1. 从“小扳手”说起理解Cherry Studio的Function Call如果你最近在玩AI应用尤其是那些能联网、能查资料、能帮你处理复杂任务的AI助手那你很可能已经接触过“Function Call”函数调用这个概念了。在Cherry Studio里这个功能就直观地体现在那个小小的扳手图标上。很多朋友第一次看到这个扳手可能会有点懵这玩意儿到底是干嘛的它和普通的聊天有什么区别让我用大白话解释一下。你可以把普通的AI对话想象成和一个知识渊博但“手无寸铁”的朋友聊天。你问他“今天天气怎么样”他只能根据自己记忆里对天气的常识来回答你但他没法真的去窗边看一眼或者打开手机查一下实时天气。而Function Call就是给这位朋友递上了一整套工具包。当你再问“今天天气怎么样”时他不再凭空想象而是会从工具包里熟练地拿出“查询天气API”这个工具调用它获取到真实、实时的数据然后再组织成语言告诉你。这个“拿工具、用工具”的过程就是函数调用。在Cherry Studio里当你选择了支持Function Call的模型模型名字后面会跟着那个小扳手图标你就解锁了这个“工具包”的使用权限。但问题来了工具包里的工具从哪来谁来定义“查天气”、“读网页”、“算数学”这些工具的具体用法这就是MCPModel Context Protocol协议登场的时候了。MCP可以理解为一套标准化的“工具插槽”规范。它定义了AI模型比如ChatGPT、DeepSeek应该如何去请求和使用外部工具以及外部工具应该如何被封装、描述并提供给AI模型。Cherry Studio通过深度整合MCP协议把选择和使用哪些“工具包”即MCP服务器的权力完全交给了你。所以整个链条是这样的Cherry Studio提供操作界面和模型对接支持Function Call的AI模型执行思考和工具调用决策MCP服务器提供具体的工具能力。这三者结合才能让你在聊天框里通过点击一个按钮就指挥AI去完成那些需要连接真实世界数据的复杂任务。接下来我们就一步步来搭建这个强大的工作流。2. 基石搭建搞定uv与bun运行环境万事开头难但这一步搞定了后面就一马平川。在配置Cherry Studio使用MCP之前我们必须先准备好两个关键的运行时环境uv和bun。很多教程可能一笔带过但我在这里必须多啰嗦几句因为我自己在这两个小家伙身上踩过的坑足够写个小作文了。首先uv是什么你可以把它想象成Python领域的一个“超级包管理器和运行时工具”。它最大的特点是快无论是创建虚拟环境还是安装包速度都比传统的pip/venv组合快上一大截。对于MCP生态来说很多服务器Server都是用Python写的并且通过uvx这个命令来一键安装和运行。所以uv是很多Python版MCP服务器的“标配”启动器。而bun则是JavaScript/TypeScript世界里的新锐。它集成了包管理器、运行时和打包工具目标就是成为Node.js的一个更快、更现代的替代品。同样在MCP生态里也有大量用TypeScript编写的服务器它们通常依赖bun来运行。所以为了能覆盖更广泛的MCP服务器工具这两个环境我们最好都装上。Cherry Studio其实提供了非常贴心的“一键安装”。你只需要打开软件的设置找到“MCP服务器”选项里面应该会有一个“安装”或类似按钮点击它程序就会尝试自动为你下载并安装uv和bun。这听起来很美好对吧但现实往往有点骨感。因为这个自动安装过程是从GitHub仓库直接下载可执行文件对于国内网络环境来说速度慢和失败是家常便饭。我实测了好几次成功率大概只有一半。那么怎么判断安装成功了呢别管界面提示直接去文件系统里“捉贼”。请打开以下目录Windows:C:\Users\你的用户名\.cherrystudio\bin\macOS/Linux:~/.cherrystudio/bin/去这个文件夹里看看有没有uv.exe或uv、uvx.exe或uvx、bun.exe或bun这几个文件。如果有那么恭喜你安装成功了。如果文件夹是空的或者只有一两个文件那就说明自动安装失败了。手动安装方案强烈建议手动安装其实更稳妥。如果自动安装失败或者你追求百分百的掌控感可以这么做手动下载可执行文件Bun: 去Bun的GitHub Releases页面https://github.com/oven-sh/bun/releases找到适合你操作系统的最新版本下载对应的可执行文件比如Windows是bun-windows-x64.zip。