Записал демонстрацию настройки Cherry Studio с DeepSeek и MCP Онто. Формально это видео про подключение инструментов: скачать Cherry Studio, создать API-ключ DeepSeek, создать API-ключ Онто и добавить MCP-сервер. Но по смыслу мне было важнее показать не настройку ради настройки, а переход от обычного чата с моделью к агенту, который может войти в рабочую среду и начать действовать по её правилам.

В демонстрации я специально начинаю с пустого пространства в Онто. Там нет заранее подготовленной базы знаний, красивой витрины или спрятанной модели. После подключения DeepSeek в Cherry Studio и MCP Онто я первым запросом прошу агента не выполнять задачу, а сначала научиться работать с Онто. Он читает инструкции через MCP-инструменты about_onto и how_to_use_onto_mcp, понимает доступные действия, ограничения и только потом переходит к работе.

В качестве примера я взял максимально нейтральную и понятную предметную область — Солнечную систему. Не бизнес-процесс, не разработку, не корпоративную аналитику, а простую модель: Солнце, планеты, спутники, группы объектов и связи между ними. На таком примере хорошо видно главное: агент не просто генерирует текст “из головы”, а помогает собрать модель в пустом пространстве, создать объекты, связать их между собой и потом использовать эту структуру для объяснений.

Для меня это важный сдвиг. AI-агент становится полезнее не тогда, когда он красиво отвечает в чате, а когда он умеет работать внутри связанного контекста. Cherry Studio в этой связке выступает как рабочее место, DeepSeek — как модель рассуждения, MCP — как канал к инструментам, а Онто — как пространство объектов, связей и смысла.

Ссылки из видео:

Cherry Studio:
https://cherryai.com/download

DeepSeek API key:
https://platform.deepseek.com/api_keys

API key Онто:
https://app.ontonet.ru/ru/account

Видео:
https://rutube.ru/video/109aaa1073e192128823bdf642b69424/


#Онто #CherryStudio #DeepSeek #MCP #AIагенты #онтологии #KnowledgeGraph