“老马，上个月的XX产品库存还剩多少？”

“老马，XX产品的销售价格现在是多少？”

“老马，我们有没有卖XX这款产品？”

以上问题，可能来自于你的老板，又或者你的同事，也可能是客户。

当你是公司的老板、数据工程师或运维、又或者仅仅是个后台管理员。

每天总得花不少时间给人查这个，查那个，问这个，答那个。

有时候真想丢给他们一个“豆包”自己问去，可豆包又不知道公司内部的数据。

那有没有一种方式，既考虑到公司的数据保密和安全，又能满足以上场景呢？

答案是自己本地电脑搭建一个AI助手，配合MCP工具，一个人能干掉全公司的活儿。

这里说的AI助手就跟Cherry Studio、Claude Desktop类似，一个AI桌面应用工具。

支持接入多种模型，比如什么OpenAI、Deepseek、Qwen、Gemini等等。

同时也支持接入各种MCP（模型上下文协议）工具，你就简单地理解成大模型的工具箱。

有了MCP，大模型就不仅限于跟我们对话，还可以查天气、删除桌面文件、访问数据库等等。

所以，一个本地的AI助手，加上MCP工具，就是一套完美的牛马神器。

当然，不同公司的实际情况不一样，一般公司都有自己的内部数据库。

这些数据库保存了很多业务数据，比如产品、人事、财务等等数据。

有些公司考虑到数据安全问题，会选择自己买服务器搭建大语言模型服务，比如Deepseek，给公司内部使用。当然接入API去调用也是可以的。

到这里，假设你的公司已经有了内部的数据库，自建的大语言模型服务。

那么你就只需要下载安装一个叫DeepChat的开源工具即可，它支持多种操作系统。

再安装好对应的MCP工具，比如支持Mysql数据库的MCP工具，就可以说说话，打打字，用自然语言的方式查询到老板和同事要的数据了。

妈妈再也不担心你老写SQL语句掉头发了。

1、下载安装DeepChat

电脑浏览器打开网址：
https://deepchat.thinkinai.xyz/#/download，选择合适你系统的版本进行下载，然后直接安装即可，步骤很简单，如图：

