- Cherry Studio actúa como un cliente versátil que centraliza múltiples modelos de lenguaje y soporta el protocolo MCP para ampliar sus capacidades.
- La integración de servidores MCP permite que la IA interactúe con herramientas externas, archivos locales y servicios web de forma automatizada.
- La configuración se realiza mediante la importación de archivos JSON o el ajuste manual de parámetros en el panel de ajustes de la aplicación.
¿Estás buscando darle un empujón a tu flujo de trabajo con inteligencia artificial? He aquí una buena idea: Cherry Studio. Este cliente de escritorio es una auténtica joya porque no se casa con un solo proveedor, sino que te permite saltar entre diferentes LLM en Windows, Mac o Linux sin complicaciones. En concreto, en este artículo veremos cómo conectar servidores MCP con Cherry Studio.
Porque es clave la compatibilidad con el Model Context Protocol (MCP), un estándar que permite que el modelo no se quede solo en el chat, sino que pueda «estirar el brazo» y usar herramientas reales de tu ordenador o de la web. Imagina que tu IA no solo te escribe código, sino que puede leer tus archivos locales, gestionar tus repositorios de GitHub o incluso interactuar con servicios de marketing como SendPulse sin que tengas que copiar y pegar datos manualmente. Para lograr esto, necesitamos conectar servidores MCP, que actúan como puentes entre el cerebro del modelo y las funciones específicas que queremos ejecutar.
Configuración básica de servidores MCP en Cherry Studio
Para empezar a conectar servidores MCP con Cherry Studio y añadir superpoderes a tu cliente, lo primero es meterse en el corazón de la aplicación. Debes dirigirte al icono de configuración situado en la esquina superior derecha. Una vez dentro, busca la pestaña dedicada a los Servidores MCP. Aquí es donde ocurre la magia: puedes añadir nuevos servidores haciendo clic en el botón + Añadir.
Una de las formas más rápidas de hacerlo es mediante la opción Importar desde JSON. Básicamente, pegas un fragmento de código que define el servidor y listo. Por ejemplo, si quisieras integrar el servicio de SendPulse, pegarías un bloque JSON que especifique el nombre, el tipo de transporte (como streamableHttp) y la URL base del servicio. Tras darle a OK, es muy probable que el navegador se abra para que te autentiques con tu cuenta, asegurando que la IA solo acceda a tus datos con tu permiso.
Una vez que el servidor está activo, no te olvides de darle al botón de encendido en la esquina superior derecha. Para comprobar que todo va viento en popa, entra en la sección de Herramientas. Ahí verás el listado de funciones que el servidor ha puesto a disposición de la IA, junto con los parámetros necesarios y sus tipos. Si ves que las herramientas aparecen correctamente, ya puedes ir al chat y pedirle cosas como registrar un usuario o consultar información específica para verificar que la conexión es estable. Así podrás conectar servidores MCP con Cherry Studio.
Tipos de integraciones y herramientas disponibles
El ecosistema MCP es enorme y permite conectar prácticamente cualquier cosa. Uno de los casos más útiles es el servidor de sistema de archivos (filesystem). Con esto, la IA puede leer y escribir archivos en carpetas concretas de tu disco duro. Es fundamental definir rutas específicas (como una carpeta de proyectos) para evitar que la IA tenga acceso a todo tu sistema, lo cual sería un riesgo de seguridad innecesario.
Si eres desarrollador, el servidor de GitHub es imprescindible. Te permite crear pull requests, gestionar issues o buscar código en tus repositorios directamente desde el chat. Para que esto funcione, normalmente necesitarás un Personal Access Token que se configura en las variables de entorno del servidor. Del mismo modo, existen herramientas como fetch, que le otorgan a la IA la capacidad de navegar por internet y extraer el contenido de una web en formato markdown para analizarlo en tiempo real.
Además, hay soluciones como Linkly AI que potencian el sistema RAG (Generación Aumentada por Recuperación) de Cherry Studio. Mientras que el RAG básico puede quedarse corto, Linkly permite que cualquier modelo que uses (ya sea GPT-4, Claude o Gemini) acceda a tus documentos locales sin tener que subirlos cada vez. Así, puedes preguntar cosas como «¿qué tengo anotado sobre X proyecto?» y la IA llamará a la herramienta de búsqueda para darte la respuesta exacta.
Opciones avanzadas y gestión de servidores unificados
A veces, tener diez servidores distintos puede volverse un caos y consumir demasiada memoria RAM, ya que cada uno corre como un proceso independiente. Es un problema habitual cuando se quiere conectar servidores MCP con Cherry Studio. Aquí es donde entran en juego los servidores unificados como 1MCP. Esta herramienta actúa como un agregador que junta varios servidores MCP en una sola interfaz. Esto no solo ahorra recursos del sistema, sino que simplifica la gestión ya que tienes que configurar un único punto de entrada en Cherry Studio.
Para quienes buscan una experiencia más pulida a la hora de conectar servidores MCP con Cherry Studio, existen alternativas que ofrecen una tienda visual de MCP, eliminando la necesidad de editar archivos JSON a mano y gestionando los secretos (como las API keys) en el keychain del sistema, evitando que queden expuestos en texto plano. No obstante, la flexibilidad de Cherry Studio reside en que se sigue el estándar abierto, por lo que cualquier configuración que uses en otros clientes como Claude Desktop o Cursor suele ser compatible con unos pocos ajustes.
Para optimizar el rendimiento, es recomendable filtrar los servidores mediante etiquetas (como «db» para bases de datos o «network» para red). De este modo, el modelo no se satura con cientos de herramientas y puede decidir más rápido cuál es la opción óptima para resolver tu solicitud. Recuerda que si notas que la IA no utiliza una herramienta aunque esté activa, puedes forzar la llamada mencionando explícitamente el nombre de la tool en tu prompt.
Conectar servidores MCP con Cherry Studio transforma la herramienta de un simple chat a un centro de mando operativo. Desde la gestión de archivos locales y repositorios de código hasta la integración con APIs externas y bases de conocimientos personalizadas, la clave está en configurar correctamente los archivos JSON y gestionar los permisos de acceso. Al centralizar estas capacidades, logramos que la inteligencia artificial deje de ser un ente pasivo y se convierta en un agente activo capaz de ejecutar tareas complejas en nuestro entorno digital cotidiano.
Redactor especializado en temas de tecnología e internet con más de diez años de experiencia en diferentes medios digitales. He trabajado como editor y creador de contenidos para empresas de comercio electrónico, comunicación, marketing online y publicidad. También he escrito en webs de economía, finanzas y otros sectores. Mi trabajo es también mi pasión. Ahora, a través de mis artículos en Tecnobits, intento explorar todas las novedades y nuevas oportunidades que el mundo de la tecnología nos ofrece día a día para mejorar nuestras vidas.