在大模型越来越“能说”的今天，我们面临着一个新的技术命题：如何让模型不只是聊天高手，更是行动派？说到底，一个真正有用的 AI，不能只停留在语义理解层面，而是要具备“感知环境、调用系统、执行任务”的能力。而 Cherry Studio 正在用一项关键能力打破这个边界——MCP（模型上下文协议，Model Context Protocol）。

这篇文章，我们不聊概念堆砌，只谈实战。我们将带你深入理解 MCP 的核心价值，并通过 Cherry Studio 打造一个从查询火车票、查询天气、调用地图，到生成行程安排的一站式流程。零代码、强执行，适合每一个想真正用 AI 干事的人。此外，我们也为专业技术人员留好了扩展口：后续将推出在 Cursor 等 IDE 中配置 MCP 服务器、开发自定义 MCP 插件的系列文章，敬请关注。

一、MCP 到底是什么？一句话总结它的本质

MCP，全称 Model Context Protocol（模型上下文协议），是一套为大模型设计的上下文交互标准协议。它的目的很明确：让模型在与系统的交互中“有状态”“可调用”“可执行”。

为什么这很重要？因为以往的 AI 模型，大多只能处理“输入-输出”的文字对话，无法感知现实环境、更谈不上主动执行任务。

而 MCP 带来了三大能力突破：

• 上下文信息标准化：统一模型与外部系统（如文件、API、桌面）的交互格式；

• 服务接口模块化：将文件系统、地图服务、桌面命令等能力“插件化”封装，方便调度；

• 具备记忆的任务流：模型可以理解步骤、制定计划、反馈进展，并根据上下文动态调整。

在 Cherry Studio 中，MCP 不再是抽象名词，而是真正落地为可点击、可配置、可用的服务入口。即使你不懂代码，也能用模型构建强大的自动化流程。

二、MCP 在 Cherry Studio 中到底能做什么？

Cherry Studio 是一款专为大模型落地而设计的 AI 桌面工具，支持 Windows、macOS、Linux 跨平台使用。核心特性包括：

• 多模型自由切换（GPT-4、Claude、DeepSeek 等）；

• 多插件组合使用（翻译、绘图、知识库问答等）；

• 最重要的：内置 MCP 服务框架，可低代码调用系统功能。

在 Cherry Studio 中，你可以把 MCP 理解为模型的“外设连接协议”或“系统总线”——通过它，模型不再只是“说说而已”，而是真正可以动手做事。比如，下面这些服务都是 MCP 桥接的：

MCP 服务	能力示例
fs 文件系统	创建目录、写入文本文件
amap-maps 高德地图	查询路线、美食、POI 信息
desktop-commander	控制桌面应用、运行命令、截图等

