Cherry Studio 进阶配置教程:同时接入多家官方 API、搭建本地知识库与挂载 MCP 工具完整指南

想在一个桌面客户端里同时切换 OpenAI、Claude、Gemini、DeepSeek,还能查本地文档和跑 MCP 工具?本文按 Cherry Studio 官方文档整理多服务商配置、本地知识库搭建与 MCP 服务器挂载步骤。

NNathaniel bigo··原创首发·AI 辅助撰写
11 分钟读完
资料核对于 2026-11-18 · 依据官方文档与公开资料整理 其他 账号

结论先说

  1. 多服务商共存靠「逐家启用 + 模型能力标签校验」:在「设置 > 模型服务」分别填好各家官方 API Key 并点「检测」,注意核对模型右侧是否亮起视觉(眼睛)、工具调用(扳手)或嵌入(Embedding)图标。
  2. 搭建本地知识库前必须先配好至少一款嵌入模型:Claude 官方不提供通用文本 Embedding 接口,建库时推荐启用 OpenAI text-embedding-3-small、Gemini Embedding 或本地 Ollama 的 bge-m3。
  3. 挂载本地 stdio 类 MCP 优先使用软件内置的 uv 与 Bun 环境:无需自己在系统全局折腾复杂的 Node.js 或 Python 路径,一键初始化内置运行时即可跑通绝大多数 uvx 和 npx 命令。
  4. 对话输入框底部的工具栏决定本轮是否启用知识库与 MCP:建好库和配好 MCP 后,必须在当前聊天窗口底部手动点亮对应的「知识库」和「MCP 服务器」图标才会生效。
  5. 谷歌密钥准备与官方旗舰会员入口:申请 Gemini API Key 需具备个人谷歌账号,缺号可查看本站 谷歌账号购买说明(含 谷歌邮箱成品号);若高频长上下文对话想用固定月费代替按量账单,可自助开通 Claude Pro 或 ChatGPT Plus。

Cherry Studio 三大进阶模块配置

图:本站根据 Cherry Studio 官方文档:模型服务与进阶功能 整理的示意图

本文根据 Cherry Studio 官方文档《模型服务》《知识库》《MCP 服务器》整理,资料核对于 2026-11-18。配图为本站整理的示意图,不是界面截图。本站(bigolab.com)不是 Cherry Studio 或各模型厂商官方网站。

适用于谁

  • 不想同时开四五个网页标签,希望在一个桌面软件里随时切换 OpenAI、Claude、Gemini 与 DeepSeek 模型的人;
  • 手头有一批 PDF 规范手册、Markdown 笔记或内部接口文档,想在本地切片建立向量知识库做精准问答的用户;
  • 想在桌面端给大模型挂载文件系统、网页抓取或数据库 MCP 工具,却卡在 npx / uvx 环境报错的新手。

一、同时接入多家官方 API 与同屏对比回答

基础的单服务商接入步骤可参考本站 DeepSeek 接入 Cherry Studio 和 Chatbox。当你同时握有多家官方密钥(申请见 OpenAI API Key 获取 与 Gemini API Key 获取)时,按以下规范统一管理最清爽:

  1. 点击左下角齿轮「设置(Settings)> 模型服务(Model Provider)」,依次开启 OpenAI、Anthropic、Gemini、DeepSeek 或本地 Ollama;
  2. 每填完一家 API Key,先点「管理(Manage)」勾选你真正会用到的 2–3 个主力模型(把几十个旧快照模型留在列表外,避免切换菜单冗长),再点右上角「检测(Check)」确认返回绿勾;
  3. 检查能力图标:若你打算让某个模型调 MCP 工具,点开该模型右侧设置图标,确认已勾选「工具调用(Function Calling / Tools)」能力;
  4. 一问多答横向比对:回到聊天界面,利用顶部的多模型提及(@)或分栏对比功能,同一条提示词可同时发给 Claude 与 GPT,直观对比两家的代码方案或文案润色质量。

二、搭建本地知识库:Embedding 选型、切片与 Rerank

Cherry Studio 的本地知识库会把你的文件解析切片并转换成向量保存在本机目录,提问时只把相似度最高的几个片段塞给对话模型:

