Cherry Studio项目中OpenRouter API与MCP集成的404错误分析
2025-05-08 16:08:34作者:吴年前Myrtle
问题背景
在Cherry Studio项目v1.1.17版本中,用户报告了一个关于MCP(Multi-Context Protocol)集成的技术问题。具体表现为当尝试通过OpenRouter的免费API请求MCP服务时,系统持续返回404错误状态码。值得注意的是,同样的配置在其他开发环境如Trae、VS Code的Cline插件以及Cursor中能够正常运行。
技术现象分析
从用户提供的截图和描述来看,错误发生在以下场景:
- 用户配置了filesystem类型的MCP服务,指向本地D盘的MCP_Filesystem目录
- 通过OpenRouter API进行调用时出现404响应
- 使用Postman直接测试API密钥验证通过,说明基础连接正常
- 重新安装软件并清除缓存后问题依旧存在
根本原因
经过技术团队分析,该问题的核心原因在于:
- OpenRouter的QWQ模型不支持tools调用方式
- 其他开发环境如Cline等使用的是Prompt方式调用,而非直接模型调用,因此行为表现不同
- 404错误表明请求的资源不存在,实际上反映的是API调用方式不被支持
解决方案建议
针对这一问题,技术团队建议采取以下解决方案:
- 更换支持tools调用的其他模型,而非使用QWQ模型
- 检查MCP服务配置,确保filesystem路径正确且具有适当权限
- 验证OpenRouter API的兼容性要求,确认调用方式符合规范
技术实现细节
深入分析MCP的filesystem配置:
{
"filesystem": {
"isActive": true,
"command": "cmd",
"args": [
"/c",
"npx",
"-y",
"@modelcontextprotocol/server-filesystem",
"D:/MCP_Filesystem"
],
"disabled": false,
"autoApprove": [],
"name": "filesystem"
}
}
该配置通过Node.js的npx工具启动了一个filesystem类型的MCP服务,指向本地文件系统特定目录。这种配置本身是正确的,问题出在上层调用方式。
最佳实践
为避免类似问题,建议开发者在集成MCP服务时:
- 充分了解目标API的调用方式限制
- 进行分层次测试:先验证基础连接,再测试功能调用
- 保持开发环境和生产环境配置的一致性
- 关注版本更新日志,及时调整兼容性设置
总结
本次Cherry Studio项目中出现的404错误是一个典型的API兼容性问题,反映了不同调用方式对系统行为的影响。通过更换支持的模型或调整调用方式即可解决。这也提醒开发者在集成第三方服务时需要全面了解其技术规范和使用限制。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0453
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
XianyuAutoAgent智能闲鱼客服机器人系统:专为闲鱼平台打造的AI值守解决方案,实现闲鱼平台7×24小时自动化值守,支持多专家协同决策、智能议价和上下文感知对话。Python05
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX028
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0314
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++02
项目优选
收起
暂无描述
Markdown
831
5.5 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
495
520
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
978
2.31 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
806
1.16 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
792
1.59 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
484
314
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.03 K
777
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.21 K
1.26 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
659
298