关注我~第一时间学习如何更好地使用AI。
重要的不是我们是否会被AI替代，
而是我们要比被替代的人更懂AI。
演示场景说明：
你在冲浪的时候发现公司法居然修订了，然后你想起你电脑里有个文件里面引用了一些公司法的条文，现在你需要小助手帮你比对一下是否需要修改。
先看Prompt：
检查test文件夹中的test文件里记录的信息，并比对http://www.npc.gov.cn/npc/c2/c30834/202312/t20231229\_433999.html的内容，确认所引用的法律条文是否是最新版本，是否有任何滞后或错误。
下面来看看效果：（速度慢是我设备和网络不行，我的锅）
可以看到，模型最终不仅按照我的要求对法条进行了对比，还顺便指出了我复制粘贴过程中的错误。
有旁友可能会说，你这啥Agent啊，一点都不花哨，我想要那种一句话就biubiubiu生成一个网站的那种。
emmm确实，所以，在开始整活之前，我觉得有必要先跟大家聊聊如何理解AI Agent。
如何理解AI Agent
AI Agent其实跟MCP一样，是蛮早就提出了（应该说更古老...），但今年突然大火的概念。大家可能已经在各式各样的地方见过它，比如我们在Coze里玩的那个，它叫“智能体”，其实也就是带着Agent的内涵。（参考AI工作流编排手把手指南之三：Coze智能体的工作流）
但是呢，严格意义上，仅仅是通过prompt设计和工作流编排搭建的“智能体”，肯定是不算Agent的。
那什么样的才算呢？可以先来看看最近比较出圈的manus。
从顶级推理模型，到全球首款通用型 AI Agent？中国智造"Manus"横空出世！
需要注意的是，我们这里不去深究manus的实现原理，只是单纯的从它展示的效果来理解Agent。
聪明的同学可能会说，那从展示效果来看，理论上我在Coze里设计一个逻辑清晰的工作流，安排好各种条件下智能体应该使用什么工具，不也能实现manus的那种效果吗？是不是也就实现了一个Agent呢？
这个问题其实就触及Agent的灵魂了。
根据我的理解，Agent，意味着模型能够根据用户任务，自主规划任务处理流程，自主选择适当工具来完成任务。
核心在于“自主”。
这里贴一个我很喜欢的一个角度刁钻的解释：
Agent就是“代理”，代理在法律上跟授权有关，得到合法授权的代理者所为行为的法律结果，授权者必须接受。
Workflow是用户事先编排的，模型只是无脑执行，所以Workflow的结果完全是用户指令所造成，没有授权的概念。
因此，只要模型能脱离行动指令，自行决策，用户提了需求后意志不再体现，就是Agent了。
那么，现在我们回过头来看文章开头视频里的情形，有感受到模型的“自主”吗？
我的prompt里只是给模型提供了一些上下文信息，比如要比的文件在哪里，要比的信息在哪里。
我并没有像编排Workflow那样给它安排：你需要用sequential-thinking思考一下呀，记得用filesystem打开读取本地文件呀，要用fetch去获取网站内容呀。
这些，都是模型自己给自己安排的。
所以，某种意义上，这真的是一个极简的AI Agent。
而极简，只是我为了演示方便故意为之而已，有多少种MCP，就有多少种可能的玩法，组合上限、想象空间不言而喻。
那么接下来，我就带着大家过一遍，如何通过Cherry Studio（或者任何支持mcp的客户端）实现视频中的效果。
添加需要用到的MCP服务
本次整活只需要用到3个MCP服务：
1.添加server-sequential-thingking
server-sequential-thingking主要负责协助模型进行任务规划，有了它，模型就更容易保持冷静，自己思考自己为了完成用户交代的任务，需要一步接一步的做些什么。
我在视频中也给大家展示了一下模型在调用这个服务时思考的内容，其实就很类似DeepSeek-R1的推理过程。
在Cherry Studio中添加sequential-thingking非常简单，直接在NPX包列表里查找，点击添加服务器即可。
2.添加server-filesystem
filesystem，顾名思义，负责与你自己的电脑的文件系统进行交互，所有涉及打开、读取、编辑本地文件的动作都可以使用它。
同样的，可以在Cherry Studio的MCP服务器设置的NPX包列表里找到它。（刚好就在sequential-thingking下面）
但是这里有个知识点大家一定要注意，添加filesystem时，需要在参数里写明你允许它操作的文件夹，只有在这个文件夹里的文件才能被他访问。忘写的话添加服务时会报错。参数的具体写法请见下图红框。
3.添加server-fetch
fetch主要负责读取网页信息，它没有在npx包列表中，需要自己去找一下。你可以在https://mcp.so/servers 中搜索fetch：
然后添加的方式也跟前期文章中讲过的方法一样，根据JSON信息填好名称、命令、参数即可：
开始整活
其实，添加完MCP服务，所有的准备工作就已经完成了......就是这么简单。
你只需要记得在对话框那里把上面3个MCP打开即可。
这里又有个知识点，之前有朋友反馈说，在对话框这儿看不到这个MCP服务器标志。这大概率是因为你选择的模型，没有工具调用的能力。
如何判断呢，Cherry Studio很贴心的给模型贴了很多小标签。大家只要看到模型名称后面带小扳手标记的，就是能调用工具的模型了。（顺便一提：灯泡标记指推理模型、绿色小眼睛指支持图像识别模型、蓝色地球指支持网络搜索功能的模型）
好了，以上就是本次整活的全部要点，欢迎大家体验。
但更重要的是，大家可以把MCP当做乐高积木，大开脑洞，搭建属于自己的超强Agent！
—— END——
往期精华：
1.MCP使用
Cherry Studio重大版本更新！手把手教你丝滑配置MCP服务器！
萌新指南｜手把手教你Cherry Studio配置MCP，10分钟让大模型学会上网截图！
2.Workflow编排
AI工作流编排手把手指南之一：Coze智能体的创建与基本设置
AI工作流编排手把手指南之二：Coze智能体的插件添加与调用
3.Prompt设计
打工人看了流泪的Prompt设计原理，如何用老板思维让AI一次听懂需求？
不会Prompt还敢说自己会用DeepSeek？别怕！10分钟让你成为提示大神！
4.AI工具指南