安装完之后打开，你会发现跟Cherry Studio没啥区别，默认因为没有接入大语言模型，所以还不能对话。

我们点右上角的齿轮按钮进入设置，点击服务商设置，支持的服务商很多，如图：

如果你是公司自建的大语言模型服务，那就问一下技术人员，添加一下配置即可。

如果公司没有自建，那你可以申请一些服务商的API接口，充值点钱，然后配置一下API信息即可。

到这一步，DeepChat接入大语言模型服务就算大功告成了。

什么？你连申请服务商的API接口都想省？

那就自己本地电脑搭建大语言模型服务吧，前提是你的电脑显卡至少3060以上，显存8G以上，内存32G以上。

这只是大概的硬件参考，总之越大越好，你要是4090显卡24G，128G内存那更好。

硬件过关，才能保证在本地电脑能跑得起一些小一点的模型，比如7-8B，也就是70-80亿参数的大语言模型。

真正要实际应用或者做成AI应用，参数少于70B（700亿）的模型，都不是很行，都很傻，意图识别和使用工具能力也差。

回到正题，老马在写这篇文章的时候，也想把API接口的钱钱省掉，所以本地搭建了大语言模型。

下面一步步演示一下操作，其他人没有这个需求的可以略过，有兴趣的了解一下也可以。

2、Ollama本地搭建大语言模型

使用Ollama（欧拉玛）本地搭建大语言模型，没错，logo是只草泥马的工具。

工具地址：https://ollama.com/，电脑浏览器打开直接下载安装即可，没啥好说的，如图：

安装完打开之后，不要去对话框里面发起对话，一旦你发起了，右下角选择了什么模型，ollama就会给你下载什么模型。

ollama默认提供的模型数量比较少，选择性小，我们可以通过自行查找更多的模型来进行搭建。

所以，又得学会一招，如何去找到合适的模型，正常是用Huggingface（抱脸）平台去找和下载。

但得魔法上网，因此国内的话一般主要推荐摩搭平台，是魔搭，搭子的搭，不是魔塔。

魔搭网址：https://modelscope.cn，打开后可以登录一下，上面有模型库，切换过去就可以搜索，如图：

老马这里演示使用的模型是Qwen3-8B，再大的话因为电脑还在跑wan2.2有点吃不消。

搜索到之后，点击进入模型详情，就能够看到下载模型的按钮，点击后有相对应的下载方式，如图：

当然，默认是需要你本地电脑已经安装好了Python的环境，如果你不会安装Python，可以问一下豆包。

安装好了Python环境，就需要安装ModelScope，然后通过命令，将模型文件下载到本地。

命令具体参考模型详情页上的说明即可，老马这里下到本地的文件是Qwen3-8B-Q8_0.gguf，如图：

然后在这个文件的同一目录下，新建一个txt文件，输入以下内容，另存为Qwen3-8B-Q8_0.Modelfile，如下：

FROM Qwen3-8B-Q8_0.gguf
set the temperature to 1 [higher is more creative, lower is more coherent]
PARAMETER temperature 0.7
PARAMETER top_p 0.8
PARAMETER repeat_penalty 1.05
PARAMETER top_k 20
TEMPLATE """{{ if .Messages }}
{{- if or .System .Tools }}<|im_start|>system
{{ .System }}
{{- if .Tools }}
Tools
You are provided with function signatures within 
 XML tags:
{{- range .Tools }}
{"type": "function", "function": {{ .Function }}}{{- end }}
For each function call, return a json object with function name and arguments within 
 XML tags:
{"name": 
, "arguments": 
}
{{- end }}<|im_end|>
{{ end }}
{{- range i, _ := .Messages }}
{{- last := eq (len (slice .Messages i)) 1 -}}
{{- if eq .Role "user" }}<|im_start|>user
{{ .Content }}<|im_end|>
{{ else if eq .Role "assistant" }}<|im_start|>assistant
{{ if .Content }}{{ .Content }}
{{- else if .ToolCalls }}
{{ range .ToolCalls }}{"name": "{{ .Function.Name }}", "arguments": {{ .Function.Arguments }}}
{{ end }}
{{- end }}{{ if not last }}<|im_end|>
{{ end }}
{{- else if eq .Role "tool" }}<|im_start|>user
{{ .Content }}
<|im_end|>
{{ end }}
{{- if and (ne .Role "assistant") $last }}<|im_start|>assistant
{{ end }}
{{- end }}
{{- else }}
{{- if .System }}<|im_start|>system
{{ .System }}<|im_end|>
{{ end }}{{ if .Prompt }}<|im_start|>user
{{ .Prompt }}<|im_end|>
{{ end }}<|im_start|>assistant
{{ end }}{{ .Response }}{{ if .Response }}<|im_end|>{{ end }}"""
set the system message
SYSTEM """You are Qwen, created by Alibaba Cloud. You are a helpful assistant."""

