用 Cherry 替代 Manus，AI 調用多個 MCP 在本地處理 Excel 生成可視化報告文件

Manus 在 agent 領域可謂「炙手可熱」，但受限於網絡以及少得可憐的積分，很多人還是無法用得上。

AI Agent 的處理邏輯：無非就是用 AI 根據用戶需求，規劃好要做的事後，不斷的調用不同的工具來實現。

有了這個邏輯，我們就知道想要實現某個場景下的需求，只需要找到不同工具的組合給 AI 調用就可以了。

而工具方面，各種 MCP 已經成熟了，可以在 AI 對話中直接調用。

那豈不是我們自己在本地就能手搓一個「Manus」？

說幹就幹！還是典型 AI 數據分析的場景：對一個 excel 表格做分析，然後自動生成數據分析報告。

之前我分享了一個用 Dify 做的可視化數據分析工作流，但對很多同學來說，工作流還是有難度，所以這次我們嘗試用純對話➕MCP 的最簡單方式來實現，看看效果怎麼樣？

在哪裏幹呢？這裏推薦一個開源自由的 AI 工具—— Cherry Studio

什麼是 Cherry

我之前分享的一個示例就有用過它：ArXiv MCP 保姆級教程｜DeepSeek 變身論文學習神器，讓 AI 自動搜論文、閱讀、下載，實現論文自由

它能通過 API 調用幾乎所有的大模型，還是一個本地知識庫、能生圖、支持各種格式結果等等，非常全面。

關於 Cherry 的更多信息，包括安裝可以看官網：https://www.cherry-ai.com/

對小白來說，可能唯一要克服的就是怎麼獲取大模型的 API，建議通過硅基流動、火山引擎、openrouter 等渠道解決，具體可以搜索一下。如果你想完成從小白到深度玩 AI 的過度，學會調用 API 是必須的。

MCP 安裝準備

具體什麼是 MCP，可以看我之前寫過的介紹，這裏就不贅述了：一文講清楚 Agent、MCP、Function Call，附實操代碼示例

找到 MCP

接下來，就需要解決多個 MCP 在哪找的問題。

可以到一些 MCP 市場找，例如 魔塔社區 https://www.modelscope.cn/ 、 https://mcp.so/

這裏以前者爲例：點開「MCP 廣場」直接在下面搜關鍵詞。

今天的案例我們需要用到至少 4 個 MCP Server：

  1. 1. Excel-mcp-server

用於讓 AI 對 Excel 進行讀寫處理

  1. 2. Sequential thinking

這是一個讓 AI 強制深度思考的工具，解決很多大模型思考不全面的問題

  1. 3. QuickChart-MCP-Server

這是能直接讓 AI 生成可視化圖表的工具

  1. 4. File system

這是能讓 AI 對我們本地電腦的文件進行讀寫操作的工具，這裏我直接用 Cherry 內置的，基本上 AI 編程工具（例如 cursor）都會內置，一般不需要另外設置

但在 Cherry，畢竟是一個對話工具，需要配置一個可用的文件路徑，畢竟不能讓它亂改電腦文件夾：

安裝 MCP

那在 Cherry 怎麼安裝 MCP Server 呢？

如圖，點開設置 - MCP 服務器 - 添加服務器 - 從 JSON 導入

此時會出現一個對框，我們以此把對應工具的配置複製進去即可：

這是 excel-mcp-server 的

{
    "mcpServers": {
        "excel": {
            "command": "npx",
            "args": ["--yes", "@negokaz/excel-mcp-server"],
            "env": {
                "EXCEL_MCP_PAGING_CELLS_LIMIT": "4000"
            }
        }
    }
}

這是 quickchart-mcp-server 的

{
  "mcpServers":{
    "quickchart-server":{
      "command":"npx",
      "args":[
        "-y",
        "@gongrzhe/quickchart-mcp-server"
      ]
    }
}
}

如果複製進去後有報錯，就重新點進去，再點開啓，就會自動安裝好了

另外兩個我直接在 cherry 內部的搜索裏找的，自動裝好了：

至此，我們需要的 4 個 mcp 工具就安裝好了，確保每個都是綠燈，才能正常用：

數據準備

這裏我把之前用來做 SQL 查詢的訂單表拿來測試，把 Excel 文件移動到前面 file system 設置的路徑下，Cherry 只能在這個文件夾下活動

大模型選擇

因爲本案例是純 MCP 的操作，而 MCP 考驗的是大模型調度工具的能力，所以至少需要選擇有 function call 能力的工具，並且在編程方面效果比較出色的（一般調度能力也會比較好），例如 gemini 2.5 pro、claude3.5、grok3、deepseek v3

