构建AI智能体:五十、ModelScope MCP广场 · MCP协议 · Cherry Studio:AI应用生产线

简介: 本文介绍了AI开发生态中的三个关键组件:CherryStudio可视化开发平台、ModelScope MCP广场和MCP协议标准。CherryStudio作为低代码AI应用开发环境,通过拖拽式界面简化了基于大语言模型的智能体构建;ModelScope MCP广场作为官方MCPServer分发中心,提供各类工具服务的发现与管理;MCP协议则定义了LLM与外部工具的安全连接标准。三者构建了从资源发现、能力连接到应用落地的完整AI开发链条,推动AI开发从手工作坊迈向工业化时代。文章还演示了如何在CherryStu

一、Cherry Studio简介

       Cherry Studio 是一个面向未来的 AI 应用开发平台,它通过将复杂的 AI 开过程可视化、模块化,并拥抱像 MCP 这样的开放标准,成功地弥合了 AI 想法与可实现产品之间的鸿沟。对于任何希望快速、高效地构建和分享 LLM 驱动应用程序的个人或团队来说,它都是一个极具吸引力的强大工具。

50.2-Cherry Studio2.jpg

1. 核心定义

       Cherry Studio 是一个基于云的、低代码/无代码的可视化集成开发环境,专门用于快速构建、测试和部署基于大语言模型的应用程序和智能体。

2. 核心功能与特点

  • 可视化工作流构建器:通过拖放节点(LLM调用、工具、逻辑判断、API请求等)来设计复杂的AI应用逻辑,无需编写大量代码。
  • 强大的智能体构建:支持创建具备规划、工具使用能力的单一智能体,以及能够协作的多智能体系统。

50.3-Cherry Studio界面 微信图片_20251001221508_137_155.png

  • 原生集成 MCP:作为MCP客户端,可以无缝连接和管理大量MCP Server,从而轻松地为LLM扩展工具和能力(如搜索、数据库、文件操作等)。这是其最突出的优势之一。
  • 协作与部署:支持团队协作开发、版本管理,并能一键将工作流部署为可共享的Web应用或API端点。
  • 多模型支持:可以方便地切换和配置不同的底层LLM(如GPT、Claude、开源模型等)。

50.4-Cherry Studio设置 微信图片_20251001220930_136_155.png

3. 解决的问题

开发效率:极大降低了构建AI应用的门槛,让产品经理、创业者乃至开发者都能快速将想法转化为可交互的原型。

复杂性管理:通过可视化界面,简化了提示词工程、工具调用链、逻辑控制等复杂环节的管理。

工具生态:通过MCP,解决了AI应用与外部工具和数据源安全、标准化集成的问题。

4. 典型应用场景

  • 快速构建一个具备网络搜索和报告生成能力的“研究助手”。
  • 创建一个多角色(如销售、客服、技术)的客户问询自动分配与回复系统。
  • 为内部业务系统(如CRM、ERP)构建一个自然语言查询界面。

5. 角色比喻

       像一个专门建造AI机器人的“现代化智能工厂”。它提供了生产线、标准化零件和组装界面,让你能轻松地组合出各种功能的机器人。

二、ModelScope MCP广场

       ModelScope MCP 广场是一个将 ModelScope 的模型生态与 MCP 的工具生态桥接起来,为用户创造了一个无缝的、强大的“模型+工具”一体化体验。它极大地降低了使用 AI 能力的门槛,是推动 AI 智能体走向普及化和实用化的重要一步。

50.5-ModelScope MCP广场 微信图片_20251001222138_138_155.png

1. 核心定义

       ModelScope MCP 广场 是 ModelScope 平台官方推出的一個功能板块,是一个 MCP Server 的官方集散地和分发中心。

       它的核心作用是:让 ModelScope 的用户能够轻松地发现、安装和管理各种 MCP Server,从而为他们所使用的 AI 应用扩展强大的外部工具和能力。简单来说:它就像是 ModelScope 为整个 MCP 生态建立的一个“官方应用商店”。

2. 诞生背景

  • MCP 的兴起:MCP 协议因其标准化和安全性,正迅速成为连接 LLM 与外部工具的事实标准。但用户面临“从哪里找可靠的 MCP Server”和“如何安装管理”的难题。
  • ModelScope 的生态扩展:ModelScope 不再满足于只做“模型仓库”,它希望构建一个从模型、数据到工具能力的全链路 AI 开发生态。
  • 强强联合:将 ModelScope 巨大的开发者流量和分发能力,与 MCP 先进的工具协议相结合,能为双方生态带来巨大价值。

