在當今數字化時代，AI助手已成為提升工作效率和創造力的重要工具。Cherry Studio作為一個全能的AI客戶端，支持多平臺（包括Windows、macOS和Linux），并提供了豐富的功能，如大模型對話、AI繪圖和AI翻譯等。為了進一步增強AI助手的能力，Cherry Studio支持MCP(Model Context Protocol)服務，使AI能夠訪問外部數據源和工具。

如果你對MCP協議和相關開發感興趣，可以訪問 AIbase（https://www.aibase.com/zh/repos/topic/mcp）。這是一個專注于人工智能和機器學習領域的開源項目聚合平臺，提供了豐富的MCP相關開源項目和工具。通過AIbase，你可以輕松發現和探索熱門的MCP項目，了解最新的開發趨勢和創新成果。

以下是在Cherry Studio中配置MCP服務的詳細步驟。

一、準備工作

下載安裝最新版Cherry Studio
訪問Cherry Studio 官方網站下載最新版。按照提示完成安裝。

了解兩種MCP傳輸類型

STDIO（標準輸入/輸出）：在本地運行，可以訪問你電腦上的文件和應用。

SSE（服務器發送事件）：在遠程服務器運行，設置簡單但無法訪問本地資源。

二、環境配置（僅STDIO類型需要）

如果你只打算使用SSE類型的MCP服務，可以直接跳到第三步。

安裝Python（使用uv）
打開PowerShell（可以在開始菜單中搜索）。復制粘貼以下命令并運行：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

關閉并重新打開PowerShell，輸入 uv 驗證安裝成功。

安裝NodeJS（推薦使用bun）
在PowerShell中運行：

powershell -c "irm bun.sh/install.ps1|iex"

安裝完成后，關閉并重新打開PowerShell，輸入 bun --version 確認安裝成功。

驗證安裝
在終端分別運行 uv、bun 或 node，如果沒有報錯，說明安裝成功了。

三、在Cherry Studio中配置MCP服務器

打開Cherry Studio
打開Cherry Studio，進入設置界面。

進入MCP服務器設置
進入設置→MCP服務器。

添加服務器
點擊添加服務器按鈕。

配置STDIO類型MCP服務（本地運行）

以官方的Fetch MCP Server為例：

點擊添加服務器，選擇STDIO類型。

填寫配置信息：

名稱：fetch（服務器的標識名）。

命令：uvx（用于運行服務的命令）。

參數：mcp-server-fetch（命令的參數）。

點擊確定保存配置。

某些MCP服務需要額外的環境變量，例如Brave Search需要API密鑰：

{ "mcpServers": { "brave-search": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-brave-search"], "env": {"BRAVE_API_KEY": "你的API密鑰"}
}
}
}

如果 npx 有問題，可以使用 bunx 代替：

{ "mcpServers": { "brave-search": { "command": "bunx", "args": ["@modelcontextprotocol/server-brave-search"], "env": {"BRAVE_API_KEY": "你的API密鑰"}
}
}
}

配置SSE類型MCP服務（遠程運行）

以Fetch服務為例：

訪問MCP服務網站
訪問AIbase（https://www.aibase.com/zh/repos/topic/mcp）
搜索需要的MCP服務。

復制SSE URL
找到Fetch服務，復制其SSE URL。

添加服務器
在Cherry Studio的MCP服務器界面，點擊添加服務器。填寫名稱和URL，點擊確定。

四、使用MCP增強你的AI體驗

進入聊天界面
進入Cherry Studio的聊天界面。

啟用MCP服務
點擊聊天區的MCP服務器按鈕。選擇要啟用的MCP服務器（可以單個選擇或一鍵啟用全部）。

開始與AI助手對話
例如，啟用Fetch服務后，可以讓AI獲取最新網頁內容。啟用Filesystem后，可以讓AI訪問和操作本地文件。

查看調用參數和返回結果
點擊MCP狀態欄，查看調用參數和返回結果，便于分析結果的可靠性。