傳統的人工智能應用長期以來被困在一個尷尬的境地中--它們擁有強大的理解與推理能力,卻始終被隔離在真實世界的操作閉環之外。 就像一個只能「動口不能動手」的天才顧問:可以分析數據、撰寫報告、提出建議,卻無法親自按下任何一個執行按鈕。 當用戶需要將AI的分析轉化為實際行動時,那條「最後一米」的鴻溝依然需要人力跨越--你仍需手動打開另一個系統、輸入指令、確認執行。 MCP伺服器功能的出現,正在從根本上改變這一格局。 作為AI領域的「通用連接器」,MCP為AI模型提供了一種標準化的方式,去發現、訪問和理解散落在不同系統中的實時數據。 而當這套統一的上下文感知能力,與向日葵遠程控制技術深度融合時,一次質的飛躍隨之發生:向日葵AweSun MCP讓AI第一次同時擁有了「感知世界的眼睛」和「乾預世界的手」。

1.向日葵AweSun MCP能做什麼

專業的遠程控制能力: 直接封裝了向日葵成熟的遠控體系,讓AI遠控也具有穩定性、安全性、兼容性。

「可視化」執行自動化運維: AI 實現故障排查、性能優化等操作的自動化執行。 融合「外部大模型的視覺識別 自動化操作」能力,AI 能夠 「看到什麼就操作什麼」 --通過截屏識別界面元素、解析當前狀態,再自動觸發相應操作,三步完成智能桌面自動化,大幅提升運維效率。 而且相比命令行操作,「視覺 桌面操作」的方式讓AI的每一步操作都有跡可循。
例如:只需向AI客戶端發送文字指令「截圖」,它便會自動截取當前遠程設備的屏幕並保存。

「對話式」的多設備管理: 只需告訴 AI 你的需求,它便能自動完成設備查找等任務。 AI 可根據設備名或狀態快速定位目標,無需手動翻列表,所有操作通過自然語言輕鬆搞定,真正實現 「說句話就管好多台設備」 。
例如:只需向AI客戶端發送文字指令「遠程重啟192.168.1.100的服務器」,AI客戶端便會自動執行關機並重新啟動,全程無需人工到場。

跨平台無縫協同: 全面支持 Windows 與 macOS,滿足不同平台的遠程控制需求。 開發者可在本地 Windows 上編寫代碼,通過 MCP 協議遠程控制部署在 Linux 服務器上的應用;運維人員則能用 macOS 同時管理 Windows 虛擬機與雲資源。 MCP 協議作為統一橋樑,確保 「一處發起,處處響應」 ,讓跨平台協作如絲般順滑。

2.前置條件

① 在主控環境,將向日葵客戶端升級至 V16.2.3及以上版本(點擊下載)
② 安裝支持MCP的AI客戶端(如 OpenCode、Cherry Studio等)

3.操作步驟

3.1 部署AweSun MCP伺服器

操作路徑:【導航】->【向日葵MCP】
(1)在主控環境,打開向日葵軟件,開啟「啟用MCP伺服器」;
(2)根據使用場景選擇適合的服務類型:
①Stdio(推薦):本地進程通信,適用於本地運行的 AI 客戶端
②Streamable HTTP:基於 HTTP 的遠程通信,適用於需要跨網絡調用的場景
(3)完成選擇後,根據當前需要接入的AI客戶端,複製生成的配置信息備用。

3.2 配置AI客戶端

以OpenCode、 Claude Code、Cherry Studio 軟件為例演示配置流程,建議使用OpenCode,能獲得更好的體驗。

3.2.1 OpenCode

以OpenCode為例演示配置流程
對於沒有編程經驗的人員,推薦下載OpenCode桌面版(下載地址)

