每天早上打开手机刷资讯翻来覆去都是差不多的内容真正跟自己相关的没几条。我想要的早报其实很简单知道我关注什么行业、手里有哪些持仓、今天几点有会、出门要不要带伞然后把信息按我的节奏整理好。这个需求听起来不复杂但真要靠一个模型一次性完成难点不在生成而在“取数”和“编排”——新闻从哪来、天气怎么拿、本地偏好文件怎么读、日历怎么接。蓝耘MaaS 提供模型推理能力MCP 负责把外部工具和数据源接进来Cherry Studio 作为桌面客户端把这两者串起来再通过 TaoToken 统一 Key/API 通道做模型调用整条链路就能跑通。这篇就按可跟做的顺序把 MCP 服务配置、Cherry Studio 接入 settings.json 骨架、早报生成链路验证和排错清单一次讲清楚适合个人知识工作者和想动手做 AI 工具的开发者。1. 早报工具的真实痛点与组合思路先说清楚为什么要用这个组合而不是直接写个脚本调 API。早报的核心不是“写一段文字”而是“按人取数 按偏好筛选 按时间推送”。如果只用一个模型它没法主动去抓今天的新闻也没法读你本地的偏好文件更没法知道你今天有没有会。MCP 的价值就在这里它把模型和外部世界之间的接口标准化了模型可以通过 MCP 调用 fetch 抓网页、用 filesystem 读本地配置、连天气或日历服务。蓝耘MaaS 提供的是模型侧的推理能力你可以在上面选合适的模型来做内容筛选和摘要。Cherry Studio 则是把这些能力装进一个桌面客户端里让你不用自己写前端就能调试整条链路。我试过直接写 Python 脚本抓 RSS 再调模型能跑但每换一个数据源就要改代码维护成本高。换成 MCP 之后数据源变成可插拔的服务今天用 fetch 抓新闻明天想接天气就再加一个 MCP 服务主流程不用大改。这就是“AI 领域的 USB-C”这个比喻的实际意义——接口统一了组合就灵活了。具体到早报场景链路是这样的Cherry Studio 里配置好 MCP 服务fetch、filesystem 等模型通过 MCP 去抓取新闻网页、读取本地偏好 JSON、获取天气数据然后按你设定的早报结构生成内容。模型调用走 TaoToken 的统一通道这样你不需要在多个平台之间来回切换 Key。整个流程可以在 Cherry Studio 里手动触发验证也可以后续做成定时任务。2. TaoToken 前置统一 Key 与 API 通道在配置 Cherry Studio 之前先把模型调用通道准备好。TaoToken 的作用是提供一个统一的 API 入口让你在 Cherry Studio 里填一个 Key 就能调用模型不用为每个模型单独配一套凭证。这一步是后面所有配置的基础建议先做完再往下走。你需要拿到一个 API Key。进入控制台创建即可控制台入口https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewriteAPI Keys 管理https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite创建完 Key 之后记下两样东西Base URL 和 Key。Base URL 用https://taotoken.net/api这个地址不加任何查询参数。Key 就是你在控制台生成的那串字符后面填进 Cherry Studio 的模型服务配置里。如果你对某个模型的行为不确定可以先在模型对话页面试一下确认模型能正常返回再接入 Cherry Studio模型对话https://taotoken.net/model-chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel-chatutm_campaignrewrite这一步不需要装任何东西浏览器打开就能用。确认模型可用之后再回到 Cherry Studio 做配置能少踩很多“到底是模型问题还是配置问题”的坑。注意Base URL 填https://taotoken.net/api即可不要在后面拼接其他路径。Cherry Studio 会自动补全具体的接口路径。3. 可复制配置Cherry Studio MCP settings.json 骨架这一节是整篇的核心配置能复制就复制改的地方我会标出来。先装 Cherry Studio然后配 MCP 服务最后把模型通道指向 TaoToken。3.1 安装 Cherry Studio 与依赖Cherry Studio 支持 Windows、Mac 和 Linux从官网下载客户端安装即可。