以下是为Cherry Studio内置的MCP服务器添加FileSystem文件系统MCP组件的详细步骤：
步骤1：安装UV和Bun工具
FileSystem文件系统操作MCP组件的运行依赖UV和Bun工具，需先确保它们已正确安装：
- 自动安装（推荐）：
-
打开Cherry Studio，进入【设置】 → 【MCP服务器】。
-
点击 【安装】 按钮，工具会自动下载并安装到以下路径：
-
Windows: "C:\Users\<用户名>\.cherrystudio\bin"
-
macOS/Linux: "\~/.cherrystudio/bin"。
2.手工安装（必需）：
若安装失败（如提示找不到"uvx"或"bun"），需手动从GitHub下载UV和Bun的可执行文件，并放入上述目录。
我自己的经验来说，截止目前v1.2.4版本的CherryStudio，在启用内置的"MCP服务器"时，无论是能或者不能直连GitHub下载UV和Bun工具，就算显示安装成功，我去对应文件夹下看过，仍然是没有的，这就是谎报。
所以还是老老实实手工下载对应工具包到对应目录吧。
当然，考虑到国内的网络现状，并且GitHub在4月中旬还封禁了所有中国IP访问，幸好我都已经把bun和uvx这两个包都存放在本地，大家如有需要，可以关注本公众号后，发消息【mcp-filesystem】，以获取国内可用下载链接。
步骤2：添加FileSystem MCP服务器
- 进入MCP服务器配置界面：
在Cherry Studio中，点击 "设置" → "MCP服务器" → "添加服务器"。
2.通过搜索MCP进行在线安装：
下面是直接在CherryStudio里"MCP服务器"页面顶部点击"搜索MCP"。
在"搜索MCP"页面里面找到想要的MCP服务，点"+"号添加即可：
在搜索框中列举了几家出品MCP服务的分发机构，例如：@cherry；@modelcontextprotocol；@gongrzhe；@mcpmarket这几家，当然cherry应该就是CherryStudio开发商自己搞的，看名字modelcontextprotocol像是哪家MCP官方搞的，还有mcp.so等MCP市场。
添加成功后，记得要对"@cherry/filesystem"添加一下配置：
主要是为"@cherry/filesystem"MCP服务器在"参数"添加可操作的本机文件操作路径："D:\mcp_on_t11pro"；而且从CherryStudio v1.2.4版本起已经不像网上说的那样"配置Windows的文件系统路径时，必须把单反斜杠（\）替换为双反斜杠（\\）"，目前已经不需要这样了，按正常的路径写即可。
步骤3：验证与使用
- 保存配置：
点击 "确定" 保存服务器配置，重启Cherry Studio使配置生效 。
- 启用MCP服务：
在聊天界面中，选择支持函数调用的模型（模型名称旁有扳手图标）。
点击输入框下方的 "MCP服务器"，勾选已添加的"@ferry/filesystem"服务。
- 测试功能：
输入指令测试文件操作，例如：
"使用@cherry/filesystem读取"d:\mcp_on_t11pro\nongye.txt"文件的内容，并显示"
成功返回文件内容，配置完成。
最后，我们再从CherryStudio的MCP服务器页面打开"@cherry/filesystem"组件的"工具"项，这里列出了该文件系统工具所能实现的功能：
"@cherry/filesystem"组件的功能主要包含以下几个方面:
注意：以下所有权限都是该MCP组件针对指定目录（含子目录及文件）及目录下的文件的；file指文件，directory指目录（文件夹）。
-
对文件的"读"权限
-
对文件的"写"权限（创建文件）
-
对文件的"编辑"权限
-
对目录的"创建"权限
-
对目录的"读取并列出"权限
-
对文件的"移动"权限
-
对文件的"搜索"权限
-
对文件的"获取属性"权限
其中恰恰没有对文件、目录的"删除"权限，也说明CherryStudio官方对"@cherry/filesystem"组件的慎重，担心其误删除用户的本地文件导致数据丢失灾难的问题。这其实也是对用户使用MCP等新技术的一种保护，值得表扬。
一、大模型风口已至：月薪30K+的AI岗正在批量诞生
2025年大模型应用呈现爆发式增长，根据工信部最新数据：
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K（数据来源：BOSS直聘报告）
70%企业存在"能用模型不会调优"的痛点
真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！
二、如何学习大模型 AI ？
🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
"最先掌握AI的人，将会比较晚掌握AI的人有竞争优势"。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
* 大模型 AI 能干什么？
* 大模型是怎样获得「智能」的？
* 用好 AI 的核心心法
* 大模型应用业务架构
* 大模型应用技术架构
* 代码示例：向 GPT-3.5 灌入新知识
* 提示工程的意义和核心思想
* Prompt 典型构成
* 指令调优方法论
* 思维链和思维树
* Prompt 攻击和防范
* ...
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
* 为什么要做 RAG
* 搭建一个简单的 ChatPDF
* 检索的基础概念
* 什么是向量表示（Embeddings）
* 向量数据库与向量检索
* 基于向量检索的 RAG
* 搭建 RAG 系统的扩展知识
* 混合检索与 RAG-Fusion 简介
* 向量模型本地部署
* ...
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名"AI小子"。那么你还想往下探索吗？
* 为什么要做 RAG
* 什么是模型
* 什么是模型训练
* 求解器 & 损失函数简介
* 小实验2：手写一个简单的神经网络并训练它
* 什么是训练/预训练/微调/轻量化微调
* Transformer结构简介
* 轻量化微调
* 实验数据集的构建
* ...
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
* 硬件选型
* 带你了解全球大模型
* 使用国产大模型服务
* 搭建 OpenAI 代理
* 热身：基于阿里云 PAI 部署 Stable Diffusion
* 在本地计算机运行大模型
* 大模型的私有化部署
* 基于 vLLM 部署大模型
* 案例：如何优雅地在阿里云私有部署开源大模型
* 部署一套开源 LLM 项目
* 内容安全
* 互联网信息服务算法备案
* ...
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