3.2.1.1 配置模型服務

操作路徑:【設置】->【服務器】->【提供商】
(1)運行OpenCode 桌面版,選擇一個模型供應商進行連接。
(2)設置供應商後,啟用對應的模型,推薦使用Kimi K2.5或Gemini 2.5 Pro等具備視覺理解能力的大模型。

(3)為了更好地了解AI當前的執行動態,建議開啟以下開關。

3.2.1.2 配置MCP伺服器

3.2.1.2.1 新建工作區

新建一個文件夾作為 opencode 的工作區,然後按如下所示結構初始化項目。

awesun-mcp-example           // 工作区目录
    ├── AGENTS.md            // 系统提示词
    └── opencode.json        // 工作区配置文件

3.2.1.2.2 加載工作區

用 OpenCode 打開工作區目錄(需選定 awesun-mcp-example 文件夾)。

3.2.1.2.3 配置工作區提示詞

手動編輯 awesun-mcp-example/AGENTS.md 記憶文件,預設系統提示詞。
參考鍊接:AweSun MCP示例提示詞

3.2.1.2.4 配置工作區MCP伺服器

手動編輯 awesun-mcp-example/opencode.json配置文件,將從向日葵客戶端中複製的MCP配置信息粘貼到文件中,一個完整的示例如下:

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "serverName": {
      "type": "local",
      "command": [
    "/Applications/AweSun.app/Contents/Helpers/awesun-mcp-server"
      ],
      "enabled": true,
      "environment": {
        "AWESUN_API_URL": "http://127.0.0.1:8980",
        "AWESUN_API_TOKEN": "xxxxxxx"
      }
    }
  }
}

3.2.1.3 檢查服務器連接狀態

配置文件寫入後,需重啟 OpenCode 客戶端使配置生效。 然後按以下步驟驗證連接狀態:
(1)重啟 OpenCode 客戶端;
(2)在輸入框中輸入指令 /mcp,檢查 MCP 服務器連接狀態。

如上所示,如果顯示awesun-mcp-server已連接,並且處理開啟狀態,則配置完成。

3.2.1.4 功能演示

一切就緒後,按以下步驟驗證功能:
(1)在輸入框輸入 /new 開啟一個新的會話
(2)輸入消息:幫我查詢下設備列表中xxx設備的配置信息

3.2.2 Claude Code

3.2.2.1 安裝CLI工具

以Windows 11為例,打開終端,新建Windows PowerShell窗口,執行命令: Irm https://claude.ai/install.ps1 | iex

3.2.2.2 配置MCP伺服器

3.2.2.2.1 新建工作區

在電腦上新建一個文件夾,作為claude code的工作區,按如下所示結構初始化項目。
Awesun-mcp-example-claude // 工作區目錄
└── CLAUDE.md // 記憶文件
└──.Mcp.json // MCP配置文件

3.2.2.2.2 配置工作區提示詞

手動編輯awesun-mcp-example-claude/CLAUDE.md記憶文件,預設系統提示詞。 參考連結：AweSun MCP示例提示詞

3.2.2.2.3 配置工作區MCP伺服器

手動編輯awesun-mcp-example-claude/.mcp.json配置文件,將從向日葵客戶端中複製的MCP配置信息粘貼到文件中,一個完整的示例如下:

{  
    "mcpServers": {  
        "awesun-mcp-server": {  
            "command": "C:\Program Files\Oray\AweSun\flutter\awesun-mcp-server.exe",  
            "env": {  
                "AWESUN_API_URL": "http://127.0.0.1:8908",  
                "AWESUN_API_TOKEN": "MTMxNjU1xxxxxxxxxxxxxxxxxxYTktMDkzMmVjN2IyY2Y2"  
            }  
        }  
    }  
}  