安装完成后打开进入“设置 - MCP 服务器”这里会看到依赖安装的入口。Cherry Studio 从 1.1.5 版本开始支持 MCP建议用较新版本。MCP 服务运行需要 UV 和 Bun 两个运行时。在 MCP 服务器设置页点击安装按钮Cherry Studio 会自动下载并放置到内置目录不需要你在系统里全局安装。如果自动下载失败通常是网络原因导致 GitHub 资源拉取超时可以手动下载可执行文件放到指定目录Bun 发布页https://github.com/oven-sh/bun/releasesUV 发布页https://github.com/astral-sh/uv/releases下载对应系统的压缩包解压后把可执行文件放到 Cherry Studio 提示的目录里重启客户端即可识别。这一步做完MCP 服务才有运行环境。3.2 配置 MCP 服务在 Cherry Studio 的 MCP 服务器页面可以从市场里选择服务也可以手动添加。早报场景建议先配两个MCP 服务用途关键配置fetch抓取新闻网页、RSS 内容一般无需额外参数启用即可filesystem读取本地偏好 JSON、写入早报草稿需要指定允许访问的目录路径fetch 服务启用后模型就能通过它去抓取指定 URL 的内容。filesystem 服务需要你指定一个工作目录比如~/ai-morning-report/把你的偏好配置文件放在这个目录下模型才能读到。配置完成后在 MCP 服务器列表里确认服务状态是“运行中”。如果显示未启动先检查 UV 和 Bun 是否安装成功再看服务日志里的报错信息。3.3 Cherry Studio 接入 TaoToken 的 settings.json 骨架Cherry Studio 的模型服务配置可以通过界面填写也可以直接改配置文件。下面是一个 settings.json 骨架把模型通道指向 TaoToken。字段名以你实际版本的配置结构为准核心是baseUrl和apiKey两项。{ modelProviders: [ { id: taotoken, name: TaoToken, type: openai, baseUrl: https://taotoken.net/api, apiKey: 你的_TaoToken_API_Key, models: [ { id: 你的模型ID, name: 早报生成模型 } ] } ], mcpServers: { fetch: { command: uvx, args: [mcp-server-fetch] }, filesystem: { command: npx, args: [ -y, modelcontextprotocol/server-filesystem, /Users/你的用户名/ai-morning-report ] } } }几个要点说明。baseUrl固定填https://taotoken.net/api不要加 UTM 参数或其他路径。apiKey填你在控制台创建的那串 Key。models里的id填你要用的模型标识具体可用的模型列表可以在模型对话页面确认。mcpServers部分fetch 用uvx启动filesystem 用npx启动并指定工作目录目录路径改成你自己的实际路径。改完配置后重启 Cherry Studio在模型服务里应该能看到 TaoToken 这一项状态正常就说明通道通了。3.4 早报偏好配置文件在 filesystem 指定的工作目录下建一个preferences.json这是模型生成早报时的个性化依据{ 基本信息: { 姓名: 张先生, 职业: 互联网产品经理, 所在城市: 北京, 起床时间: 07:00 }, 兴趣偏好: { 关注行业: [人工智能, 产品设计, 互联网], 投资关注: [科技股, 基金], 生活方式: [健身, 阅读, 咖啡], 信息密度: 中等 }, 阅读习惯: { 首选新闻源: [36氪, 虎嗅, 少数派], 阅读时长: 10-15分钟, 更新频率: 每日早上7点 } }这个文件放在工作目录里模型通过 filesystem MCP 读取它就能知道该抓哪些方向的新闻、按什么密度整理。你可以按自己的实际情况改字段和值结构保持 JSON 合法即可。4. 验证请求早报生成链路跑通配置做完接下来验证整条链路能不能跑通。验证顺序建议从简单到复杂先确认模型通道通再确认 MCP 服务能调用最后跑完整的早报生成。