uv: 同样去uv的GitHub Releases页面https://github.com/astral-sh/uv/releases下载对应的可执行文件比如Windows是uv-x86_64-pc-windows-msvc.zip。放置到指定目录 解压你下载的压缩包。对于Bun你可能会直接得到一个名为bun或bun.exe的文件。对于uv你会得到uv和uvx两个文件在Windows上是uv.exe和uvx.exe。 确保.cherrystudio/bin/这个目录存在不存在就手动创建然后将bun、uv、uvx这三个可执行文件直接复制进去。验证安装 打开你的系统终端CMD或PowerShell尝试运行以下命令可能需要重启一下Cherry Studio# 切换到Cherry Studio的bin目录或者将该目录添加到系统PATH环境变量中 cd C:\Users\你的用户名\.cherrystudio\bin .\uv --version .\bun --version如果能正确输出版本号说明环境配置完美。Cherry Studio在启动时也会自动扫描这个目录找到它们。注意有些教程会建议你用软链接符号链接的方式将系统里已经安装好的uv或bun链接过来。这当然也是一种方法但考虑到版本兼容性和路径问题对于新手来说直接复制可执行文件到专属目录是最不容易出错的方式。3. 核心实战配置你的第一个MCP服务器环境准备好了我们就可以开始玩真的了——添加一个MCP服务器。这相当于给你的AI助手装备第一个“专业工具”。我们以一个最常用、也最直观的服务器为例Fetch Server。这个服务器的功能很简单就是让AI模型能够读取你提供的URL网页内容。想象一下你丢给AI一个新闻链接、一篇技术文档地址它就能自己“上网”把内容抓取回来并进行分析总结这效率提升可不是一点半点。下面我们一步步来配置它。第一步获取模型API密钥工欲善其事必先利其器。要让Function Call工作你得先有一个“大脑”。Cherry Studio支持众多模型比如OpenAI的GPT系列、Anthropic的Claude以及国内非常受欢迎的DeepSeek等。这里我以DeepSeek为例因为它对中文支持好且性价比极高。前往DeepSeek官网注册账号并在控制台创建一个API密钥。打开Cherry Studio的设置找到“DeepSeek”或“模型提供商”相关的配置项。将你复制的API密钥粘贴进去并确保“启用”开关是打开状态。回到主聊天界面在模型选择下拉菜单中你应该能看到DeepSeek模型并且其名称后面带着那个可爱的小扳手图标。这说明该模型已就绪支持函数调用。第二步添加Fetch MCP服务器现在我们来装备“工具”。再次进入Cherry Studio的设置-MCP 服务器。点击“添加服务器”按钮。你会看到一个表单需要填写以下几项名称 给你这个服务器起个名字方便自己识别比如网页抓取或fetch-server。类型 在下拉菜单中选择STDIO。这是最常用的一种类型意味着Cherry Studio将通过标准输入输出stdio与服务器进程通信。命令 这里填写uvx。uvx是uv工具的一部分可以理解为“从网络获取并运行一个Python包”。它会自动处理依赖和运行。参数 这是最关键的一步。填写mcp-server-fetch。这告诉uvx我们要安装并运行的是名为mcp-server-fetch的这个MCP服务器包。整个配置看起来应该是这样的名称网页抓取 类型STDIO 命令uvx 参数mcp-server-fetch点击“确定”保存。第三步自动安装与验证保存配置的那一刻Cherry Studio就会在后台默默开始工作。它会尝试执行你刚才配置的命令uvx mcp-server-fetch。这个过程会从PyPIPython包索引下载mcp-server-fetch包及其依赖。同样由于网络原因这里可能会等待一段时间甚至可能失败。如何验证是否成功了呢一个最直接的信号是当你保存服务器配置后如果一切正常这个服务器的状态指示灯可能会变绿或者旁边出现“已连接”之类的提示。