Cherry Studio离线调用MCP工具实战指南：从环境搭建到避坑实践

1次阅读

共计 1943 个字符，预计需要花费 5 分钟才能阅读完成。

MCP（Model Conversion Pipeline）是 Cherry Studio 中用于模型格式转换的核心工具，支持将 TensorFlow/PyTorch 等框架的模型转换为特定硬件优化的格式。离线调用场景主要包括：

内网开发环境部署
批量模型预处理流水线
需要严格版本控制的工业生产环境

操作系统：Ubuntu 18.04+/CentOS 7+
Python 3.7+ 或 Java 11+
磁盘空间：至少预留 10GB（含依赖库）

Python 环境：

numpy>=1.19.0
protobuf>=3.15.0
cherry-mcp-core==2.3.1  # 必须严格匹配版本

Java 环境（Maven 配置）：

<dependency>
  <groupId>com.cherry</groupId>
  <artifactId>mcp-offline</artifactId>
  <version>2.3.1</version>
</dependency>

下载离线工具包（需内部权限）：

wget https://internal.cherry.ai/mcp/offline/v2.3.1.tar.gz
tar -xzf v2.3.1.tar.gz

设置环境变量：

export MCP_HOME=/path/to/mcp-offline
export PATH=$MCP_HOME/bin:$PATH

import cherry_mcp

# 初始化离线引擎
converter = cherry_mcp.OfflineConverter(
    model_path="resnet50.onnx",
    output_dir="./output",
    target_device="x86_avx2",  # 硬件目标架构
    quantize=True,  # 启用量化
    cache_dir="/tmp/mcp_cache"  # 必须指定可写目录
)

try:
    # 执行转换
    result = converter.execute()
    print(f"转换成功！输出文件：{result.optimized_model}")

except cherry_mcp.ConversionError as e:
    print(f"转换失败：{e.error_code}")
    print(f"详细日志：{e.log_path}")

import ai.cherry.mcp.offline.*;

public class McpDemo {public static void main(String[] args) {OfflineConfig config = new OfflineConfig.Builder()
            .modelPath("resnet50.onnx")
            .outputDir("./output")
            .targetDevice(TargetDevice.X86_AVX2)
            .enableQuantization(true)
            .build();

        try {OfflineResult result = McpEngine.getInstance().convert(config);
            System.out.println("成功生成：" + result.getOptimizedModelPath());
        } catch (McpException e) {System.err.println("错误代码：" + e.getErrorCode());
            e.printStackTrace();}
    }
}