Cherry studio和chatwise是两个优秀的大模型聚合软件，能够让用户使用自己的API从而获得接近官方应用的体验。而这两款软件最近都推出了mcp接入的服务。终于，趁今天早上上班摸鱼的时间我研究了一下，把mcp的配置稍微搞清楚了，现在记录一下。

在这两个软件中使用 mcp 服务挺简单，参考anthropic提供的https://github.com/modelcontextprotocol/servers#-reference-servers这个仓库中展示的一些官方和非官方的 mcp 工具进行配置。

更新到 Cherry studio1.1.0 及以上版本后，可以使用 mcp 服务，初始时需要下载 uv 环境和 bun：

直接点击安装讲两个环境都安装好。

之后，以 tavily 搜索 mcp 为例，在 tavily mcp 服务官方 github 仓库中找到如下命令：

npx -y tavily-mcp@0.1.3  

https://github.com/tavily-ai/tavily-mcp

之后确定就可以了。

测试一下，打开一个对话框，搜索点东西

工具调用成功！

在 ChatWise 中配置 mcp

chatwise 和 Cherry studio 类似，集成度都很高，上面的 tavily 命令直接放入 chatwise 就可以使用，所以这里再以一个第三方的 playwright mcp 工具为例展示 chatwise 的配置。

Playwright 是能提供浏览器自动化功能的模型上下文协议服务器。该服务器使大语言模型能够在真实的浏览器环境中与网页交互、截取屏幕截图以及执行 JavaScript。

来到 playwright 的 github 仓库：

https://github.com/executeautomation/mcp-playwright

里面提供了 npx 的方式安装这个 mcp 工具：

npx @michaellatman/mcp-get@latest install @executeautomation/playwright-mcp-server

我们直接把这个命令放进 chatwise：

注意，首次使用 playwright 可能需要再下载一个 chrome 和 Firefox 的浏览器框架，可以执行如下命令下载：

 npx playwright install  

安装好后，在 chatwise 中检查一下，点击“查看工具”查看是否安装成功：

在对话框里尝试一下：

注意，这里的截图被保存下了系统 C 盘中，可以去那里查看。

最近mcp的热度明显变大了，也许应该会好好研究一下其中的门道，争取进一步发挥mcp的全部实力。