地址怎么搞到。

在高德api开发平台注册并创建api-key：开发 | 高德地图API

具体操作步骤可以参考之前的文档： 

【Ai零件】高德开放平台MCP的API-key注册-CSDN博客

 然后，在官方的技术文档中找到sse的链接格式：

把自己的注册的api-key，替换到下面链接中

https://mcp.amap.com/sse?key=您在高德官网上申请的key

 修改后的链接，就是后面配置MCP要用的地址了，保存备用。

 cherrystudio模型服务配置（已配置的忽略）

配置模型，需要先获得支持模型服务的密钥，硅基流动有免费tocken，需要的可以参考之前的文档弄一个：

【AI入门】硅基流动：获得DeepSeek免费token（含其他大模型）-CSDN博客

如何获得密钥，上面文档里有，其他平台也都类似，依照下图，进入配置界面：

第一个就是硅基流动的，将硅基的API-key拷贝进来，默认配置了几个模型，见页面信息：

然后，点击检测，会提示选择进行链接测试的模型：

如果没有你想用的模型，在页面下方，点击“管理”，添加其他模型（硅基平台提供的），

正经开始MCP

安装插件

MCP在Cherry Studio中的运行依赖于uv和bun这两个工具，咱们了解一下下。

它们分别作为包管理器和运行时环境，共同构成MCP的核心组件。具体关系如下：

1. 依赖关系：UV用于安装MCP服务所需的Python包，而Bun负责执行MCP相关的JavaScript工具链。二者缺一不可，类似"发动机"和"变速箱"的协作关系。

2. 安装独立性：Cherry Studio使用内置的uv和bun版本，独立于系统环境。即使系统中已安装这两个工具，Cherry Studio仍会强制在用户目录（如\~/.cherrystudio/bin或C:\Users\用户名\.cherrystudio\bin）安装专用版本。

 具体安装操作：

安装好了，就绿了：

如果安装失败，没有变绿，手动下载这两个文件：

Bun: Releases · oven-sh/bun · GitHub

UV: Releases · astral-sh/uv · GitHub

然后，放到C:\Users\用户名\.cherrystudio\bin下面，就可以了。

配置MCP

添加服务器，进行配置：

配置类型，选择“服务器发生事件sse”，并把前边准备的高德mcp服务地址贴过来：

说明：

MCP支持3个类型，简单区别：

• stdio：适用于本地进程间的简单通信，调用的时候，在本地会安装客户端软件（cherry运行时安装，不需要人为操作），和高德服务器通讯。
• sse：适用于服务器向客户端单向推送数据的场景，直接调用高德的服务，本地不安装任何东西。
• streamableHttp：适用于需要实时双向通信的复杂场景。

高德支持前两种，我这里用的是sse，大家可以测试一下stdio的方式，高德文档配置信息：

https://lbs.amap.com/api/mcp-server/gettingstarted#t1

配置好MCP服务之后，在工具标签，可以看到这个MCP服务有哪些具体的功能，点开每个功能函数，显示详细信息，还能控制函数是否可被调用：

使用测试

在聊天框中，选择刚加的高德mcp服务：

⚠️ 特别注意：

这里，需要使用支持函数调用的模型，就是在模型名字后有扳手符号的：

然后输入测试问题

我的测试问题：

北京天安门到香山公园西门有多远

回复结果，成功

过程分析

通过更详细的过程描述，可以看到因为提问的信息不准确，大模型还是经过了很多尝试，最终探测出一个合理的答案，截取部分过程，感受一下：

结尾

看了大模型的处理过程，除了赞叹就是赞叹，比我这个小脑瓜想的都周到，以后脏活累活就交给它了，哇哈哈😄😄😄