其次就是儘量選擇長上下文的，要不然 Excel 數據比較大的時候，大模型會報錯。

例如我表格有 3 年的數據，想讓 AI 直接幫我統計每個月的訂單數的時候，就悲劇了：

這就是模型上下文長度的上限，Grok 算是比較長的了，更長的只能找 Gemini

但 Gemini 2.5pro 不免費了，我試用 2.5 flash 就很離譜：都不管數據了直接給我模擬

在這裏我用 grok3 來測試。

開始對話

選擇角色、打開 MCP

在 Cherry 新建一個對話，可以在智能體市場裏搜索「數據分析」裏面都是配置好提示詞的角色

選擇一個合適的，然後進入對話框，如下圖：

在輸入框下面點開 MCP 配置，把我們需要用到的幾個 MCP 工具都選上，這樣 AI 在這個對話裏面才能用到它們。

終於開始做數據分析

首先，簡單問一下這個表格有什麼數據，測試一下 Excel MCP 的能力

可以看到它會先調 file system 的工具，列出文件夾裏有的文件然後再找到我們指定的 Excel 文件

然後調用 excel-mcp-serve 的工具讀取 Excel，給出回答：

沒毛病，接下來直接上難度，一步完成 Excel 的分析和可視化報告的製作：

請你根據這份數據，做一份數據分析報告HTML，要求維度儘可能豐富、圖表類型多，把做好的html文件保存到本地。

回答太長了，就做了一些截取，可以看到這裏就開始調用 quickchart-mcp 的能力開始做圖了：

最終，做完了七張圖後，就製作 HTML：

此時，在之前我們設置好的 cherry 的文件夾裏就會看到一份 html 文件

雙擊打開，裏面就是基於 Excel 做好的各種圖表

至此，我們就在 Cherry 完成了多個 MCP 的調用，並且生成了一份數據分析報告。

雖然最終的報告比較醜，這是因爲在這裏是展示邏輯，我並沒有特意去寫提示詞，可以參考之前我分享的技巧來寫 HTML 的提示詞，就好了：

AI 做 HTML 的終極方案，一套提示詞模板搞定所有應用：PPT、簡歷、高保真原型圖、知識卡片、動態交互組件等

支持 Python 運行

在 Cherry 做數據分析，除了以上的方式之外，還可以調用它的 Python 能力。

對，沒錯，它可以直接運行 Python 代碼。

也就是說，以前我們還要把 AI 給的代碼複製到編輯器裏運行，現在在 Cherry 就能直接跑了。

看下怎麼操作，例如：

幫我按月統計每個月的訂單數量，給我python代碼即可

此時 AI 得回覆裏是看不到運行 python 代碼的地方的，需要做一些配置。

打開左邊的「設置」- 代碼塊設置的地方，打開「代碼執行」，以及下面的功能

此時，右邊代碼就出現運行代碼的按鈕了。

不過需要注意的是，由於 Python 是在 Cherry 的沙盒環境裏運行的，實際上跟本地電腦不互通的。

也就是說上面直接讓 Python 處理本地文件其實跑不通😓

但跑其他 python 代碼倒是可以

畢竟這是新功能，想要真正實現本地文件交互，還需要時間讓 Cherry 去迭代

存在問題

OK，至此，我們今天的案例就分享完了。

但實際上這個場景其實只使用於小數據的玩法。

而且還記得我上次說的嗎？其實這還不是上下文問題，讓 AI 直接去計算本身就有很大的幻覺問題。

正確解法是讓 AI 給處理操作，例如 python 代碼，然後我們去運行。

這個在我上次分享的 dify 工作流裏也實現了：用 AI 做酷炫的數據看板 HTML，並穩定更新數據，落地到實際工作中

儘管如此，從 0 開始把今天這個案例完整做一遍，能把 Cherry、MCP 等工具都熟悉一遍，相信你對 AI 的掌控又能更深一層。

如果想真正讓 AI 調 MCP 跑數據分析跑的比較絲滑的話，可以直接用 Cursor、Trea 等 AI 編程工具。感興趣可以評論區留言，我開始分享 Cursor 的從 0 到 1 怎麼玩

本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/AvmZHNAf05rXJQ-dbICZLw

猜你喜歡