MCP完全傻瓜指南：赋予你的AI网络超能力

所以你想要一个能够浏览网页并认为只有 OpenAI、Anthropologie 或 Google 提供的选项才有选项的人工智能？

再想想。

您的AI助手无需每次都需要通过企业服务器传输数据才能获取实时信息。借助模型上下文协议 (MCP) 服务器，即使是轻量级的消费级模型也能进行网络搜索、文章分析和访问实时数据——所有这些都能在完全保护隐私且零成本的情况下完成。

有什么限制吗？没有。这些工具都提供慷慨的免费额度：Brave Search 每月提供 2000 次搜索，Tavily 提供 1000 次搜索额度，而且某些选项根本不需要 API 密钥。对大多数用户来说，这足够用了，根本不会用到限制……毕竟一天之内你不可能进行 1000 次搜索。

在深入技术细节之前，需要解释两个概念。“模型上下文协议“是 Anthropic 公司于 2024 年 11 月发布的一项开放标准，它允许 AI 模型与外部工具和数据源连接。您可以将其视为一种通用适配器，用于连接类似 Tinkeryoy 的模块，从而为您的 AI 模型添加实用功能。

而不是直接告诉你的AI该怎么办（这就是 API 调用的作用），你告诉模型你需要什么它似乎能自行决定如何实现目标。MCP 的精确度不如传统的 API 调用，而且可能需要花费更多代币才能使其正常工作，但它们的灵活性要高得多。

“工具调用”——有时也称为函数调用——是实现这一功能的机制。它使人工智能模型能够识别何时需要外部信息，并调用相应的函数来获取信息。当你问“里约热内卢的天气怎么样？”时，具备工具调用功能的模型可以识别出需要调用天气 API 或 MCP 服务器，正确格式化请求，并将结果整合到响应中。如果没有工具调用支持，你的模型就只能使用训练期间学习到的信息。

以下是如何赋予本地模型超能力的方法。

技术要求和设置

要求很简单：你只需要Node.js安装在您的计算机上，以及支持 MCP 的本地 AI 应用程序（例如LM工作室版本 0.3.17 或更高版本、Claude Desktop 或 Cursor IDE），以及具有工具调用功能的模型。

您还需要安装 Python。

一些可在消费级机床上运行的、具有刀具调用功能的优秀模型包括：GPT-oss， DeepSeek R1 0528，Jan-v1-4b，Llama-3.2 3b Instruct，以及 Pokee Research 7B。

要安装模型，请在 LM Studio 左侧边栏点击放大镜图标并搜索模型。支持工具的模型名称旁边会显示锤子图标。这些就是您需要的模型。

大多数参数超过 70 亿的现代模型都支持工具调用——Qwen3、DeepSeek R1、Mistral 以及类似的架构都能很好地工作。模型越小，你可能就越需要明确地提示它使用搜索工具，但即使是 40 亿参数的模型也能处理基本的网络访问。

下载模型后，你需要“加载”它，这样LM Studio才能知道它需要使用它。你肯定不希望你的情色角色扮演模型帮你做论文的研究吧。

设置搜索引擎

配置通过单个 mcp.json 文件完成。文件位置取决于您的应用程序：LM Studio 使用其设置界面编辑此文件，Claude Desktop 会在特定的用户目录中查找，而其他应用程序则有各自的约定。每个 MCP 服务器条目仅需三个元素：唯一的名称、运行命令以及任何必需的环境变量，例如 API 密钥。

但您其实无需了解这些：只需复制粘贴开发人员提供的配置即可，一切正常。如果您不想手动编辑，本指南末尾提供了一个现成的配置，您可以直接复制粘贴，这样就能让一些最重要的 MCP 服务器正常运行。

MCP提供的三款最佳搜索引擎各有优势。Brave注重隐私保护，Tavily功能更全面，而DuckDuckGo最易于部署。

要添加 DuckDuckGo，只需前往lmstudio.ai/danielsig/duckduckgo然后点击写着“在 LM Studio 中运行”的按钮。

然后前往lmstudio.ai/danielsig/visit-website执行相同的操作，点击“在 LM Studio 中运行”。

就这样，你赋予了你的模型第一个超能力。现在，你拥有了自己的免费 SearchGPT——本地化、私密化，并且由 DuckDuckGo 提供支持。

让它帮你查找最新消息和价格比特币它会提供天气等信息，并为您提供最新、相关的信息。

Brave Search 的设置比 DuckDuckGo 稍复杂一些，但它提供更强大的服务，基于一个包含超过 300 亿页网页的独立索引，每月提供 2000 次免费查询。其隐私至上的理念意味着不会对用户进行任何用户画像或追踪，使其成为敏感研究或个人查询的理想选择。

