微信扫码
添加专属顾问
我要投稿
探索Cherry Studio在MCP Server配置中的高效应用。 核心内容: 1. Cherry Studio工具适配MCP Server的基本操作 2. 配置本地文件系统和数据库访问的详细步骤 3. 实际演示及常见问题的解决方案
sqlite数据库需要的内容
访问https://github.com/modelcontextprotocol/servers下载代码。
代码解压缩放到本地目录
Sqlite的MCP Server配置如下地方进行替换
\\servers-main\\src\\sqlite
接着安装uv,运行如下命令:
pip install uvpip install httpx mcp
注意在所有的准备工作做完后,进入到MCP服务器配置。重点是参数这个地方容易填错,具体参数如下:
--directory你自己的目录地址\sqliterunmcp-server-sqlite--db-path你自己的目录地址\scm.db
具体界面截图如下:
在这里要注意,点击确定的时候系统会自动进行检查。如果有异常最方便的检查方式就是先在命令行按截图中的参数运行 uv 命令。如果命令行运行没有问题,那么这个地方配置基本上没有问题。
配置好后还是做下简单测试如下:
在测试和验证过程中7B模型正常输出,我反而是在测试QWQ-32B的深度思考模式的时候,发现对于简单问题复杂化,并且循环思考的问题。而且深度思考时间也很长。
至少从简单的测试验证来看,还是上篇文章采用Claude 3.7大模型的时候配合Sqlite MCP Server往往对于自然语言查询的语义理解最准确。
对于自己编写python存放到本地目录并运行,还需要安装一个能够执行本地脚本或python文件的MCP Server,具体地址:
https://github.com/g0t4/mcp-server-commands
关键配置信息如下:
"mcp-server-commands": { "command": "npx", "args": ["mcp-server-commands"] },由于Cherry Studio本身还可以接本地部署的大模型,因此如果企业开展MCP适配和接入方面的测试和验证,选择Cherry Studio是一个不错的选择。基于上一篇文章同样的思路,我们完全可以把企业已有的API能力作为MCP Server开放接入,把类似数据中台经过清洗后端的共享数据库作为MCP Server源接入。
当然实际查询的准确度如何还需要进一步验证。今天的简单分享就到这里,希望对大家有所启发。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-03-21
编程选GPT-5.4,还是GPT-5.3-Codex?
2026-03-21
AI Coding前端实践后的复盘总结
2026-03-21
OpenAI 首席科学家:Codex 只是雏形,我们要造的是「全自动 AI 研究员」
2026-03-21
谷歌Stitch「氛围设计」干崩Figma 8.8%股价:十年经验,败给巨头一次更新(附实测)
2026-03-21
为什么 CLI 比 MCP 更适合 LLM
2026-03-21
渐进式披露(Progressive Disclosure):Agent 从 Demo 到企业级落地的 “救命架构”
2026-03-21
AI 编程工具怎么选?Codex 和 Claude Code 的本质区别
2026-03-21
Karpathy 最新播客:我得了 AI 精神病、App 将消失、Agent 将碾压实验室
2026-01-24
2026-01-10
2026-01-01
2026-01-26
2026-01-09
2026-01-09
2026-01-23
2025-12-30
2026-01-14
2026-01-21
2026-03-21
2026-03-20
2026-03-19
2026-03-19
2026-03-19
2026-03-18
2026-03-17
2026-03-17