3. 核心功能

  • 官方认证:广场上的 MCP Server 大多经过 ModelScope 团队的审核或认证,在质量和安全性上更有保障。
  • 分类浏览:提供清晰的分类,如“开发工具”、“办公效率”、“网络搜索”、“数据分析”等,方便用户按需查找。
  • 详细说明:每个 Server 都有详细的介绍页面,包括功能描述、使用方法、参数说明等。

50.6-模型详细说明 微信图片_20251001223504_139_155.png

  • 中文模型特色:汇集了大量优秀的中文模型,是获取和使用针对中文优化的模型的首选平台。

4. 解决的问题

  • 模型获取与发现:解决了开发者“哪里能找到好用的、最新的开源模型”的痛点。
  • 环境配置难题:不同模型依赖的环境不同,配置复杂,ModelScope提供了标准化的环境,简化了使用流程。
  • 复现与实验:为研究人员和学生提供了低成本的模型实验和复现环境。

5. 典型应用场景

  • 一个开发者想找一个能写古诗的AI,直接在ModelScope上搜索并调用。
  • 一个学生想学习如何对千问模型进行微调,使用ModelScope的Notebook和教程完成实验。
  • 一家公司需要一款高质量的中文语音识别模型,在ModelScope上评测并选择最适合的模型用于生产。

6. 角色比喻

       像一个巨大的“AI模型超市”或“模型图书馆”。里面陈列着各种各样的现成模型MCP,你可以直接拿来使用,也可以借阅回去进行改造。

三、MCP简单回顾

1. 核心定义

       MCP是一个开放的协议,而非一个平台或工具。它专门设计用于在大语言模型和外部数据源、工具与服务之间建立安全、标准化的连接。

2. 核心功能与特点

  • 协议,而非实现:MCP定义了一套JSON-RPC通信标准,规定了Client和Server之间如何宣告能力、调用工具、读取资源。
  • Client-Server架构:
  • MCP Server:封装了特定的能力(如数据库操作、代码执行、Slack消息发送),并将其暴露为标准化的“工具”和“资源”。
  • MCP Client:是LLM应用的一部分,管理Server的连接,并将Server提供的能力呈现给LLM。
  • 声明式:Server向Client“声明”自己有什么,Client向LLM声明可以使用什么,LLM再决定在合适的时机使用。这是一种LLM友好的交互方式。
  • 安全性:内置权限控制,Client会请求用户授权,确保LLM不会随意调用危险工具。

3. 解决的问题

  • LLM的孤岛问题:让LLM能够安全、可控地访问和操作外部世界的信息与系统。
  • 集成标准化:解决了每个AI应用都需要为每个工具重复编写特定集成代码的问题。一旦一个工具被封装成MCP Server,任何兼容MCP Client的应用都能使用它。
  • 安全风险:通过协议层面的权限控制,降低了LLM滥用工具的风险。

4. 角色比喻

       像AI世界的“USB-C标准”或“电源插座标准”。它不生产电器(工具),但它定义了所有电器(MCP Server)和插排(MCP Client)之间应该如何安全、通用地连接和供电(传递数据与指令)。

四、Cherry Studio配置MCP使用

1. 基础配置

1.1 依赖检测配置

检测MCP环境运行的相关依赖:

50.7-检测MCP环境运行的相关依赖 微信图片_20251001223752_140_155.png

如果提示缺少,直接点击安装即可:

50.8-如果提示缺少,直接点击安装即可 微信图片_20251001211306_132_155.png

安装成功后,图标都会变为绿色:

50.9-安装成功后,图标都会变为绿色 微信图片_20251001211315_133_155.png

1.2 模型配置

       MCP调用也涉及到和模型的交互,也需要配置模型进行后续任务操作,可以配置ollama配置的本地模型,也可以配置现在比较流行的阿里云百炼的qwen系列模型,此处我们以百炼为例,选中【阿里云百炼】后输入API密钥即可,密钥可通过阿里云百炼登录后免费获取,有一定量的免费使用权限可以申请,可相见博文第一篇。

50.10-模型配置.png

2. 配置MCP

       首先我们可以在ModelScope的MCP广场找一个现成的MCP服务,以Fetch网页内容抓取网页抓取为例,先看MCP的详细介绍:

50.11-配置MCP 微信图片_20251001224329_141_155.png

重点查看使用uvx配置的这段,找到关键信息:

50.12-重点查看使用uvx配置的这段,找到关键信息 微信图片_20251001224401_142_155.png

我们可以对照这几项关键录入正确的值:

50.13-对照这几项关键录入正确的值.png

录入完毕后,点击【保存】,Studio会主动下载服务,如果服务对应的名称、参数等值不正确,会有失败的提示:

50.14-如果输入不正确会有失败的提示 微信图片_20251001224724_143_155.png

如果服务正常,保存成功后会自动启用,保存按钮变为灰色:

50.15-如果服务正常,保存后自动启用按钮变为灰色 微信图片_20251001224825_144_155.png

3. 调用MCP

服务配置成功后,可以开始调用了,首先进入聊天【助手】界面,点击下方的【MCP服务器】图标,选择对应的MCP服务开启选中即可。

50.16-调用MCP 微信图片_20251001225159_145_155.png

       调用fetch服务,进行一个网页的抓取操作,如果出现以下提示的内容,说明基础配置的模型配置没配置正确,需重新配置;

50.17-调用fetch服务 微信图片_20251001225419_146_155.png

当一切配置准备就绪后,发送指令看到如下反馈:

50.18-发送指令看到如下反馈 微信图片_20251001230326_147_155.png

此处注意标红处我们并未选择MCP服务,所有也未调用服务进行任务操作,如果我们配置指定的抓取MCP服务后看看效果:

50.19-指定的抓取MCP服务后看看效果 微信图片_20251001230628_148_155.png

调用了MCP的抓取服务操作, 并进行了摘要提取;

我们再找一个新的MCP服务试试,随机找到一个算命大师:基于模型上下文协议(MCP)的算命大师。 本项目是一个支持公历/农历转换、四柱八字排盘、五行分析、十神推算、运势分析等功能,适用于传统命理应用、算命服务平台、命理类产品。

50.20-调用了MCP的抓取服务操作并进行了摘要提取 微信图片_20251001230900_149_155.png

这一次我直接选择把配置json复制到Cherry Studio的配置文件中,也可以直接使用:

50.21-直接把配置json复制到Cherry Studio的配置文件中.png

在聊天窗口选择启用“mcp-chinese-fortune”的MCP服务

50.22-在聊天窗口选择启用“mcp-chinese-fortune”的MCP服务微信图片_20251001231152_150_155.png

发送聊天“算一下,出生时间 2011年 10月19日8点 的命数”

50.23-发送聊天:算一下出生时间 2011年 10月19日8点的命数 微信图片_20251001231356_151_155.png

看看分析过程:

{
  "params": {
    "year": 2011,
    "month": 10,
    "day": 19,
    "hour": 8
  },
  "response": {
    "content": [
      {
        "type": "text",
        "text": "分析下面 分析命理运势 \n \n {\"year\":2011,\"month\":\"10\",\"day\":\"19\",\"solarTerms\":\"寒露\",\"lunarMonth\":\"九月\",\"lunarDay\":\"廿三\",\"lunarMonthDigit\":9,\"lunarDayDigit\":23,\"isLunarLeapMonth\":false,\"leapMonth\":0,\"chineseYear\":\"辛卯\",\"chineseMonth\":\"戊戌\",\"chineseDay\":\"丁未\",\"chineseTimes\":[\"庚子\",\"辛丑\",\"壬寅\",\"癸卯\",\"甲辰\",\"乙巳\",\"丙午\",\"丁未\",\"戊申\",\"己酉\",\"庚戌\",\"辛亥\"],\"week\":\"3\",\"animal\":\"兔\",\"constellation\":\"天秤座\",\"chineseFeb\":false,\"hour\":\"8\",\"nayin\":\"木\",\"chineseTime\":\"甲辰\",\"chineseTimesTenGod\":[\"劫\",\"比\",\"傷\",\"食\",\"財\",\"才\",\"官\",\"殺\",\"印\",\"ㄗ\",\"劫\",\"比\"],\"chineseTimeTenGod\":\"財\",\"chineseYearTenGod\":\"比\",\"chineseMonthTenGod\":\"印\",\"chineseDayTenGod\":\"殺\",\"dengGui\":\"辰午\",\"lunarPerMonthHasDays\":[\"30\",\"29\",\"30\",\"30\",\"29\",\"30\",\"29\",\"29\",\"30\",\"29\",\"30\",\"29\"],\"solarTermDistance\":{\"previous\":{\"solarTerm\":\"秋分\",\"diffDistanceDay\":26,\"diffDistanceDetail\":25.28846064814815},\"next\":{\"solarTerm\":\"霜降\",\"diffDistanceDay\":5,\"diffDistanceDetail\":5.104375}},\"purpleWhites\":[\"八白\",\"七赤\",\"六白\",\"五黃\",\"四綠\",\"三碧\",\"二黑\",\"一白\",\"九紫\",\"八白\",\"七赤\",\"六白\"],\"taiYuan\":\"己丑\",\"mingGong\":\"辛卯\",\"shenGong\":\"辛卯\"} "
      }
    ],
    "report": "分析下面 分析命理运势 \n \n {\"year\":2011,\"month\":\"10\",\"day\":\"19\",\"solarTerms\":\"寒露\",\"lunarMonth\":\"九月\",\"lunarDay\":\"廿三\",\"lunarMonthDigit\":9,\"lunarDayDigit\":23,\"isLunarLeapMonth\":false,\"leapMonth\":0,\"chineseYear\":\"辛卯\",\"chineseMonth\":\"戊戌\",\"chineseDay\":\"丁未\",\"chineseTimes\":[\"庚子\",\"辛丑\",\"壬寅\",\"癸卯\",\"甲辰\",\"乙巳\",\"丙午\",\"丁未\",\"戊申\",\"己酉\",\"庚戌\",\"辛亥\"],\"week\":\"3\",\"animal\":\"兔\",\"constellation\":\"天秤座\",\"chineseFeb\":false,\"hour\":\"8\",\"nayin\":\"木\",\"chineseTime\":\"甲辰\",\"chineseTimesTenGod\":[\"劫\",\"比\",\"傷\",\"食\",\"財\",\"才\",\"官\",\"殺\",\"印\",\"ㄗ\",\"劫\",\"比\"],\"chineseTimeTenGod\":\"財\",\"chineseYearTenGod\":\"比\",\"chineseMonthTenGod\":\"印\",\"chineseDayTenGod\":\"殺\",\"dengGui\":\"辰午\",\"lunarPerMonthHasDays\":[\"30\",\"29\",\"30\",\"30\",\"29\",\"30\",\"29\",\"29\",\"30\",\"29\",\"30\",\"29\"],\"solarTermDistance\":{\"previous\":{\"solarTerm\":\"秋分\",\"diffDistanceDay\":26,\"diffDistanceDetail\":25.28846064814815},\"next\":{\"solarTerm\":\"霜降\",\"diffDistanceDay\":5,\"diffDistanceDetail\":5.104375}},\"purpleWhites\":[\"八白\",\"七赤\",\"六白\",\"五黃\",\"四綠\",\"三碧\",\"二黑\",\"一白\",\"九紫\",\"八白\",\"七赤\",\"六白\"],\"taiYuan\":\"己丑\",\"mingGong\":\"辛卯\",\"shenGong\":\"辛卯\"} "
  }
}

image.gif

4. 管理MCP

同样也是在【设置】的【MCP服务器】中进行同一管理;

50.24-管理MCP 微信图片_20251001231940_152_155.png

       这样,基于MCP协议本身、MCP协议发现以及MCP协议应用都有了一个完整的链条,ModelScope MCP广场、MCP协议本身、以及Cherry Studio 这三者共同构成了一个从资源发现、能力连接到应用构建的完整、高效且开放的现代AI开发范式。

ModelScope MCP 广场:生态的“资源仓库”与“应用商店”

  • 它是MCP Server的官方分发中心,扎根于庞大的ModelScope模型生态。
  • 它解决了“从哪里找到安全可靠的AI工具”这一核心痛点,通过一键安装的极致体验,为用户(尤其是Claude Desktop用户)提供了无限扩展其AI助手能力的入口。它是工具和数据的集散地。

MCP:生态的“底层协议”与“连接标准”

  • 它是连接LLM与外部世界的安全、标准化协议,是数字世界的“USB-C标准”。
  • 它不生产工具,但它定义了工具(Server)与AI应用(Client)之间如何通信。它解决了集成标准化和安全控制的根本问题,是一切可组合性能力的基石。没有MCP,广场上的“商品”就无法被安全地“即插即用”。