所有这些服务都能在 Cherry Studio 中通过图形界面完成配置和调用，无需一行代码，即可联通模型与真实系统。

三、上手之前：Cherry Studio + MCP 环境配置指南

1、安装 Cherry Studio

访问官网 https://cherry-ai.com 下载桌面客户端，选择适合自己系统的版本（支持 Win/Mac/Linux），点击安装即可。

2、添加大模型支持

打开软件，进入「设置 → 模型配置」，添加自己的 OpenAI、DeepSeek 等 API Key，选择一个支持函数调用（带🔧标识）的模型。

👉 更多细节可参考我们之前的教程文章：Cherry Studio + DeepSeek R1 + 嵌入模型使用指南

3、安装运行时环境（uv + bun）

MCP 的后台运行依赖两个轻量引擎：

• uv（Python 运行器）

• bun（JavaScript 执行器）

Cherry Studio 内置对 uv（Python 运行器）和 bun（JavaScript 执行器）的支持，但需要下载部署。

进入：设置 → MCP服务器 → 点击“安装”按钮，安装成功后的效果如下。

四、MCP 实战案例：用 AI 自动生成“出差行程安排及穿衣提醒”攻略

接下来，我们用一个具体任务来展示 MCP 的魅力，目标：让模型自动完成一次“出差行程安排及穿衣提醒”攻略生成

步骤 1：配置 MCP Server

a、点击左下角齿轮按钮 → MCP 服务器 → 同步服务器（可以选择ModelScope等）→发现MCP服务器会打开网站

b、根据需要选择的MCP服务

c、选择完成后再到Cherry Studio界面中点击同步即可，如果是第一次使用需要先获取AIP令牌，在网站上注册获取令牌后把令牌填里面。

d、保存后，服务状态应显示为绿色 ✅为启用，如果不启用也可以关闭。

步骤 2：对话中启用 MCP 服务

1. 打开新的聊天对话；

2. 选择支持函数调用的大模型（如DeepSeek）；

3. 勾选你需要的 MCP 服务（fs、amap-maps 等）；

4. 开始和模型对话。

步骤 3：交给 AI 的任务描述

你只需一句话：“我住在阳光100国际新城，要明天上午从长沙坐高铁到兰州出差，几点出发比较合适，穿什么衣服。”

步骤 4：模型执行并反馈

Cherry Studio 会自动调用 MCP 服务，并反馈如下：

🚄 出行建议：

• G814 高铁，11:55 从长沙南出发，19:43 抵达兰州西；

• 若从阳光100出发，建议 10:30 前动身（含交通+安检）。

☀️ 穿衣建议：

• 长沙：小雨转多云，26~34℃，建议穿轻薄短袖，带雨伞；

• 兰州：晴间多云，17~33℃，昼夜温差大，需准备外套；

💡提示：选择 G814 班次性价比高、时间合理，建议携带便携背包以应对途中天气变化。

五、总结：MCP 是大模型迈向“可操作性”的关键一步

在大多数 AI 应用还停留在“回答问题”的阶段时，Cherry Studio 通过 MCP 实现了一个巨大的跃迁：

• 让模型可观察环境（如本地文件系统、地图数据）；

• 让模型能真实执行任务（如写文件、发命令、生成页面）；

• 让用户构建流程的门槛大大降低（无需写一行代码）。

可以说，MCP 就是大模型通向“智能体时代”的桥梁。实操过程中如果有任何问题欢迎留言，后面的文章中会分享Cursor等IDE中配置MCP服务器、MCP开发等系列文章。

  这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

二、如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

 

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

*   大模型 AI 能干什么？
*   大模型是怎样获得「智能」的？
*   用好 AI 的核心心法
*   大模型应用业务架构
*   大模型应用技术架构
*   代码示例：向 GPT-3.5 灌入新知识
*   提示工程的意义和核心思想
*   Prompt 典型构成
*   指令调优方法论
*   思维链和思维树
*   Prompt 攻击和防范
*   …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

*   为什么要做 RAG
*   搭建一个简单的 ChatPDF
*   检索的基础概念
*   什么是向量表示（Embeddings）
*   向量数据库与向量检索
*   基于向量检索的 RAG
*   搭建 RAG 系统的扩展知识
*   混合检索与 RAG-Fusion 简介
*   向量模型本地部署
*   …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

*   为什么要做 RAG
*   什么是模型
*   什么是模型训练
*   求解器 & 损失函数简介
*   小实验2：手写一个简单的神经网络并训练它
*   什么是训练/预训练/微调/轻量化微调
*   Transformer结构简介
*   轻量化微调
*   实验数据集的构建
*   …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

*   硬件选型
*   带你了解全球大模型
*   使用国产大模型服务
*   搭建 OpenAI 代理
*   热身：基于阿里云 PAI 部署 Stable Diffusion
*   在本地计算机运行大模型
*   大模型的私有化部署
*   基于 vLLM 部署大模型
*   案例：如何优雅地在阿里云私有部署开源大模型
*   部署一套开源 LLM 项目
*   内容安全
*   互联网信息服务算法备案
*   …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】