  1. 标记嵌入模型:先在任一支持向量的服务商下添加嵌入模型(如 OpenAI 的 text-embedding-3-small、Gemini 的 gemini-embedding-001 或本地 Ollama 的 bge-m3),确认模型名旁带有 Embedding 标签;
  2. 新建知识库:点击左侧边栏「知识库(Knowledge Base)」图标 >「添加」,输入名称并在下拉框选中刚才配好的嵌入模型(若你配了重排序模型,可同步选上 Rerank 模型提升复杂技术问答的排名前三命中率);
  3. 导入多源资料:支持拖入本地 PDF、DOCX、MD、TXT 文件,也支持填入公开文档网址或整目录文件夹;右侧状态显示绿勾即代表向量化完成;
  4. 对话挂载:回到聊天窗口,点击输入框下方的「知识库」图标勾选目标库,发问后可在回答底部展开查看具体引用了哪一页原文片段。
开发账号与编程订阅配套提示:若在 Google AI Studio 申请免费或付费层密钥时缺少合规谷歌账号,可前往本站选购带两步验证的 谷歌邮箱成品号;若你在写代码时发现客户端按 Token 调旗舰模型成本过高,也可直接搭配包月制官方编程工具,在本站免外币卡开通 Claude Code 或 ChatGPT Plus。

知识库与 MCP 挂载常见报错排查

图:本站根据 Cherry Studio 官方文档:知识库与 MCP 服务器 整理的示意图

三、挂载本地与远程 MCP 工具完整步骤

想让客户端具备读写指定本地文件夹、查数据库或抓网页的能力,可接入标准 MCP 服务(协议原理见 MCP 是什么:Model Context Protocol 入门):

  1. 一键装好内置运行时:进入「设置 > MCP 服务器(MCP Servers)」,点击右上角环境检查按钮,让软件自动下载内置的 uv(跑 Python 类 uvx 工具)与 Bun(替代 Node npx 跑前端工具),免去 Windows 环境变量找不到命令的烦恼。
  2. 添加服务器配置:点击「添加服务器」,支持标准输入输出(stdio)与远程流式(SSE / Streamable HTTP)两种类型。例如挂载官方本地目录读写工具(请将末尾路径替换为你允许访问的单个工作文件夹,切勿挂载整块系统盘):
json
{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "D:/work/docs"]
    }
  }
}
  1. 开启开关并在聊天窗挂载:保存后打开该 MCP 右侧开关,看到绿点在线并列出可用 Tools 清单即代表握手成功;最后回到聊天输入框底部点亮「MCP」按钮勾选该服务即可调用。

常见问题

问:为什么我新建知识库时,「嵌入模型」下拉列表是空的?

答:说明你当前启用的模型列表里没有任何被识别为 Embedding 类型的模型。去「设置 > 模型服务」里添加专门的嵌入模型(不要误选普通聊天模型),并在该模型的属性弹窗里勾选「嵌入(Embedding)」标签后再回来创建。

问:知识库建好后,把生成向量用的那家 API Key 删掉还能继续检索吗?

答:不能。每次你提一个新问题,客户端都需要调用同一个嵌入模型把你的问题也算成同维度的向量,才能和本地存好的文档向量算余弦相似度。一旦更换嵌入模型,必须点击重建索引。

问:挂太多 MCP 服务器会不会让每次普通聊天都变贵?

答:会。只要你在当前会话输入框勾选启用了某个 MCP,它底下的所有工具名称和 JSON 参数说明都会随每轮对话作为系统上下文发送给大模型,白白消耗输入 Token。不用的 MCP 随手在输入框底部取消勾选即可。

问:国内没有外币卡怎么买谷歌账号或开通 Claude、ChatGPT 订阅,能开报销发票吗?

答:可在本站 谷歌账号购买页、Claude Pro 充值页 或 AI 会员充值总览 下单,支持支付宝、微信支付与 AlipayHK,会员升级提供无需交出密码的卡密自助兑换,企业采购支持开具国内增值税发票;实时价格与售后边界(掉订阅按剩余天数折退,封号不在质保范围)以商品页说明为准。

相关教程

参考资料

  • Cherry Studio 官方文档:模型服务商配置总览 — https://docs.cherry-ai.com/pre-basic/providers/providers
  • Cherry Studio 官方文档:本地知识库创建与检索 — https://docs.cherry-ai.com/advanced-basic/knowledge-base
  • Cherry Studio 官方文档:MCP 服务器环境与接入说明 — https://docs.cherry-ai.com/advanced-basic/mcp/overview

Nathaniel 的更多内容

  1. 01

    独立开发者用 ChatGPT + Codex 跑通产品全流程:市场验证、PRD、原型到代码上线复盘清单

    单人做独立产品最容易陷入「闭门写两个月代码上线零用户」或「AI 写到一半目录越改越崩」。本文整理「ChatGPT 负责市场验证、PRD 与复盘 + Codex 负责工程实现与测试」的五阶段双轨流程,附起手提示词与 7 项上线复盘清单。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成规范文件命名规则、整理混乱目录树与合并零散发票抬头清单脚本

    面对满桌面的「新建文件夹」「最终版2」和上百张零散电子发票,手工改名抄台账耗时又容易漏重。本文分享先脱敏取样、再用 ChatGPT 生成带预演和回滚日志的本地 Python 脚本,离线安全完成目录整理与发票抬头合并去重的实战流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外邮件营销(EDM)受众分层文案、A/B 主题行测试与防进垃圾箱自检

