企业官网建设流程全解析

1. 为什么要在 Cherry Studio 里折腾 MCP

Cherry Studio 是一款支持多模型接入的桌面 AI 客户端，MCP（Model Context Protocol，模型上下文协议）则是让大模型能"伸手"去调用外部工具的通用接口。把两者接起来之后，AI 就不只是聊天，而是能真的帮你读本地文件、抓网页、查数据库、跑脚本。适合谁？适合已经用 Cherry Studio 当日常助手、又想让 AI 自动处理任务的人，比如让它读一份本地 Excel 做汇总、抓一个网页提取正文、在指定目录里生成笔记文件。

我试过把 MCP 服务接进 Cherry Studio，最大的感受是：配置本身不难，难的是搞清楚 SSE 和 STDIO 两种类型分别适合什么场景，以及远程调用时地址怎么给。这篇就把完整链路拆开讲——从 MCP 服务端骨架、Cherry Studio 侧连接参数，到本地 STDIO 与内网穿透（cpolar）两种调用场景，最后给出验证动作和常见报错排查。你跟着做，能让 AI 自动调用工具处理任务。

需要先说明一点：MCP 服务端本身是标准协议实现，Cherry Studio 只是客户端。所以配置的核心是"服务端怎么起、客户端怎么连、连上怎么验"这三件事。下面按这个顺序来。

2. 前置准备：MCP 服务端骨架与 TaoToken 接入

在 Cherry Studio 里点"设置 - MCP 服务器"，会看到需要 UV 与 Bun 环境。UV 是 Python 包管理器，Bun 是 JS 运行时，很多 MCP Server 用它们启动。直接点安装即可，装好后提示会消失。如果 UV 一直装不上，可能是提示有 BUG，先继续往下走，不影响后面用 NPX 方式启动的服务。

MCP 服务端有两种典型形态，先给一个可复制的配置骨架，你按需改：

{ "mcpServers": { "filesystem": { "command": "npx", "args": [ "-y", "@modelcontextprotocol/server-filesystem", "D:\\ai" ] }, "fetch": { "url": "https://router.mcp.so/sse/your-endpoint-id", "type": "sse" } } }

上面这段是通用结构：command+args对应 STDIO 类型（本地进程），url+type: sse对应 SSE 类型（远程服务）。Cherry Studio 的图形界面本质就是帮你生成这段配置，理解结构后手动改参数会快很多。

如果你打算让 MCP 服务调用大模型能力，模型侧建议走统一入口，省得每个服务单独配 Key。TaoToken 提供兼容 OpenAI 风格的 API，模型对话入口在 https://taotoken.net/api，控制台和 Key 管理在 https://taotoken.net/api-keys。把模型服务配好后，MCP 服务端里需要调模型的地方就能复用同一套凭证，不用来回切换。

注意：MCP 服务端访问本地文件时，参数里的目录要写绝对路径，Windows 下反斜杠要转义成\\，否则启动会报路径错误。

3. 可复制配置：SSE 与 STDIO 两种接法

3.1 SSE 远程服务配置

SSE 类型的 MCP 服务跑在远程服务器上，配置简单，无需本地环境。以 fetch（让 AI 抓网页）为例，在 MCP 服务市场找到它，右侧能看到 SSE URL，复制网址后回到 Cherry Studio：

点击"添加服务器"，填写名称（如 fetch）、类型选 SSE、粘贴 URL，确定。看到"服务器添加成功"提示即可。

SSE 的优点是开箱即用，缺点是它跑在远端，没法直接读你本机文件。适合抓网页、调在线 API 这类场景。

3.2 STDIO 本地服务配置

STDIO 类型在本地起进程，能直接访问本机文件和程序。以 filesystem 为例：

在 MCP 配置里点 NPX 包列表后的搜索，输入@modelcontextprotocol/server-filesystem，点击添加服务器。弹框里大部分内容已自动填好，你只需在参数里加上要操作的目录，比如D:\\ai。注意每个参数单独占一行。

{ "command": "npx", "args": [ "-y", "@modelcontextprotocol/server-filesystem", "D:\\ai" ] }

确定后提示添加成功。回到聊天助手界面，在聊天框底部的 MCP 服务器图标里能看到新增的 filesystem 服务。使用前记得手动打开开关——每次都要检查，这是最容易忘的一步。

3.3 模型侧配置要点

在客户端设置里配置模型服务时，要选模型名称后带扳手图标的，即支持函数调用的模型。如果模型不支持函数调用，MCP 开关打开也没用，AI 不会去调工具。这一步是很多人卡住的地方：服务配好了、开关开了，但 AI 就是不调用，八成是模型不支持 function calling。

