传统的人工智能应用长期以来被困在一个尴尬的境地中——它们拥有强大的理解与推理能力，却始终被隔离在真实世界的操作闭环之外。就像一个只能“动口不能动手”的天才顾问：可以分析数据、撰写报告、提出建议，却无法亲自按下任何一个执行按钮。当用户需要将AI的分析转化为实际行动时，那条“最后一米”的鸿沟依然需要人力跨越——你仍需手动打开另一个系统、输入指令、确认执行。 MCP服务器功能的出现，正在从根本上改变这一格局。 作为AI领域的“通用连接器”，MCP为AI模型提供了一种标准化的方式，去发现、访问和理解散落在不同系统中的实时数据。而当这套统一的上下文感知能力，与向日葵远程控制技术深度融合时，一次质的飞跃随之发生：向日葵AweSun MCP让AI第一次同时拥有了“感知世界的眼睛”和“干预世界的手”。

1.向日葵AweSun MCP能做什么

专业的远程控制能力： 直接封装了向日葵成熟的远控体系，让AI远控也具有稳定性、安全性、兼容性。

“可视化”执行自动化运维： AI 实现故障排查、性能优化等操作的自动化执行。融合“外部大模型的视觉识别 + 自动化操作”能力，AI 能够 “看到什么就操作什么” ——通过截屏识别界面元素、解析当前状态，再自动触发相应操作，三步完成智能桌面自动化，大幅提升运维效率。而且相比命令行操作，“视觉+桌面操作”的方式让AI的每一步操作都有迹可循。
例如：只需向AI客户端发送文字指令“截图”，它便会自动截取当前远程设备的屏幕并保存。

“对话式”的多设备管理： 只需告诉 AI 你的需求，它便能自动完成设备查找等任务。AI 可根据设备名或状态快速定位目标，无需手动翻列表，所有操作通过自然语言轻松搞定，真正实现 “说句话就管好多台设备” 。
例如：只需向AI客户端发送文字指令“远程重启192.168.1.100的服务器”，AI客户端便会自动执行关机并重新启动，全程无需人工到场。

跨平台无缝协同： 全面支持 Windows 与 macOS，满足不同平台的远程控制需求。开发者可在本地 Windows 上编写代码，通过 MCP 协议远程控制部署在 Linux 服务器上的应用；运维人员则能用 macOS 同时管理 Windows 虚拟机与云资源。MCP 协议作为统一桥梁，确保 “一处发起，处处响应” ，让跨平台协作如丝般顺滑。

2.前置条件

① 在主控环境，将向日葵客户端升级至 V16.2.3及以上版本（点击下载）
② 安装支持MCP的AI客户端（如 OpenCode、Cherry Studio等）

3.操作步骤

3.1 部署AweSun MCP服务器

操作路径：【导航】->【向日葵MCP】
（1）在主控环境，打开向日葵软件，开启「启用MCP服务器」；
（2）根据使用场景选择适合的服务类型：
①Stdio（推荐）：本地进程通信，适用于本地运行的 AI 客户端
②Streamable HTTP：基于 HTTP 的远程通信，适用于需要跨网络调用的场景
（3）完成选择后，复制生成的配置信息并保存。

3.2 配置AI客户端

以OpenCode、 Claude Code、Cherry Studio 软件为例演示配置流程，建议使用OpenCode，能获得更好的体验。

3.2.1 OpenCode

以OpenCode为例演示配置流程
对于没有编程经验的人员，推荐下载OpenCode桌面版（下载地址）

3.2.1.1 配置模型服务

操作路径：【设置】->【服务器】->【提供商】
（1）运行OpenCode 桌面版，选择一个模型供应商进行连接。
（2）设置供应商后，启用对应的模型，推荐使用Kimi K2.5或Gemini 2.5 Pro等具备视觉理解能力的大模型。

（3）为了更好地了解AI当前的执行动态，建议开启以下开关。

3.2.1.2 配置MCP服务器

3.2.1.2.1 新建工作区

新建一个文件夹作为 opencode 的工作区，然后按如下所示结构初始化项目。
注意： 直接下载此压缩包（点击下载） 解压到对应位置来完成初始化工作。

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

3.2.1.2.2 加载工作区

用 OpenCode 打开工作区目录（需选定 awesun-mcp-example 文件夹）。

3.2.1.2.3 配置工作区提示词

手动编辑 awesun-mcp-example/.opencode/AGENTS.md 记忆文件，预设系统提示词。
参考链接：AweSun MCP示例提示词

3.2.1.2.4 配置工作区MCP服务器

手动编辑 awesun-mcp-example/opencode.json配置文件，将从向日葵客户端中复制的MCP配置信息粘贴到文件中，一个完整的示例如下：

{
"$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 检查服务器连接状态

配置文件写入后，需重启 OpenCode 客户端使配置生效。然后按以下步骤验证连接状态：
（1）重启 OpenCode 客户端；
（2）在输入框中输入指令 /mcp，检查 MCP 服务器连接状态。

如上所示，如果显示awesun-mcp-server已连接，并且处理开启状态，则配置完成。

3.2.1.4 功能演示

一切就绪后，按以下步骤验证功能：
（1）在输入框输入 /new 开启一个新的会话
（2）输入消息：帮我查询下设备列表中xxx设备的配置信息

3.2.2 Claude Code

3.2.2.1 安装CLI工具

以Windows 11为例，打开终端，新建Windows PowerShell窗口，执行命令： irm https://claude.ai/install.ps1 | iex

