借助Cherry Studio替代Manus，实现AI本地处理Excel并自动生成可视化报告的全新方案。
将Manus称为AI Agent领域的当红炸子鸡，毫不为过。然而受限于网络访问限制和积分稀缺，绝大多数用户只能望而却步。
AI Agent的核心逻辑，其实可以浓缩为一句话：让AI根据你的需求，自主规划任务序列，然后持续调用各类工具去执行。一旦理解了这个逻辑，事情就变得简单了——要实现某个特定场景下的需求，本质上就是找到合适的工具组合，交给AI去调度即可。
巧的是，目前各种MCP（模型上下文协议）工具已经相当成熟，可以直接在AI对话中灵活调用。这意味着，我们完全有能力在本地环境中“手搓”一个属于自己的Manus出来。
说干就干。还是那个经典的数据分析场景：对一个Excel表格进行深度分析，然后自动生成可视化报告。此前曾分享过基于Dify工作流的实现方式，但对很多人而言，工作流本身就有一定的门槛。所以这次换个思路，采用纯对话 + MCP这种最简模式，看看实际效果究竟如何。
什么是 Cherry
这里推荐一款开源且好用的AI工具——Cherry Studio。它可以通过API调用几乎所有主流大模型，同时还集成了本地知识库、图片生成、多种输出格式等功能，功能非常全面。
关于Cherry的安装与更多信息，可以直接访问其官网了解。对于新手来说，最需要克服的可能是如何获取大模型API，推荐通过硅基流动、火山引擎、OpenRouter等渠道解决。如果真想从AI小白过渡到深度玩家，学会调用API是绕不开的一步。
MCP 安装准备
找到MCP
接下来需要解决一个问题：去哪里寻找这些MCP工具？可以前往一些MCP市场查找，例如魔塔社区或MCP.so。今天以魔塔社区为例，点击“MCP广场”，直接搜索关键词即可。
今天的案例至少需要用到4个MCP Server：
- Excel-mcp-server：让AI能够读写和处理Excel文件。
- Sequential thinking：强制AI进行深度思考，解决许多大模型思考不全面的问题。
- QuickChart-MCP-Server：让AI能够直接生成可视化图表。
- File system：让AI能对本地电脑的文件进行读写操作。这个工具大多数AI编程工具都会内置，一般不需要额外设置。
在Cherry中，由于它是一个对话工具，需要配置一个可用的文件路径，不能让它随意改动电脑里的文件夹。
安装 MCP
在Cherry中安装MCP Server，操作路径是：设置 → MCP服务器 → 添加服务器 → 从JSON导入。此时会弹出一个对话框，把对应工具的配置复制进去即可。
Excel-mcp-server的配置：
{
"mcpServers": {
"excel": {
"command": "npx",
"args": ["--yes", "@negokaz/excel-mcp-server"],
"env": {
"EXCEL_MCP_PAGING_CELLS_LIMIT": "4000"
}
}
}
}QuickChart-mcp-server的配置：
{
"mcpServers":{
"quickchart-server":{
"command":"npx",
"args":[
"-y",
"@gongrzhe/quickchart-mcp-server"
]
}
}
}如果复制进去后有报错，重新点进去再点击“开启”，就会自动安装好。另外两个工具直接在Cherry内部的搜索里找，能自动装好。
至此，需要的4个MCP工具就安装好了。确保每个都显示绿灯，才能正常使用。
数据准备
用之前做SQL查询的订单表来测试。把Excel文件移动到之前File System设置好的路径下，Cherry只能在这个文件夹里活动。
大模型选择
这个案例完全依赖MCP操作，而MCP考验的是大模型调度工具的能力。至少需要选择具备Function Call能力的模型，并且在编程方面表现突出的（调度能力通常也会更好）。例如Gemini 2.5 Pro、Claude 3.5、Grok 3、DeepSeek V3，都是不错的选择。
另外，尽量选择上下文长度较长的模型。Excel数据量一大，上下文不够用会直接报错。比如表格里有3年的数据，想让AI直接统计每个月的订单数，可能就会失败——这是模型上下文长度的上限。Grok已经算长的了，更长的只能找Gemini。但Gemini 2.5 Pro目前不是免费的，试用2.5 Flash的结果就比较离谱，直接模拟数据交差，根本不管原文。
这里用Grok 3来测试。
开始对话
选择角色、打开MCP
在Cherry新建一个对话，可以在智能体市场里搜索“数据分析”，里面都是配置好提示词的角色。选一个合适的进入对话框。在输入框下方点开MCP配置，把需要用到的几个MCP工具都勾选上，这样AI在这个对话里才能调用它们。
终于开始做数据分析
首先，简单问一下表格里有什么数据，测试Excel MCP的能力。可以看到，它会先调用File System的工具，列出文件夹里的文件，然后找到我们指定的Excel文件，再调用Excel-mcp-server的工具读取，给出回答。
没问题。接下来直接上难度，一步完成Excel的分析和可视化报告制作：
请你根据这份数据，做一份数据分析报告HTML，要求维度尽可能丰富、图表类型多，把做好的html文件保存到本地。
回答很长，只截取一部分。可以看到它开始调用QuickChart-MCP的能力制作图表了。最终，做完7张图后，开始生成HTML文件。在之前设置好的Cherry文件夹里，能看到一份HTML文件。双击打开，就是基于Excel数据生成的各种图表。
至此，通过Cherry完成了多个MCP的调用，并生成了一份数据分析报告。虽然最终报告看起来比较朴素，但这里只是为了展示逻辑，并没有特意去写提示词。可以参考之前分享的HTML提示词技巧来优化，效果会好很多。
支持 Python 运行
在Cherry做数据分析，除了上面这种方式，还可以调用它的Python能力。没错，它可以直接运行Python代码。以前还要把AI给的代码复制到编辑器里运行，现在直接在Cherry就能跑了。
来看看怎么操作。例如输入：
帮我按月统计每个月的订单数量，给我python代码即可
AI回复里是看不到运行Python代码的地方的，需要做一些配置。打开左侧“设置”-代码块设置，开启“代码执行”以及下面的功能。此时，代码块右侧就会出现运行代码的按钮。
不过需要注意，Python是在Cherry的沙盒环境里运行的，与本地电脑不互通。也就是说，直接让Python处理本地文件是跑不通的。但运行其他Python代码没问题。毕竟这是新功能，真正实现本地文件交互，还需要时间让Cherry去迭代。
存在问题
坦白讲，这个场景目前只适用于小数据量的玩法。更重要的是，之前也提到过，让AI直接去计算本身存在很大的幻觉问题。正确的解法应该是让AI生成处理操作（比如Python代码），然后我们自己去运行。
尽管如此，从零开始完整地把今天的案例做一遍，能把Cherry、MCP这些工具都熟悉一遍，对AI的掌控力一定能再上一个台阶。