工具篇-Cherry Studio之MCP使用

### 本地部署支持MCP协议的Cherry-Studio配置指南 #### 一、环境准备 在开始之前，需确认已安装必要的依赖项以及满足运行条件。对于Cherry-Studio的支持，通常需要Python开发环境及其相关框架。具体而言，应确保以下组件可用： - Python版本不低于3.8[^1]。 - 安装`pipenv`或其他虚拟环境管理工具以便隔离项目依赖。 ```bash # 更新系统包并安装必要软件 sudo apt update && sudo apt install python3-pip git -y pip3 install pipenv ``` #### 二、获取源码与初始化 通过Git克隆官方仓库来下载最新版Cherry-Studio代码，并设置初始环境： ```bash git clone https://github.com/your-repo/cherry-studio.git cd cherry-studio pipenv install --dev pipenv shell ``` 上述命令会拉取最新的代码库到本地，并创建一个独立的Python虚拟环境用于后续操作[^2]。 #### 三、启用MCP Server功能模块 为了使Cherry-Studio能够处理基于MCP的标准输入输出（stdio）请求或者服务端事件流(SSE)，需要调整默认配置文件中的参数设定。编辑位于根目录下的`.env`或`config.py`文件，添加如下字段定义： ```python ENABLE_MCP_SERVER = True # 开启MCP服务器开关 STDIO_PORT = 9000 # stdio监听端口指定 SSE_ENDPOINT_ENABLED = "/sse" # SSE接口路径声明 ``` 这些选项允许程序启动时加载额外的服务层逻辑以兼容外部调用需求[^1]。 #### 四、自定义插件扩展 如果标准实现无法完全匹配特定业务流程，则可以考虑编写专属插件进一步增强功能性。按照文档指引新建子目录结构存放新增脚本，在其中定义新的路由映射关系及数据交互规则。 例如增加一个新的RESTful API供客户端查询状态信息: ```python from flask import Blueprint, jsonify status_bp = Blueprint('status', __name__) @status_bp.route('/api/status') def get_status(): return jsonify({"service": "running", "version": "v1.0"}) ``` 随后注册该蓝图至主应用实例上完成集成工作。 #### 五、测试验证环节 最后一步是对整个系统的稳定性进行全面检测。利用Postman之类的工具模拟发送HTTP请求检验各个部分是否正常运作；另外也可以借助telnet命令直接连接到stdio端口查看响应情况。 ```bash telnet localhost 9000 GET / HTTP/1.1\r\nHost:\r\nAccept:text/event-stream\r\nConnection:keep-alive\r\nCache-Control:no-cache\r\n\r\n ``` 以上即为完整的Cherry-Studio本地化部署过程概述及相关注意事项说明。 --- 问题