MCP的应用开发：Cherry Studio的探索与实践

在人工智能技术飞速发展的今天，模型与应用之间的交互协议变得愈发重要。MCP（Model Context Protocol）作为一种新兴的协议，为模型与应用之间的高效协作提供了新的思路。而Cherry Studio作为一款支持多模型服务的桌面客户端，正是基于MCP协议进行开发与应用的典范。本文将深入探讨MCP的概念、Cherry Studio的特点，并通过实际的开发步骤，带领大家了解如何在Cherry Studio中应用MCP进行开发。

MCP概念解析

MCP，即Model Context Protocol，是一种旨在让模型更好地理解上下文信息的协议。它允许模型在处理任务时，能够根据上下文动态调整其行为和输出，从而提供更精准、更符合用户需求的结果。MCP的核心在于通过定义一系列的规则和数据结构，使得模型能够与应用之间进行高效的通信和协作。它主要包含以下几个关键概念：

• Prompts（提示词）：用于指导模型如何理解和处理任务的提示信息，是模型与用户交互的重要桥梁。
• Tools（工具）：模型可以调用的工具，用于执行特定的操作或获取外部信息，从而增强模型的功能。
• Transports（传输）：定义了模型与应用之间数据传输的方式和格式，确保数据的高效传递和正确解析。

Cherry Studio中MCP的应用开发步骤

环境准备

在开始开发之前，需要确保你的开发环境已经准备好。首先，你需要安装Cherry Studio，可以从其官网（https://cherry-ai.com）下载最新版本[⁶]。安装完成后，启动Cherry Studio，并熟悉其界面和基本功能。

创建新的应用项目

打开Cherry Studio后，点击菜单栏中的“文件”选项，选择“新建项目”。在弹出的对话框中，为你的应用项目设置一个名称和保存位置，然后点击“创建”。这将为你生成一个新的项目框架，供后续开发使用。

定义Prompts

在MCP中，Prompts是模型理解和处理任务的关键。你需要根据你的应用需求，定义一组合适的Prompts。例如，如果你正在开发一个用于代码生成的应用，你可以定义一个名为“generate-code”的Prompt，用于指导模型生成特定功能的代码。

from mcp.server import Server
import mcp.types as types

# 定义可用的提示词
PROMPTS = {
    "generate-code": types.Prompt(
        name="generate-code",
        description="根据功能描述生成代码",
        arguments=[
            types.PromptArgument(
                name="function_description",
                description="需要生成代码的功能描述",
                required=True
            ),
            types.PromptArgument(
                name="programming_language",
                description="目标编程语言",
                required=True
            )
        ],
    )
}

# 初始化服务器
app = Server("code-generator-server")

@app.list_prompts()
async def list_prompts() -> list[types.Prompt]:
    return list(PROMPTS.values())

@app.get_prompt()
async def get_prompt(
    name: str, arguments: dict[str, str] | None = None
) -> types.GetPromptResult:
    if name not in PROMPTS:
        raise ValueError(f"未找到提示词：{name}")

    function_description = arguments.get("function_description") if arguments else ""
    programming_language = arguments.get("programming_language") if arguments else ""

    return types.GetPromptResult(
        messages=[
            types.PromptMessage(
                role="user",
                content=types.TextContent(
                    type="text",
                    text=f"根据以下功能描述，使用{programming_language}语言生成相应的代码：\n\n{function_description}"
                )
            )
        ]
    )

定义Tools

Tools是模型可以调用的工具，用于执行特定的操作或获取外部信息。在你的应用中，可能需要定义一些Tools来增强模型的功能。例如，你可以定义一个名为“search_web”的Tool，用于在互联网上搜索相关信息。

@app.list_tools()
async def list_tools() -> list[types.Tool]:
    return [
        types.Tool(
            name="search_web",
            description="在互联网上搜索相关信息",
            inputSchema={
                "type": "object",
                "properties": {
                    "query": {"type": "string"}
                },
                "required": ["query"]
            }
        )
    ]

@app.call_tool()
async def call_tool(
    name: str,
    arguments: dict
) -> list[types.TextContent | types.ImageContent | types.EmbeddedResource]:
    if name == "search_web":
        query = arguments["query"]
        # 在这里实现具体的搜索逻辑，并返回搜索结果
        search_results = perform_web_search(query)
        return [types.TextContent(type="text", text=result) for result in search_results]
    raise ValueError(f"Tool not found: {name}")

实现应用功能

在定义好Prompts和Tools之后，就可以开始实现你的应用功能了。根据你的应用需求，编写相应的代码逻辑，调用模型的API，并结合定义的Prompts和Tools来完成任务。例如，在代码生成应用中，你可以编写一个函数，根据用户输入的功能描述和编程语言，调用模型生成代码。

async def generate_code(function_description: str, programming_language: str) -> str:
    prompt_arguments = {
        "function_description": function_description,
        "programming_language": programming_language
    }
    prompt_result = await app.get_prompt("generate-code", prompt_arguments)
    # 调用模型API生成代码，并返回结果
    model_response = await call_model_api(prompt_result.messages)
    return model_response

测试应用

在完成应用功能的实现后，需要对其进行测试，确保其能够正常工作。在Cherry Studio中，你可以利用其内置的调试工具来测试你的应用。运行应用，输入相应的测试数据，观察模型的输出是否符合预期。如果发现问题，及时调整代码逻辑和相关配置。

部署应用

当你的应用经过充分测试并确保稳定可靠后，就可以将其部署到实际的生产环境中。在Cherry Studio中，你可以将应用打包成可执行文件，方便用户下载和安装。同时，你还可以将应用发布到相关的应用商店或平台上，供更多的用户使用。