3.2.2.2 配置MCP服务器

3.2.2.2.1 新建工作区

在电脑上新建一个文件夹，作为claude code的工作区，按如下所示结构初始化项目。
awesun-mcp-example-claude // 工作区目录
└── CLAUDE.md // 记忆文件
└──.mcp.json // MCP配置文件

3.2.2.2.2 配置工作区提示词

手动编辑awesun-mcp-example-claude/CLAUDE.md记忆文件，预设系统提示词。 参考链接：AweSun MCP示例提示词

3.2.2.2.3 配置工作区MCP服务器

手动编辑awesun-mcp-example-claude/.mcp.json配置文件，将从向日葵客户端中复制的MCP配置信息粘贴到文件中，一个完整的示例如下：

{
"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": "MTMxNjU1MTktYWJjNC00ZTdhLWJlYTktMDkzMmVjN2IyY2Y2"
}
}
}
}

3.2.2.3 配置模型服务

准备工作已基本就绪，接下来需要接入大模型，请按以下步骤操作：打开资源管理器，右键点击“此电脑”，选择“属性”，进入“高级系统设置”，然后点击“环境变量”。

按以下表格新建相关环境变量

变量名	值
ANTHROPIC_BASE_URL	https://api.kimi.com/coding/
ANTHROPIC_API_KEY	sk-kimi-xxxxx（你的kimi key）

3.2.2.3.1 加载工作区

（1）在资源管理器中找到刚才创建好的工作区目录并进入
（2）在资源管理器地址栏中输入命令 claude，然后回车加载Claude终端


说明：首次进入需要确认，选择Yes即可。

3.2.2.3.2检查工作区状态

在Claude终端中输入指令 /status 回车查看输出结果
如果出现 Anthropic base URL：https://api.kimi.com/coding 则代表环境变量配置成功。
如果出现 awesun-mcp-server · ✔ 则代表MCP服务器配置成功。

3.2.2.4 功能演示

请按以下步骤进行验证：
（1）若当前停留在状态页面，在Claude终端中按 ESC 键返回首页，直至出现输出框。
（2）输入消息：帮我查询下设备列表中xxx设备的配置信息。

注意：claude code默认情况下调用每个工具都需要用户手动确认，如需全流程自动运行，可使用命令 claude --dangerously-skip-permissions 重新进入终端。

3.2.3 Cherry Studio

一般不推荐，因为执行效果没有前两者好。但如果想简单体验，觉得上面的配置太复杂，可以尝试Cherry Studio。

3.2.3.1 导入MCP配置

操作路径：【设置】->【mcp服务器】
（1）打开Cherry Studio，进入 【设置】→【MCP 服务器】；
（2）点击 「添加」，选择 「从 JSON 导入」；
（3）将复制的向日葵服务器配置信息粘贴到输入框，并点击确定。

（4）导入成功后，确保MCP服务器状态为 「已启用」。

3.2.3.2 配置模型服务

操作路径：【设置】->【模型服务】
启用一个模型提供商作为测试MCP功能的底层模型（如阿里云百炼模型）。

3.2.3.3 测试MCP功能

Cherry Studio默认提供了一个通用助手，可用于简单测试MCP功能。

3.2.3.3.1 配置通用助手

（1）返回 Cherry Studio 首页，选择默认助手并编辑；
（2）将 MCP 服务器设置为手动（或自动），并勾选 awesun-mcp-server；
（3）模型设置
预设模型：建议选用支持视觉识别能力的模型，以便模型分析截图内容；若无需视觉功能，普通文本推理模型即可。
调整模型参数：为防止上下文丢失，建议将上下文数设置为10以上

3.2.3.3.2 设置提示词

为了帮助大模型更好地理解 MCP 工具的用途，建议配置预设提示词：
参考链接：AweSun MCP示例提示词

3.2.3.4 功能演示

完成上述配置后，可以在对话界面输入指令进行测试。
例如：“看下游戏主机的配置信息””或“对游戏主机发起远控”。AI将根据您的指令调用相应的MCP工具，实现自动化操作。

4.Q&A

（1）为什么我的 AI 远控失败？
出于设备安全考虑，远程控制必须验证访问密码 / 系统账号密码，AI 无法自动获取你的密码。你只需要手动成功远控一次该设备，之后 AI 就能正常帮你远控了。

（2）为什么我的 AI 在远程桌面上没有操作成功？ 桌面自动操作需要很强的看图识别能力，建议你换成 kimi-2.5这类视觉能力更强的大模型，成功率会更高。

5.附录：AweSun MCP 工具文档

AweSun MCP Server 提供向日葵客户端操作能力，包含设备管理、远控会话和桌面操作三大类工具。 (详情查看)

6.高级玩法

（1）一些场景用例的skill作为示例，针对流程提高AI执行任务的效率和准确性，可以覆盖一些传统RPA的功能。 (详情查看)

（2）基于向日葵MCP服务，为Claude Code、Open Code、OpenClaw等支持Skills的AI Agent提供渐进式披露的工具调用。 (详情查看)