MCP 最近這么火，你還不知道它是啥嗎？別慌，動手實戰一番就包你明白了。

而且，咱這個是真的實戰，絕對干貨啊，全網少見的干貨。

我們之前講了很多建立知識庫之類的，新鮮的知識才有意思嘛。問題是新鮮貨哪里來呢，徒手去搜索加下載？2025 年了，咱不能這么干了。

你有沒有想過讓大模型自動給我們搜索、下載、解讀文獻，一條龍服務？即便像 Deep Research 之類的服務也主要是幫你搜索和整合資源，但不給你下載資源對不。

實際上，是可以手擼一個智能體幫我們干這項大工程的。只是現在不是流行 MCP 嘛，咱們也想通過這種方式來建一個。

馬上給你安排上。

本篇將以 arxiv 為例，目標是讓你發個話，智能體就幫你搜索、下載文獻，甚至解讀一條龍到家。

為了照顧不同需求，咱這里貼心地實現了兩套方案，

• Trae CN + Cline，功能強大
• Cherry Studio，容易上手

1、MCP

這個概念最近很熱，相信大家都見過。這里簡要地作個解釋，畢竟本篇的主旨是在于動手實踐。

你別看網文一篇一篇，不如跟著本篇擼一擼，你就真刀真槍見識過了。

當然，概念了解下還是有必要的。先看一個圖，心急的話也可以跳過此圖看下面的大白話。

MCP 作為「模型上下文協議」，可以看成專門為 AI 模型設計生態系統服務，它通過一個標準化的協議來管理和交換 AI 模型所需的各種信息，從而實現與各種外部服務和數據源的無縫集成。

用大白話來說，MCP 就像是 AI 模型（比如 DeepSeek、Gemini 等）的「超級翻譯官」和「萬能助手」。

我們不妨想象一下，AI 模型是個很厲害的專家，但是它自己只會說一種「AI 語言」。它需要跟各種網站、數據庫、工具等外部世界打交道才能完成任務。

• 翻譯官：這些「外部世界」說的都是不同的「外語」，即各種不同的數據格式和通信方式。MCP 就負責把 AI 模型說的話翻譯成這些外語，也把這些外語翻譯成 AI 模型能聽懂的話。這樣，AI 模型就不用學那么多外語了，只需要跟 MCP 說就行。
• 萬能助手：AI 模型有時候需要很多信息才能做好一件事，就像做菜需要菜譜、食材、調料一樣。MCP 就負責把 AI 模型需要的所有信息（比如要查的資料、要用的工具、之前的聊天記錄等等）都準備好，打包成一個大禮包（上下文），交給 AI 模型。這樣，AI 模型就能直接開始工作。

舉個例子：

你問 DeepSeek：杭州今天天氣怎么樣？

DeepSeek 自己沒這項功能啊，咋辦？它通過 MCP 獲知提供這項功能的服務，然后使喚它查詢外部天氣預報網站，得知今天杭州的天氣情況，再將數據整理好，最后給你答案：杭州今天晴，最高 27 度。

所以，MCP 的好處是：

• 簡單：AI 模型不用學那么多外語，不用操心那么多雜事，只需要跟 MCP 打交道。
• 方便：要加新的功能，比如查天氣、訂機票、下載文獻等，只需要讓 MCP 學會跟新的外部世界打交道就行，不用改 AI 模型本身。
• 整潔：MCP 把所有亂七八糟的信息都整理好，AI 模型用起來更順手。

總之，MCP 就是一個讓 AI 模型更方便、更強大、更容易跟各種服務和數據打交道的「中間人」。

這時候可以品一下這個圖，

2、安裝服務

回到主題，我們的目標是自動給咱從 arxiv 上下載文獻，那就先搜一下提供這個功能的 MCP 服務器。

找到兩個，一個如下圖所示，但感覺它主要是搜索，貌似不提供下載業務。

另一個見下圖，看起來它是能夠下載文獻的。這下省事了，必須給一個大贊。

本人用的是 mac，下面的安裝流程也是針對它而言。因為手頭沒有 Windows 電腦，稍微有點差異吧，但問題應該不大，稍微搗鼓一下肯定沒問題。

• 安裝第一個比較方便，用命令??pip install mcp-simple-arxiv?? 即可；
• 用??brew install uv?? 先安裝??uv??，然后用命令??uv tool install arxiv-mcp-server?? 安裝第二個。

