AI模型平台Cherry Studio 使用Github MCP服务

Github MCP服务

除了 Cherry Studio内置的MCP服务外，https://mcp.so/ 上还提供了很多官方平台提供的mcp服务

因为平时github使用的挺多的，所以就选择Github MCP服务进行一个对接

获取Github token

首先我们需要获取一个Github token，用于通过mcp服务访问我们的仓库

在 Settings -> Developer settings -> Personal access tokens -> Tokens(classic) 中创建一个token

为了安全起见我们新建一个 Fine-grained personal access tokens

注意，需要将你想要通过ai操作你仓库的权限勾选中，否则该Token也无法执行相应的操作

这个 Token 我们需要保存下来，因为后面我们需要使用, 页面刷新就再也看不到了，所以记得找个记事本保存一下

配置Github MCP服务

具体配置可以参考GitHub MCP服务的文档: https://github.com/github/github-mcp-server

其中有一段Usage with Claude Desktop的配置，我们可以参考一下:

{
  "mcpServers": {
    "github": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "GITHUB_PERSONAL_ACCESS_TOKEN",
        "ghcr.io/github/github-mcp-server"
      ],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
      }
    }
  }
}

根据Cherry Studio开启MCP服务的配置项，我们不难发现是参考的Claude的配置，所以我们可以直接复制过来，然后将GITHUB_PERSONAL_ACCESS_TOKEN替换为我们自己的Token

然后在 Cherry Studio 中点击 MCP 服务，点击 + 号添加一个服务
点击计入该空白服务，并进行如下配置:

1. 名称, 我们就起一个方便我们识别的名称就好

2. 类型, 选择 stdio 就好，因为我们的 Github MCP服务是启动在本地docker中的

3. 命令, Cherry Studio默认推荐的命令是uvx 和 npx, 但是Github MCP是通过docker来启动的，所以我们事先需要安装docker, 然后此处手动输入 docker 即可

4. 参数, 我们将 json 中的 args 部分复制过来即可, 注意要将引号以及逗号删除

5. 环境变量, 配置的形式是key=value, 所以需要我们将 GITHUB_PERSONAL_ACCESS_TOKEN=<your token> 粘贴进去, <your token> 替换为Github账号中获取的Token

配置完毕之后，我们点击保存并启用该服务

测试

切换到对话窗口, 首先我们需要告知ai 模型一个基本信息，我们需要操作的是哪个仓库
例如:

# 角色设定
你是一个智能机器人，拥有GitHub API操作权限，你的工作是帮我管理我的GitHub代码仓库，检查是否有我未处理的issue/pr，并给出合理的解决建议。

# 基本信息
我github的id是：StanLee12  
我自己的代码仓库是：https://github.com/StanLee12/stanlee12.github.io

将这段话发给模型，然后我们就可以开始通过Cherry Studio来操作我们的Github仓库了

可以看到ai通过mcp服务调用了 list_pull_requests 和 list_code_scanning_alerts方法， 但是第二个失败了，是因为我的Token没有给到相关的权限