3.2.2.3 配置模型服務

準備工作已基本就緒,接下來需要接入大模型,請按以下步驟操作:打開資源管理器,右鍵點擊「此電腦」,選擇「屬性」,進入「高級系統設置」,然後點擊「環境變量」。

按以下表格新建相關環境變量

3.2.2.3.1 加載工作區

(1)在資源管理器中找到剛才創建好的工作區目錄並進入
(2)在資源管理器地址欄中輸入命令 claude,然後回車加載Claude終端


說明:首次進入需要確認,選擇Yes即可。

3.2.2.3.2檢查工作區狀態

在Claude終端中輸入指令 /status 回車查看輸出結果
如果出現 Anthropic base URL:https://api.kimi.com/coding 則代表環境變量配置成功。
如果出現 awesun-mcp-server ·✔則代表MCP服務器配置成功。

3.2.2.4 功能演示

請按以下步驟進行驗證:
(1)若當前停留在狀態頁面,在Claude終端中按 ESC 鍵返回首頁,直至出現輸出框。
(2)輸入消息:幫我查詢下設備列表中xxx設備的配置信息。

注意:claude code默認情況下調用每個工具都需要用戶手動確認,如需全流程自動運行,可使用命令 claude --dangerously-skip-permissions 重新進入終端。

3.2.3 Cherry Studio

一般不推薦,因為執行效果沒有前兩者好。 但如果想簡單體驗,覺得上面的配置太複雜,可以嘗試Cherry Studio。

3.2.3.1 導入MCP配置

操作路徑:【設置】->【mcp伺服器】
(1)打開Cherry Studio,進入 【設置】→【MCP 伺服器】;
(2)點擊 「添加」,選擇 「從 JSON 導入」;
(3)將複製的向日葵服務器配置信息粘貼到輸入框,並點擊確定。
(4)導入成功後,確保MCP伺服器狀態為 「已啟用」。

3.2.3.2 配置模型服務

操作路徑:【設置】->【模型服務】
啟用一個模型提供商作為測試MCP功能的底層模型(如阿里雲百鍊模型)。

3.2.3.3 測試MCP功能

Cherry Studio默認提供了一個通用助手,可用於簡單測試MCP功能。

3.2.3.3.1 配置通用助手

(1)返回 Cherry Studio 首頁,選擇默認助手並編輯;
(2)將 MCP 服務器設置為手動(或自動),並勾選 awesun-mcp-server;
(3)模型設置
預設模型:建議選用支持視覺識別能力的模型,以便模型分析截圖內容;若無需視覺功能,普通文本推理模型即可。
調整模型參數:為防止上下文丟失,建議將上下文數設置為10以上

3.2.3.3.2 設置提示詞

為了幫助大模型更好地理解 MCP 工具的用途,建議配置預設提示詞:
參考連結：AweSun MCP示例提示詞

3.2.3.4 功能演示

完成上述配置後,可以在對話界面輸入指令進行測試。
例如:「看下游戲主機的配置信息」」或「對遊戲主機發起遠控」。 AI將根據您的指令調用相應的MCP工具,實現自動化操作。

4.Q&A

(1)為什麼我的 AI 遠控失敗?
出於設備安全考慮,遠程控制必須驗證訪問密碼 / 系統賬號密碼,AI 無法自動獲取你的密碼。 你只需要手動成功遠控一次該設備,之後 AI 就能正常幫你遠控了。

(2)為什麼我的 AI 在遠程桌面上沒有操作成功? 桌面自動操作需要很強的看圖識別能力,建議你換成 kimi-2.5這類視覺能力更強的大模型,成功率會更高。

5.附錄:AweSun MCP 工具文檔

AweSun MCP Server 提供向日葵客戶端操作能力,包含設備管理、遠控會話和桌面操作三大類工具。 (詳情查看)

6.高級玩法

(1)一些場景用例的skill作為示例,針對流程提高AI執行任務的效率和準確性,可以覆蓋一些傳統RPA的功能。 (詳情查看)

(2)基於向日葵MCP服務,為Claude Code、Open Code、openClaw等支持Skills的AI Agent提供漸進式披露的工具調用。 (詳情查看)