基于 MCP 使用大模型访问七牛云对象存储

移动互联网时代，随着用户生成内容的爆发式增长，七牛云对象存储以高可靠性和弹性扩展等能力成为广大应用开发者的首选。如今，生成式 AI 时代已经到来，大模型 AI 推理服务越来越成熟，为了快速打造 AI 应用，用好企业和个人「数据金矿」，存储服务架构依然是开发者需要考虑的关键之一。如何让大模型更便捷、高效地与云端存储进行交互？

MCP + 七牛云对象存储 Kodo = 黄金组合

MCP 就像是大模型世界的「插头和插座标准」一样。过去，LLM 应用（电器）想用七牛云存储（电网）必须自备变压器和电线（编写适配代码），不同的设备（LLM 应用）和电源（七牛云存储）之间就需要专门特殊适配转接，极大消耗开发者精力。而现在有了 MCP 协议之后，LLM 应用（电器）只需「插头」符合 MCP 协议标准，而七牛云存储（电源）只需「插座」符合 MCP 协议标准，即可轻松使现有的 LLM 应用立即接入七牛云存储的能力。

如何基于 MCP 让基于大模型的 LLM 应用程序

访问七牛云 Kodo？

1. 下载并配置七牛云 MCP 服务项目

# 下面信息均是必配项# Kodo 认证信息QINIU_ACCESS_KEY=your_access_keyQINIU_SECRET_KEY=your_secret_key# 区域信息QINIU_REGION_NAME=your_regionQINIU_ENDPOINT_URL=endpoint_url # eg:https://s3.your_region.qiniucs.com# 配置 bucket，多个 bucket 使用逗号隔开，建议最多配置 20 个 bucketQINIU_BUCKETS=bucket1,bucket2,bucket3

# 进入工程目录cd ${项目工程目录}# 创建虚拟环境，项目使用 Python 编写，使用 uv 管理uv venv# 添加工程依赖uv add "mcp[cli]" httpx openai

1. 首先下载 vscode，在 vscode 中搜索 Cline 插件并安装。
2. 安装成功后，需要在 Cline 配置大模型，可以按需指定并配置模型（如 DeekSeek OpenRounter 等）
3. 大模型配置完成之后，开始配置 MCP 服务，配置如下，配置后启动 MCP 服务

   {  "mcpServers": {    "autoApprove"{    },    "qiniu": {      "command": "uv",      "args": [        "--directory",        "${项目工程目录}", # 此处目录为绝对路径，需要根据您的情况修改配置，修改后删除该行注释部分(#及之后的部分）        "run",        "qiniu-mcp-server"      ],      "disabled": false    }  }}

4. 最后在聊天界面通过聊天方式操作七牛云存储了，下面给出一些示例：

• 请列举 qiniu 下以 xxx 为前缀的空间

• 请列举 qiniu 下 xxx 空间中以 yyy 为前缀的文件

• 继续列举示例：上次列举只列举了部分文件，请继续帮我列举剩下的文件