順利的話，很快就搞定啦。主要一點，你安裝過 Python，就方便了。

然后就是在 Cline 里配置，可以用 VS Code 或者 Cursor、Windsurf 之類的。

此處我們用國貨 Trae 的國內版，安裝插件 Cline 咱就略過了，直接打開 Cline，點擊 MCP 服務器。

然后，點擊左側底部的 ??Configure MCP Servers??，像右側那樣填寫，然后看到燈綠就算配置好了。

這樣子就算配置好兩個 MCP 服務了，然后就等著給大模型發號施令：搜索、解讀、下載等任務。搜索和下載不是大模型自己的本事，需要外掛。

在 Cline 中提供了兩種與大模型的交互模式，計劃模式（Plan）和執行模式（Act），分別負責智能規劃任務和高效執行任務。

3、設置大模型

別忘了在 Cline 里選擇大模型！注意，這里需要大模型的 API Key。你可以讓 plan 和 act 使用同一個模型，或者讓它們分別使用不同模型。比如一個用 deepseek-chat，另一個使用 deepseek-reasoner，像下面這樣。

雖然在 DeepSeek API 那里咱也充了錢，但為了省錢，繼續擼谷歌的羊毛，此處均使用 Gemini 2.0 Pro or Flash。

4、論文智能體

好了，現在就是整裝待發的狀態了。

Cline 默認在左側，如果你習慣右側開車的話，像下面這樣點擊一下即可發射到右側。

左側關掉，就可以右側開車了。

給大模型下達命令：幫我搜一下擴散模型和大語言模型相結合的最新論文。

Gemini 調用 simple-arxiv 搜了 10 篇論文，

繼續下命令：把這些論文的摘要和方法概要用中文解讀一下，然后存放到一個 Markdown 文件中。

稍等一會兒，左側就自動出現一個 Markdown 文件，里面就是摘要和對方法的簡要解讀。

下載論文

接下來，我們讓它下載論文。你會發現，這時它會自動調用第二個服務，就是 ??arxiv-mcp-server??。因為第一服務并沒有提供下載業務嘛。

它會詢問你是否下載到配置好的那個目錄里，選 yes。

不一會兒，任務完成。不過你也可以讓它給你把文件名改一改。

上面這樣子其實是比較泛泛地搜索，如果想讓它精細一些，比如讓它搜題目中包含 Self-Supervised Learning 的論文。

會發現返回的結果不符要求，只有一篇的題目符合要求。

那就給它明確指示：在 arxiv 上使用 ??ti: "Self-Supervised Learning"?? 搜。

這樣看著就對路了嘛。

接著，讓它給出詳細信息，

5、Cherry Studio

如果你沒怎么編過程，也許不喜歡 Trae + Cline 這種方式，那咱們也可以使用可愛的小櫻桃是不。代價是用不了 Trae 強大的文件編輯能力。

因為我們前面已經安裝好相應的工具了，這里只需要配置一下 MCP 服務器即可。

先如下步驟打開配置文件，

然后，可以直接參考我的配置。

{
  "mcpServers": {
    "arxiv-mcp-server": {
      "command": "uv",
      "args": [
        "tool",
        "run",
        "arxiv-mcp-server",
        "--storage-path",
        "~/Documents/arxiv"
      ]
    },
    "simple-arxiv": {
      "command": "/opt/anaconda3/bin/python",
      "args": [
        "-m",
        "mcp_simple_arxiv"
      ]
    }
  }
}

回到上面那個圖，啟用那里的綠燈點亮的話，就說明 OK 啦。

接著，到聊天界面打開 MCP 服務器。

最后，選擇大模型，給它上活。

最后三篇如下，

不錯，題目都符合要求。然后，讓它下載一篇看看。

好了，今天就到這里了。

本文轉載自??機器學習與數學??，作者：煦若射