构建AI智能体：腾讯云MCP广场 · MCP协议 · Cherry Studio：AI应用生产线

一、前言

腾讯云MCP是媒体处理平台，提供专业的一站式云端媒体处理服务，旨在解决传统本地处理效率低、成本高、弹性不足的痛点。

核心功能包括：

• 智能视频转码（支持超高清H.265/AV1）、内容自适应封装与极速高清画质增强；
• AI赋能的智能内容分析（人脸识别、语音转写、内容标签）、智能剪辑与集锦生成；
• 以及全方位的内容安全审核。

平台通过弹性可扩展的架构，将复杂的技术流程简化为标准API调用，显著降低了媒体处理的技术门槛与运维成本，助力企业高效应对视频点播、直播、社交媒体等场景下的媒体处理挑战。

二、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。

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。

• 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）。

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。

三、腾讯云 MCP广场

腾讯云MCP 广场是一个将模型生态与 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。

1. 核心定义：

腾讯云MCP（Model Context Protocol）是一个开放的协议，旨在简化大型语言模型（LLM）与外部数据源和工具的集成。它允许LLM通过标准化的方式访问最新的信息、执行特定的任务，从而扩展模型的能力。

2. 诞生背景：

随着大型语言模型的发展，模型本身的知识受限于训练数据，无法获取实时信息，并且无法直接操作外部系统。为了解决这些问题，腾讯云推出了MCP，让开发者能够以统一的方式为LLM扩展外部能力，例如搜索、计算、数据库查询等。

3. 核心功能：

• 工具调用（Function Calling）：MCP定义了模型如何调用外部工具，将自然语言请求转化为结构化的工具调用，并处理返回结果。
• 上下文管理：MCP管理模型与外部资源交互的上下文，确保对话的连贯性和准确性。
• 多模型支持：MCP支持多种大型语言模型，并提供统一的接口，方便开发者切换和测试不同模型。
• 安全可控：通过MCP，开发者可以控制模型访问外部资源的权限，确保数据安全和操作安全。

• 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，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MCP广场上搜索并调用。
• 一家公司需要一款高质量的中文语音识别模型，在MCP广场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。

四、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）。

五、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：

如果提示缺少，直接点击安装即可：

安装成功后，图标都会变为绿色：

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主流的腾讯混元系列模型，此处我们以腾讯混元为例，选中【腾讯混元】后输入API密钥即可，密钥可通过腾讯云的控制台登录后申请获取，有一定量的免费使用权限可以申请，可相见博文第一篇。

2. 配置MCP

首先我们可以在腾讯云的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：

重点查看使用uvx配置的这段，找到关键信息：

我们可以对照这几项关键录入正确的值：

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：

如果服务正常，保存成功后会自动启用，保存按钮变为灰色：

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。

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；

当一切配置准备就绪后，发送指令看到如下反馈：

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：

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，随机找到实时天气MCP服务，这是一个MCP服务器，通过开放天气地图（OpenWeatherMap）API 提供天气信息。

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：

注意：这个服务需要配置路径，和单独申请服务的API密钥

在聊天窗口选择启用“mcp-chinese-fortune”的MCP服务

选择对应的服务，发送聊天，查看返回的结果：

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\"} "
  }
}

4. 管理MCP

同样也是在【设置】的【MCP服务器】中进行同一管理；

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，腾讯云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。

腾讯云 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，扎根于庞大的混元大模型生态。
• 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。

六、总结

• 腾讯云 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。