更可靠的方法是你直接回到聊天界面去测试。找到你刚才启用的、带小扳手的DeepSeek模型。在聊天输入框的附近通常是上方或侧边你应该会看到一个新的按钮或开关标签可能是“启用MCP服务”、“工具”或者直接显示你刚配置的“网页抓取”服务器名称。把它打开现在尝试问AI一个问题“请帮我总结一下这个页面的主要内容https://docs.cherry-ai.com/advanced-basic/mcp”。如果配置成功你会看到AI的思考过程不再是直接生成回答而是会显示它正在“调用工具”工具名就是fetch或者read_url之类的然后它会将抓取到的网页内容作为上下文再生成一个精准的总结回复给你。这一刻你会真切感受到“智能体”工作的魅力。4. 进阶探索本地模型与MCP服务的结合潜力很多朋友在用Cherry Studio时可能止步于使用在线的商业大模型如GPT-4、DeepSeek-V3。但Cherry Studio还有一个非常强大的特性它支持本地部署的大语言模型LLM。这意味着你可以用Ollama、LM Studio、text-generation-webui等工具在你自己电脑上跑一个模型然后在Cherry Studio里像使用GPT一样使用它。这带来了巨大的隐私优势、成本优势和可定制性。那么一个很自然的问题就出现了我本地的模型能不能也享受MCP协议带来的强大工具扩展能力呢答案是理论上完全可行而且潜力巨大但目前需要一些额外的步骤和探索。Cherry Studio官方文档目前可能没有详细说明这块的“开箱即用”配置但这正是我们这些爱折腾的玩家可以深入挖掘的地方。为什么本地模型MCP是绝配数据隐私的终极方案你的所有对话、模型推理、乃至工具调用比如查询内部数据库、处理本地文档全部发生在你的本地设备或内网环境中没有任何数据出域的风险。这对于处理敏感信息的企业或个人来说是刚需。成本可控一次性的硬件投入或电费对比商业API按Token计费在长期、高频使用下可能更划算。定制化工具链你可以为你的本地模型量身定制MCP服务器。比如写一个MCP服务器专门用来查询你公司的内部知识库或者操作你的本地智能家居设备这些用商业API是很难甚至无法实现的。如何尝试连接本地模型与MCP目前Cherry Studio对接本地模型通常是通过兼容OpenAI API格式的接口来实现的。像Ollama、LM Studio都提供了这种兼容层。你的配置步骤大概是在本地部署好模型服务例如Ollama并确保其API端点通常是http://localhost:11434/v1正常运行。在Cherry Studio的设置中找到“自定义模型”或“本地模型”配置项填入这个API端点地址和相应的API密钥如果本地服务需要的话。如果本地模型本身支持Function Calling很多较新的开源模型如Qwen2.5、Llama 3.1等都已支持那么在Cherry Studio中它也应该会显示小扳手图标。关键的挑战与思路挑战在于当你使用本地模型时Cherry Studio界面里配置的MCP服务器是否还能被这个本地模型正常调用这取决于两者之间的“握手”协议。我的实践思路是将MCP服务器视为一个独立的后台服务而Cherry Studio和本地模型都作为这个服务的“客户端”。具体来说MCP服务器独立运行按照我们前面第三节的方法在Cherry Studio中配置好MCP服务器如fetch-server。这个服务器一旦成功添加并启动它就是一个独立的守护进程在运行。本地模型通过Cherry Studio“桥接”当你在聊天窗口选择本地模型并开启MCP服务开关时Cherry Studio应该承担起“中间人”的角色。它需要将本地模型发出的、符合Function Call格式的请求“翻译”并转发给已配置的MCP服务器然后将服务器的返回结果再“翻译”回给本地模型。目前Cherry Studio对商业API模型如DeepSeek的这一桥接功能是成熟可用的。对于本地模型只要该模型能输出标准的OpenAI格式的Function Call请求并且Cherry Studio能正确识别并将该请求路由到已激活的MCP服务器那么整个链条就能跑通。这可能需要你在Cherry Studio的本地模型配置中明确指定或确保其兼容性。