记得文件的后缀名是.Modelfile，第一行中“FROM Qwen3-8B-Q8_0.gguf”可以改成你具体下载的gguf文件名。

然后打开windows电脑系统的Powershell或者cmd，苹果电脑系统是打开终端，输入以下命令：

ollama create Qwen3-8B-Q8_0_0 -f  Qwen3-8B-Q8_0.Modelfile

上面具体的文件名也是可以根据自己实际下载的模型文件名去修改，命令运行完毕如图：

接着我们打开一下的模型文件放置的路径，具体的路径你可以打开ollama软件中的settings进行查看，这里已经看到拉过去的模型文件，如图：

这时你在ollama里面去对话问问题，已经是OK了的，大语言模型服务已经搭建好了。

而你打开刚才安装好的DeepChat，在设置里面，服务商设置里面，打开ollama的开关，也能看到已经启用的模型，如图：

至此，免费的本地大语言模型服务已经大功告成，随便你造，不消耗token，不费钱钱。

性能嘛，取决于你的电脑硬件配置，刚才说了，电脑配置差一点，回复卡顿慢一点，很正常。

到了这一步，我们就可以用DeepChat去接入MCP服务，使用MCP工具来操作我们公司的内部数据库，查询一些数据了。

什么？你连MCP服务都要本地搭建？

满足你，开搞。

3、本地搭建Mysql-mcp-server

同样的，我们可以在魔搭的网站上看到一个MCP广场，打开后搜索一下Mysql，就可以看到各种的工具，老马这里用到是叫MySQL MCP服务器，如图：

首先克隆或者下载开源仓库的代码到本地，解压一下，直接分别挨个运行以下三行命令即可，如下：

cd mysql-mcp-server
npm install
npm run build

如果你没有魔法上网，没法下载代码，老马也给你打包了，下载地址如下：

http://www.majiabin.com/AI/mysql-mcp-server-main.zip

以上代码包比较适合windows系统，Mac系统的话，还是通过github去下载，地址在MCP工具的详情页右上角有的，注意看一下。

因为里面的文件老马修改过一些配置，只适合windows系统。以上构建的过程中有啥报错，直接丢给豆包问问即可。

小问题就不在文章里面赘述了，当然你也可以评论留言。

按照以上步骤，你的本地MySQL MCP服务就搭建好了。下一步就是在DeepChat中添加进去，打开DeepChat的设置。

切换到MCP设置，先把启用MCP开关打开，然后点击底部的新增，输入MCP配置内容，如下：

{
 "mcpServers": {
 "mysql-mcp-server": {
 "autoApprove": [],
 "disabled": false,
 "timeout": 60,
 "command": "node",
 "args": [
 "C:\Users\tntwl\Desktop\mysql-mcp-server-main\build\index.js"
 ], // 替换为实际路径
 "env": {
 "MYSQL_HOST": "localhost",
 "MYSQL_PORT": "3306",
 "MYSQL_USER": "root",
 "MYSQL_PASSWORD": "123456", // 替换为实际密码
 "MYSQL_DATABASE": "test"
 },
 "transportType": "stdio"
 }
 }
}

上面配置内容中，需要注意的是你刚才解压的MySQL MCP服务代码包，在你电脑上是什么路径，一比一替换过来。

现在填写的只是老马自己本地电脑的路径，要换成你的，然后就是下面的数据库信息，填写成你自己公司的数据库信息。

最后把上面的中文注释都删除掉，解析并继续，然后在下一步中滑动到最底部，把自动授权全部勾选上，如图：

这样子就配置好了，我们只需要在刚才添加的mysql-mcp-server的MCP工具右边，打开启动按钮，稍等即可启动成功。

启动成功后，你就可以在DeepChat的对话框里面看到目前已经启动的MCP工具，其中就有刚才你添加的。

这时你就可以用一句话发出指令，遨游于公司各个数据库，查询甚至于新增修改那些错综复杂的数据了。

提升工作效率的同时，也给公司的其它部门打通了所有的数据链路，这再结合一些其它的MCP工具，数字化到牙齿上了。

什么？你想看一下具体查询数据的使用效果？

安排，谁叫老马宠粉，必须演示到底。

由于老马没有现成的公司业务数据库，只能是临时搭建一个，再虚拟一些产品数据。

搭建的详细步骤就不讲了，简单介绍一下流程，有些方法工具以前的文章中也有涉及到的。

4、本地搭建Mysql数据库

首先老马在Docker上搭了一个Mysql的容器，启动了本地数据库服务，新增了一个test的数据库，如图：

然后让豆包给写一个SQL脚本，旨在创建一些虚拟的产品数据，插入到数据库的表中，如图：

接着用DBeaver连接上了本地的Mysql数据库，运行以上SQL脚本，实现了虚拟数据的成功创建插入，如图：

刚才上面添加MySQL MCP服务工具的时候，在MCP配置内容里面填写好数据库的相关信息，什么地址、端口、账号密码、数据库名啥的。

保证Docker的Mysql容器运行正常的情况下，待会AI助手调用MySQL MCP服务工具去查询数据库的时候，才能正常连接查询。

最后就是打开DeepChat，在对话框中输入提示词，如图：

发送过去后，本地搭建的大语言模型就咔咔一顿思考，调用MCP工具去查询Mysql数据库，整理完成用表格的形式回答出来，如图：

那么到此整个流程就跑完了，MCP工具还有很多很多的，思路就是这么个思路，结合不同的MCP工具，能满足的场景就更多了。

好了，以上就是今天的分享，有任何问题和需求可以留言，回见！