    做海外独立站或出海 SaaS 邮件营销(EDM),最怕千人一面群发被直接送进垃圾箱。本文结合 Gmail/Yahoo 批量发件人规范,梳理用 ChatGPT 设计受众分层文案、批量生成 A/B 主题行矩阵并开展发前垃圾词与合规自检的实战提示词。

    ChatGPT0
  4. 04

    用 ChatGPT 写 Notion Formula 2.0 公式、Obsidian Dataview 查询与 Airtable 自动化脚本

    给 Notion 数据库写多条件 Formula 2.0 公式、给 Obsidian 写 Dataview 动态看板,或在 Airtable 里写自动化脚本,经常因为一个小括号或类型不匹配报错半天。本文整理三大工具的通用上下文喂料规范与三套直接可复制的生成提示词。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 处理复杂 JSON / YAML / XML 字段映射、格式转换与校验规则编写实战

    对接第三方 API、迁移 Kubernetes 配置或解析政企 XML 报文时,手工对照几百行嵌套字段既慢又容易漏掉空值与类型边界。本文整理用 ChatGPT 完成字段映射表梳理、生成确定性转换脚本以及编写 JSON Schema / Pydantic / XSD 校验规则的实战流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 准备本科/硕士毕业论文答辩:提炼答辩 PPT 结构、模拟导师犀利追问与 3 分钟自述稿

    毕业论文写完后,要在 3–5 分钟内讲清研究价值并顶住答辩评委的连环追问并不轻松。本文整理在严格遵守高校学术规范的前提下,用 ChatGPT 提炼答辩 PPT 结构、打磨 3 分钟口语自述稿并开展模拟导师犀利追问的排练流程与提示词。

    ChatGPT0

同产品的其他教程

  1. 01

    用 ChatGPT 速读英文产品手册、开源文档与 GitHub Issue 并沉淀团队中文内训手册

    团队引入海外 SaaS 工具或开源框架时,全英文文档晦涩冗长、真正的坑全藏在几十页 GitHub Issue 讨论里。本文分享速读拆解英文手册、归类 Issue 排障库以及重构团队中文内训 SOP 的完整实战流程。

    ChatGPT其他 AI 工具0
  2. 02

    用 ChatGPT 写油猴脚本(Tampermonkey)与浏览器书签小工具解决网页繁琐重复操作实战

    每天在后台系统里重复勾选几十个复选框、手工复制网页表格或清理遮挡阅读的侧边栏,既枯燥又浪费时间。本文分享不会写 JS 也能用 F12 配合 ChatGPT 写出油猴脚本与书签小工具的完整实战流程。

    ChatGPT其他 AI 工具0
  3. 03

    用 ChatGPT 写高质量 SQL 窗口函数(RANK / LAG / SUM OVER)做留存与漏斗分析实战

    做用户留存率、复购间隔与有序转化漏斗时,多层自连接既难读又拖垮数据库,窗口函数则是高效解法。本文整理数据库方言喂数规范、CTE 分层提示词以及用内置沙盒先验证再上线的完整实战流程。

    ChatGPT其他 AI 工具0
  4. 04

    ChatGPT 连接 Canva、Figma、Linear、Jira、Dropbox 等第三方应用搜不到数据或授权失效怎么办

    在 ChatGPT 接入 Canva、Figma、Linear、Jira 或 Dropbox 后,明明显示已连接却搜不到文件工单,或老提示授权失效怎么办?本文拆解账号错绑、OAuth 范围漏选、权限继承与管理员拦截 5 步排障法。

    ChatGPT其他 AI 工具0
  5. 05

    Anthropic Contextual Retrieval(上下文增强检索)是什么、怎么实现:给文档块自动补背景摘要结合缓存降失误率

    长文档切成小块后丢了公司名、年份和主语指代导致 RAG 频频搜错?本文按 Anthropic 官方技术文章详解 Contextual Retrieval 原理、官方公开评测失误率下降 49% 至 67% 的组合架构,以及用 Claude 提示词缓存低成本批量生成切片背景的完整 Python 代码。

    Claude其他 AI 工具0
  6. 06

    RAG 知识库回答不准怎么调优:切片大小(Chunking)、BM25 + 向量混合检索与 Rerank 重排序三步排查法

    搭好的 RAG 企业知识库一问具体型号、报错码或跨行表格就答非所问?本文按 OpenAI 与 Anthropic 官方检索文档,给出先隔离检索与生成故障、再按结构化切片(Chunking)、BM25 加向量混合召回(RRF)与 Rerank 重排序逐层调优的三步法。

    Claude其他 AI 工具0

0 条评论

登录 后参与评论

还没有评论,来抢沙发~