我建议在社区或相关论坛搜索“Cherry Studio local model MCP”这样的关键词通常会有先锋玩家分享他们的配置文件或经验。一个简单的测试方法先确保用DeepSeek等在线模型可以正常使用MCP工具。然后切换到你的本地模型问一个同样需要调用工具的问题比如“读取某个网页”。观察AI的回复过程。如果它尝试调用工具但失败了或者根本不触发工具调用那就说明兼容层还需要调整。这可能涉及到模型本身的Function Calling能力或者Cherry Studio对本地模型Function Call请求的代理设置。5. 避坑指南与效能提升走通了全流程并不意味着高枕无忧。在实际使用中你肯定会遇到各种各样的小问题。这里我把自己和朋友们踩过的坑以及一些提升使用体验的技巧汇总一下希望能帮你节省大量时间。常见问题与解决问题一MCP服务器安装/启动失败表现在Cherry Studio里添加服务器后状态一直显示失败、断开或没有反应。排查网络问题这是头号杀手。uvx安装包和bun运行都可能需要访问外部网络。可以尝试在命令行手动运行uvx mcp-server-fetch看看报错信息。如果提示连接超时可能需要配置网络代理注意这里指的是开发中常见的HTTP代理用于加速软件包下载与任何非法网络访问无关。路径问题确保uvx和bun命令在Cherry Studio可执行的路径下。最稳妥的方法就是按照第二节所说把它们放在~/.cherrystudio/bin/目录里。版本冲突有些MCP服务器对uv或bun的版本有要求。可以尝试更新到最新版本在终端里用uv self update和bun upgrade来更新。问题二聊天框里看不到“启用MCP服务”的按钮表现模型选了服务器也配了但聊天界面就是找不到那个开关。排查模型不支持务必确认你当前选择的模型名称后面有小扳手图标。没有这个图标说明Cherry Studio认为该模型不支持Function Call自然不会显示工具开关。服务器未激活在MCP服务器设置页面检查你配置的服务器是否已启用通常有个开关。有时候添加了但没打开。Cherry Studio版本确保你使用的是最新版本的Cherry Studio。旧版本可能对MCP的支持不完善。问题三工具调用成功了但AI回复的内容不对或报错表现AI显示了调用fetch工具的步骤但最后回复说无法读取内容或者回复的内容乱七八糟。排查工具输出过长有些网页内容非常长超过了模型单次处理的上下文限制或者MCP服务器返回时被截断。可以尝试让AI总结更短的页面或者分步骤查询。网页访问限制目标网页可能有反爬虫机制简单的fetch请求被拒绝。一些更高级的MCP服务器如带有puppeteer或playwright的浏览器模拟服务器可以解决这个问题但配置更复杂。模型“幻觉”即使工具返回了正确内容模型也可能在总结时出错。这属于模型本身的能力问题可以尝试换一个更强或更擅长处理长文本的模型。效能提升技巧探索更多MCP服务器fetch只是冰山一角。MCP的官方服务器列表https://github.com/modelcontextprotocol/servers里宝藏无数。比如mcp-server-filesystem让AI可以安全地读写你指定目录下的文件慎用。mcp-server-sqlite让AI可以直接查询SQLite数据库。mcp-server-weather直接查询天气。 安装方式大同小异通常都是uvx mcp-server-xxxx。多尝试几个把你的AI打造成全能助手。组合使用工具真正的威力在于工具的组合。你可以先让AI用fetch工具抓取一篇市场报告然后用filesystem工具将分析结果保存到本地最后再用sqlite工具把关键数据录入数据库。通过一次对话指挥AI完成一个多步骤的自动化工作流。关注社区生态MCP协议正在快速发展除了官方服务器很多第三方开发者也在贡献有趣的工具。关注Cherry Studio的社区、Discord或相关技术论坛经常能发现一些新奇好用的MCP服务器比如股票查询、日历管理、智能家居控制等。配置的过程就像是在组装一个超级机器人Cherry Studio是驾驶舱AI模型是大脑而一个个MCP服务器就是它的机械臂、传感器和各种专业工具。一开始可能会遇到螺丝拧不上的情况但一旦调试成功看到它按照你的指令流畅地工作那种成就感是非常实在的。