Cherry Studio:生态的“集成开发环境”与“制造工厂”

  • 它是一个云原生的低代码AI应用开发平台,是MCP协议的深度实践者和价值放大器。
  • 它将来自ModelScope MCP广场的工具、来自各处的模型,通过可视化的方式编织成复杂的、具备逻辑的、可部署的AI智能体和工作流。它解决了“如何快速、高效地将想法和工具转化为实际应用”的最终落地问题。

五、总结

  • ModelScope MCP广场 是 “货架”,提供了琳琅满目的标准化零件(MCP Server)。
  • MCP协议 是 “零件规格书”和“接口标准”,确保了所有零件都能被安全、通用地使用。
  • Cherry Studio 是 “智能组装工厂”,利用这些标准化零件,快速制造出功能强大的AI应用产品。

       它们共同代表了一个趋势:AI开发正从依赖单一模型能力的手工作坊时代,迈向一个基于开放协议、丰富生态和可视化工具的工业化时代。 我们不再需要从零开始造轮子,而是可以站在巨人的肩膀上,专注于创造力和业务逻辑本身,这将极大地推动AI应用的创新与普及。

相关文章
|
1天前
|
云安全 监控 安全
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
Z-Image:冲击体验上限的下一代图像生成模型
通义实验室推出全新文生图模型Z-Image,以6B参数实现“快、稳、轻、准”突破。Turbo版本仅需8步亚秒级生成,支持16GB显存设备,中英双语理解与文字渲染尤为出色,真实感和美学表现媲美国际顶尖模型,被誉为“最值得关注的开源生图模型之一”。
815 5
|
12天前
|
人工智能 Java API
Java 正式进入 Agentic AI 时代:Spring AI Alibaba 1.1 发布背后的技术演进
Spring AI Alibaba 1.1 正式发布,提供极简方式构建企业级AI智能体。基于ReactAgent核心,支持多智能体协作、上下文工程与生产级管控,助力开发者快速打造可靠、可扩展的智能应用。
1051 37
|
8天前
|
机器学习/深度学习 人工智能 数据可视化
1秒生图!6B参数如何“以小博大”生成超真实图像?
Z-Image是6B参数开源图像生成模型,仅需16GB显存即可生成媲美百亿级模型的超真实图像,支持中英双语文本渲染与智能编辑,登顶Hugging Face趋势榜,首日下载破50万。
620 36
|
12天前
|
人工智能 前端开发 算法
大厂CIO独家分享:AI如何重塑开发者未来十年
在 AI 时代,若你还在紧盯代码量、执着于全栈工程师的招聘,或者仅凭技术贡献率来评判价值,执着于业务提效的比例而忽略产研价值,你很可能已经被所谓的“常识”困住了脚步。
677 57
大厂CIO独家分享:AI如何重塑开发者未来十年
|
8天前
|
存储 自然语言处理 测试技术
一行代码,让 Elasticsearch 集群瞬间雪崩——5000W 数据压测下的性能避坑全攻略
本文深入剖析 Elasticsearch 中模糊查询的三大陷阱及性能优化方案。通过5000 万级数据量下做了高压测试,用真实数据复刻事故现场,助力开发者规避“查询雪崩”,为您的业务保驾护航。
429 27
|
15天前
|
数据采集 人工智能 自然语言处理
Meta SAM3开源:让图像分割,听懂你的话
Meta发布并开源SAM 3,首个支持文本或视觉提示的统一图像视频分割模型,可精准分割“红色条纹伞”等开放词汇概念,覆盖400万独特概念,性能达人类水平75%–80%,推动视觉分割新突破。
911 59
Meta SAM3开源:让图像分割,听懂你的话
|
5天前
|
弹性计算 网络协议 Linux
阿里云ECS云服务器详细新手购买流程步骤(图文详解)
新手怎么购买阿里云服务器ECS?今天出一期阿里云服务器ECS自定义购买流程:图文全解析,阿里云服务器ECS购买流程图解,自定义购买ECS的设置选项是最复杂的,以自定义购买云服务器ECS为例,包括付费类型、地域、网络及可用区、实例、镜像、系统盘、数据盘、公网IP、安全组及登录凭证详细设置教程:
200 114

热门文章

最新文章