4. 验证请求：让 AI 真的调用工具

配置完别急着下复杂指令，先用最小动作验证链路通不通。

验证 filesystem：在聊天框输入"在 D:\ai 路径下创建一个名为 mcp 学习笔记的 txt 文档"。发送后观察 AI 是否触发工具调用（界面上会有调用提示），然后去D:\ai目录看文件是否真的生成。生成成功说明 STDIO 链路通了。

验证 fetch：输入"帮我抓取某个网页并总结正文"。如果返回错误代码，很可能是目标网站禁止 AI 抓取，换一个允许抓取的网站再试。

验证模型侧：如果你用的是远程模型服务，确认 API 地址和 Key 填对。模型对话可以在 https://taotoken.net/api 对应的对话入口先单独测一下，确认模型本身能正常响应，再回来测 MCP 调用。这样能把"模型问题"和"MCP 问题"分开定位。

长期做编码或 Agent 任务的话，可以考虑 Coding Plan 这类按周期计费的方式，比按 token 计费更可控，入口在 https://taotoken.net/coding-plan。接入文档在 https://taotoken.net/doc，配置参数对照着看会快很多。

5. 内网穿透：cpolar 让远程也能调本地 MCP

前面用的是远程模型服务，按 token 计费。如果想省成本，用本地部署的模型（需支持函数调用）是个办法。但本地模型默认只能本机访问，异地就用不了。这时用 cpolar 内网穿透，无需公网 IP、无需云服务器，就能把本地服务暴露出去。

5.1 本地模型准备

以 Ollama + qwen2.5-coder:7b 为例，先装好 Ollama，然后：

ollama run qwen2.5-coder:7b

要让外部能访问，需设置环境变量：

setx OLLAMA_HOST "0.0.0.0" setx OLLAMA_ORIGINS "*"

设置后重启 Ollama 生效。

5.2 cpolar 配置公网地址

装好 cpolar 后，浏览器访问http://localhost:9200登录，进入 WebUI。点击"隧道管理 - 创建隧道"：

隧道名称填 ollama1，协议选 http，本地地址填 11434，域名类型选随机域名，地区选 China Top。创建成功后，在"在线隧道列表"能看到 http 和 https 两个公网地址。

把公网地址粘贴到另一台电脑 Cherry Studio 的 Ollama 模型服务 API 地址里，点击管理能看到本地模型，添加后如果模型名后没有扳手图标，点设置 - 更多设置，手动勾选"支持函数调用"，保存。

然后同样添加 filesystem 服务，参数填一个新路径测试。回到聊天助手，就能远程调用另一台电脑上的本地模型跑 MCP 服务了。

5.3 固定二级子域名

随机地址 24 小时会变，且不好记。要固定地址需升级 cpolar 专业版，在官网"预留 - 保留二级子域名"里设一个名称（如 csollama1），然后回 WebUI 编辑隧道，域名类型选二级子域名，Sub Domain 填保留的名称，更新即可。之后公网地址就固定不变了。

6. 本篇常见错排查

UV 装不上：提示可能有 BUG，先跳过，用 NPX 方式启动的服务不依赖 UV。

MCP 开关开了但 AI 不调用：先确认模型支持函数调用（名称后有扳手图标）。不支持的话，手动在模型设置里勾选"支持函数调用"再试。

STDIO 服务启动失败：检查参数里的目录是否为绝对路径、反斜杠是否转义、每个参数是否单独占一行。路径不存在也会启动失败。

fetch 返回错误代码：目标网站禁止 AI 抓取，换网站测试。

远程调用连不上：确认 Ollama 环境变量已设置并重启、cpolar 隧道状态为在线、API 地址用的是公网地址而非 localhost。

模型名后没有扳手图标：手动勾选支持函数调用，保存后重新加载。

每次都要重开开关：这是当前版本的交互设计，使用前检查一下即可。

排障时如果怀疑是 Key 或接入参数问题，去 https://taotoken.net/api-keys 核对凭证，接入细节对照 https://taotoken.net/doc。模型本身是否正常，用模型对话入口单独测一次最快。

7. 把链路固定下来

整套流程跑通后，建议把配置固化：本地 STDIO 服务用固定目录，远程模型用固定二级子域名，模型侧用统一 API 入口管理 Key。这样每次开机只需确认 MCP 开关打开，就能直接让 AI 自动调用工具处理任务。

如果后面要接更多 MCP 服务，优先看它属于 SSE 还是 STDIO：要读本地资源就 STDIO，要调在线能力就 SSE。两种混用完全没问题，Cherry Studio 的 MCP 服务器列表里可以同时挂多个，聊天框底部按需开关即可。