要配置 Brave 浏览器，请注册。brave.com/search/api获取您的 API 密钥。这需要进行支付验证，但它有免费套餐，所以不用担心。

进入页面后，找到“API密钥”部分，点击“添加API密钥”，然后复制新生成的代码。请勿与任何人分享此代码。

然后打开 LM Studio，点击右上角的小扳手图标，然后点击“程序”选项卡，再点击安装和集成按钮，点击“编辑 mcp.json”。

找到后，将以下文本粘贴到出现的字段中。请记住，将您刚刚创建的密钥 API 密钥放在引号内，即“您的 Brave API 密钥”的位置：

{
"mcpServers": {
"勇敢搜索": {
"命令":“npx",
"args": ["-y", "@modelcontextprotocol/server-brave-search“],
"env": {
"BRAVE_API_KEY": "你的 Brave API 密钥在这里"
}
}
}
}

就这些。现在，你的本地人工智能可以使用 Brave 浏览器浏览网页了。你可以问它任何问题，它都会为你提供它能找到的最新信息。

记者在调查突发新闻时需要来自多个渠道的最新信息。Brave 的独立索引意味着搜索结果不会经过其他搜索引擎的过滤，从而为争议性话题提供不同的视角。

Tavily 是另一款出色的网页浏览工具。它每月提供 1000 点数，并提供新闻、代码和图片方面的专业搜索功能。设置也非常简单：只需在 [此处插入链接] 创建一个帐户即可。app.tavily.com从控制面板生成您的 MCP 链接，即可完成。

然后，将以下配置复制粘贴到 LM Studio 中，就像您在 Brave 浏览器中所做的那样。配置如下所示：

{
"mcpServers": {
"tavily-remote": {
"命令": "npx",
"args": ["-y",“mcp-remote”， "https://mcp.tavily.com/mcp/?tavilyApiKey=YOUR_API_KEY_HERE"]
}
}
}

使用案例：开发人员调试错误消息时，可以要求其 AI 助手搜索解决方案，Tavily 的代码搜索功能会自动返回 Stack Overflow 讨论和 GitHub 问题，并进行格式化以便于分析。

阅读和浏览网站

除了搜索之外，MCP Fetch 还处理另一个问题：阅读全文。搜索引擎返回的是文章摘要，而 MCP Fetch 则能检索完整的网页内容，并将其转换为针对 AI 处理优化的 Markdown 格式。这意味着您的模型可以分析整篇文章，提取关键信息，或回答有关特定页面的详细问题。

只需复制粘贴此配置即可。无需创建 API 密钥或其他任何内容：

{
"mcpServers": {
“拿来”： {
"命令": "uvx",
"args": [
"mcp-server-fetch"
]
}

你需要安装一个名为“软件包安装程序”的程序。uvx要运行这个程序，只需按照以下步骤操作即可。本指南一两分钟就能搞定。

这对于总结、分析、迭代甚至指导都非常有用。研究人员可以输入一篇技术论文的URL，然后要求“总结方法论部分并找出其方法中的潜在缺陷”。该模型会获取全文，进行处理，并提供仅凭搜索摘要无法实现的详细分析。

想要更简单的版本？即使是您本地最笨的人工智能现在也能完全理解这条命令。

请用三段话概括以下内容，并告诉我它为什么如此重要：https://decrypt.co/346104/ethereum-network-megaeth-350m-token-sale-valuing-mega-7-billion”

还有许多其他的MCP工具可供探索，它们能为您的模型赋予不同的功能。例如：MCP浏览器Playwright 可以让你与任何网站进行交互——填写表单、导航，甚至是静态爬虫无法处理的大量 JavaScript 应用。此外，它还提供 SEO 审核服务器、Anki 卡片学习工具以及提升编码能力的软件。

完整配置

如果您不想手动配置 LM Studio MCP.json，那么这里有一个集成了所有这些服务的完整文件。

复制该文件，在指定位置添加您的 API 密钥，将其放入您的配置目录，然后重启您的 AI 应用程序。请记住安装必要的依赖项：

{
"mcpServers": {
“拿来”： {
"命令": "uvx",
"args": [
"mcp-server-fetch"
]
},
"勇敢搜索": {
"命令": "npx",
"args": [
“-y，”
"@modelcontextprotocol/server-brave-search"
],
"env": {
"BRAVE_API_KEY": "您的 API 密钥在此处"
}
},
"browsermcp": {
"命令": "npx",
"args": [
"@browsermcp/mcp@latest"
]
},
"tavily-remote": {
"命令": "npx",
"args": [
“-y，”
"mcp-remote",
"https://mcp.tavily.com/mcp/?tavilyApiKey=YOURAPI密钥在此”
]
}
}
}

此配置将使您能够访问 Fetch、Brave、Tavily 和 MCP 浏览器，无需编码，无需复杂的设置程序，无需订阅费，也无需向大型企业提供数据——只需为您的本地模型提供可用的网络访问即可。

不客气。