摘要：MCP 服务可以让 AI操作各种应用，再次强化自动化工作流，释放双手！DeepSeek R1小版本升级再出圈，性能超Claude 4，AI 再次火爆！
MCP 服务可以让 AI操作各种应用，再次强化自动化工作流，释放双手！DeepSeek R1小版本升级再出圈，性能超Claude 4，AI 再次火爆！
大家好，这里是Cherry，喜爱折腾、玩数码，热衷于分享数码玩耍经验~
如果说目前 AI 圈子里最火的东西是什么，那一定是各种各样的 MCP（Model Context Protocol）服务，通过 AI + MCP的组合，可以将 AI 直接操作各种各样的应用程序，帮助我们更方便的进行工作。
而MCP hub，则是将MCP 服务整合在一起的一个工具，引用比较直观的图片，就是类似集线器的功能。
作为 7×24小时开机的NAS，天然和 AI 工作流有着高契合度，之前我也分享过 AI + N8N工作流解决日报的玩法。那么今天，我们来分享一下 NAS + MCP hub，实现MCP服务集成和代理的玩法。
项目地址：https://github.com/samanhappy/mcphub
项目特征：
广泛的 MCP 服务器支持：无缝集成任何 MCP 服务器，配置简单。集中式管理控制台：在一个简洁的 Web UI 中实时监控所有服务器的状态和性能指标。灵活的协议兼容：完全支持 stdio 和 SSE 两种 MCP 协议。热插拔式配置：在运行时动态添加、移除或更新服务器配置，无需停机。基于分组的访问控制：自定义分组并管理服务器访问权限。安全认证机制：内置用户管理，基于 JWT 和 bcrypt，实现角色权限控制。Docker 就绪：提供容器化镜像，快速部署。一、项目部署
本次项目使用铁威马F6-424 Max部署，铁威马F6-424 Max搭载 i5-1235U处理器，拥有10核12线程的强大处理能力，最大睿频可达4.4 Ghz，内存最大支持到64 GB DDR5，有６+２的硬盘配置，妥妥的性能怪兽。
因此在极客用户、小型团队、企业场景上，铁威马不仅能发挥出优秀的存储能力，更能凭借着超强的性能，为用户提供虚拟机、docker等生产力功能，也为 AI 时代的企业级服务提供本地化支撑。
部署MCP hub，我们直接使用官方提供的docker compose文件即可，如果遇到容器镜像无法下载的问题，可以铁威马控制面板的网络模块下添加代理连接，并且在添加以后重启Docker Manager和Docker Engine两个套件以获取代理地址。
首先打开铁威马的文件管理，创建一个空文件夹mcphub，然后在下面创建一个新文件，重命名为mcp_settings.json。
接着，我们复制下面的官方compose代码备用。
services:
mcphub:
image: samanhappy/mcphub:latest-full
restart: always
ports:
- "3000:3000"
volumes:
- ./mcp_settings.json:/app/mcp_settings.json
回到Docker Manager应用内，新创建一个项目，取名为mcphub，选择刚才创建好的mcphub文件夹；然后配置文件来源选择创建YAML文件，将yaml代码复制进去，选择验证YAML并应用。
二、MCPhub 与 AI 工具结合
1、配置MCP hub
打开ip:3000，使用默认账号密码admin/admin123登录系统。
选择左下角admin–Settings–Language切换到中文界面。
接着我们点开安装配置来添加python和npm的国内镜像地址，解决网络访问问题。当然，如果自己有科技的，也可以在创建容器的时候添加环境变量HTTP_PROXY和HTTPS_PRXOY。
# python阿里的镜像
# npm的阿里镜像
将上面两个地址复制到对应的位置保存即可。注意这里，必须黏贴一个保存一个，系统不支持批量保存。
接着打开上方的智能路由功能，这里需要添加嵌入式模型，我们可以使用硅基流动免费提供的BBAI/bge-m3嵌入式模型。
2、安装MCP
系统左侧的市场里，有各式各样的MCP 服务，我们可以根据自己的需求进行安装。
这里以爬虫firecrawl为例，首先我们登录firecrawl官网注册一个账号，官方会赠送一个免费的api key供我们使用，我们复制备用。
然后回到MCP hub页面，选择Web Services里的firecrawl，点击安装。
在安装页面，最下面有一个环境变量，在红框内填入我们的 api key就行了，这个类似授权。
安装完成以后，回到服务器列表，可以看到MCP 是在线状态，代表可用。
3、与AI 工具联合使用
PC的话，我目前用的比较多的是Trae和Cherry Studio。这里用Cherry Studio抛砖引玉，简单介绍一下。
打开Cherry Studio以后，点击左下角的设置，选择MCP 服务器里添加，新建一个MCP 服务器，将下面的类型修改为SSE，然后在URL里填入我们部署在铁威马上的MCP hub服务，地址为http://铁威马IP:3000/sse。
保存以后，选择工具一栏，如果看到可用工具里有MCP的指令，那就说明安装完成了。
下面，我们测试一个效果。
首先在和Cherry Studio 智能体对话的时候，选择最下方的MCP 服务器。
然后我输入指令调用Firecrawl中的工具，提炼出XXX网站的内容。可以看到DS-R1在思考过程中，已经调取了MCP hub中的工具指令，并且根据会根据当前工作选择会合适的指令，这一点其实之前我写n8n的时候也介绍过。
在指令爬虫指令过程中，可能会数次遇到失败，这是因为AI对MCP指令调用的不合理导致，但是好在AI会自动修复指令，并且尝试不同的方法，下图就是使用firecrawl中另外的工具来获取站点内容。
除了Cherry Studio中，在MCP hub中，我们也可以查看实时日志了解MCP的运行情况，比如这里就展示了AI 顺利使用firecrawl获取站点内容的信息。
总结
这个项目其实挺有意思的，它通过集成MCP 服务，实现了类似一个 MCP 代理的服务，不仅可以让我们快速查找、下载、安装各类MCP工具，还能以本地代理的方式实现集中调用。
不过缺点也有，那就是不能安装如modelscope等社区的MCP服务，对纯国内用户来说，效果不如调用社区型MCP服务好。
但是不管怎么样，利用NAS 7×24小时开机的性质，整合存储和 AI 服务能力，已经变成越来越多极客玩家的核心玩法，而如F6-424 Max这样更强的NAS ，则能带来更多的性能体现和服务支撑！
来源：可爱的小cherry