4.1 验证模型通道在 Cherry Studio 里新建一个对话选择 TaoToken 作为模型服务发一句简单的话比如“回复 OK”。如果模型正常返回说明 Key 和 Base URL 配置正确。如果报 401检查 Key 是否填对如果报连接超时检查 Base URL 是否是https://taotoken.net/api。4.2 验证 MCP fetch 服务在对话里让模型调用 fetch 抓一个网页比如请用 fetch 工具抓取 https://example.com 的内容并告诉我页面标题。如果模型返回了页面标题说明 fetch MCP 服务工作正常。如果提示工具不可用回到 MCP 服务器页面检查 fetch 服务是否在运行。4.3 验证 filesystem 读取偏好让模型读取偏好文件请用 filesystem 工具读取 preferences.json告诉我关注行业有哪些。模型应该返回[人工智能, 产品设计, 互联网]。如果报文件不存在检查工作目录路径是否和配置文件实际位置一致。4.4 跑完整早报生成三项都通过后发一条完整的早报生成指令请根据 preferences.json 中的偏好用 fetch 抓取我关注行业的新闻 生成一份今日早报。早报包含头条推荐3条、行业资讯2条、 财经简报1条、生活助手天气和出行建议。用中文输出控制在 10-15分钟阅读量。模型会依次调用 filesystem 读偏好、fetch 抓新闻然后生成早报内容。如果这一步能返回结构完整的早报整条链路就通了。你可以把生成结果保存下来后续做成定时任务或网页展示。5. 本篇常见错排查清单配置过程中容易卡在几个地方这里按现象列一下排查方向。MCP 服务启动失败提示找不到 uvx 或 npx。说明 UV 或 Bun 没装好。回到 Cherry Studio 的 MCP 服务器设置页重新点安装或者手动下载可执行文件放到指定目录。放好后重启客户端。fetch 抓取返回空内容或超时。先确认目标 URL 在浏览器里能正常打开。有些网站对非浏览器请求有拦截可以换一个新闻源试试。如果所有 URL 都超时检查本机网络是否能正常访问外网。filesystem 报权限错误。检查配置里的目录路径是否存在以及 Cherry Studio 是否有该目录的读写权限。路径建议用绝对路径不要用~简写避免解析问题。模型返回 401 或 403。检查 TaoToken 的 API Key 是否填对Base URL 是否是https://taotoken.net/api。如果 Key 刚创建确认没有多余空格。模型不调用 MCP 工具直接凭记忆回答。在指令里明确要求“使用 fetch 工具抓取”并在 Cherry Studio 里确认 MCP 服务已启用。部分模型对工具调用的触发需要更明确的提示。早报内容重复或信息密度不对。调整 preferences.json 里的信息密度字段或者在指令里明确要求“去重”和“按重要性排序”。模型对偏好的理解依赖配置文件的清晰度字段越具体效果越好。生成速度慢。早报生成涉及多次 MCP 调用和模型推理耗时比普通对话长是正常的。如果明显卡住先单独验证 fetch 和 filesystem 是否正常排除是某个服务响应慢导致的。6. 后续扩展与通道入口链路跑通之后你可以按自己的需求继续扩展。想加天气就再配一个天气相关的 MCP 服务想加日历就接日历服务想把早报做成网页可以把生成结果通过 API 输出到前端。模型侧如果要做长期编码或 Agent 类任务可以考虑 Coding PlanCoding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite接入文档里有更完整的接口说明和配置示例遇到配置问题时可以对照查接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite如果你用的是 Claude Code 这类工具Anthropic 兼容通道的配置方式在文档里也有说明ClaudeCodeAnthropichttps://taotoken.net/claude-code-anthropic?utm_sourcetaotoken_aicg_blog_endutm_contentclaudecodeanthropicutm_campaignrewrite整条链路的核心其实就三件事模型通道通、MCP 服务能调、偏好配置能被读到。这三件都验证过之后早报生成就是水到渠成的事。先把最小链路跑通再按需加数据源比一上来就堆一堆服务要稳得多。