登录社区云,与社区用户共同成长
邀请您加入社区
还在为多个AI工具各干各的、上下文断裂而抓狂?🤯 这个开源项目holaOS,像Docker之于应用一样,为Claude Code、Codex等Agent打造了统一“操作系统”——共享记忆与文件,让散落的智能真正协同成网。想告别“人肉消息队列”?这篇深度评测带你一文看懂它的破局之道!🚀
# 多智能体操作系统时代来临:从AgenticOS看AI Agent底层架构设计与实战> **导读**:2026年7月,荣耀在WAIC 2026上正式发布行业首个系统级Agent架构操作系统AgenticOS,标志着AI从"应用为中心"向"意图为中心"的范式转移。本文从底层架构视角,深度剖析多智
想知道如何让 AI 突破沙盒限制,直接操控你的电脑吗?本文深度解析 DesktopCommanderMCP,揭秘它如何利用 MCP 协议赋予模型文件管理与终端执行能力 🚀。带你打破系统隔阂,让 AI 从“只读助手”进化为真正的桌面掌控者!
MCP 即 Model Context Protocol,是一种模型上下文协议,用于统一管理和调用各种模型及外部工具。它帮助开发者通过标准接口,无缝连接 AI 模型和各种辅助工具,极大地简化了复杂应用的开发。ChatClient:负责处理和发送聊天请求,是与 AI 模型交互的入口。MCP Client:基于 MCP 协议的客户端,负责调用和管理外部工具,为应用提供工具调用接口。MCP Server
工具开发效率调试便利性生产就绪度适用场景Python SDK★★★★★★★★☆☆★★★★☆后端起家、数据科学项目★★★★☆★★★☆☆★★★★★全栈团队、Node.js 生态★★★★★★★★★★★★★☆☆开发调试、演示★★★★★★☆☆☆☆★★★★☆终端用户直接使用、低代码 AI 应用社区服务器★★★★☆★★★☆☆★★★★☆快速复用已有能力,降低开发成本是搭建定制化工具的基础。是开发阶段不可或缺的调测
模型上下文协议 (Model Context Protocol,简称MCP),它是干什么用的呢。文档中有详细的概念的叙述,我们就不那么详细了,这里就直白些。像我们之前去编写我们的LangChain代码时,每次新开一个项目时就需要把原来的工具重新写一遍,非常麻烦(可以复制粘贴也很麻烦)。有没有什么办法,我们直接部署一个服务,然后让本地的LangChain应用通过我们给定的服务器地址调用服务,像调工具
本文澄清了关于MCP协议与Function Calling的常见误解,指出二者并非替代关系而是互补关系。Function Calling是大模型选择外部工具的能力,作用于模型API层;MCP则标准化服务器与外部工具的交互,作用于执行层。通过一个Python项目演示了二者如何协同工作:模型通过Function Calling选择工具后,服务器通过MCP协议实际调用工具。文章强调二者属于不同抽象层级的
用 Python 快速搭建 MCP 服务器接入 大模型(案例+源码)
【ClaudeCode终极配置指南】作者分享三个月深度使用经验,提炼出一套高效配置方案:1)部署6个专用MCP服务器,涵盖视频分析/浏览器自动化/图片处理等场景;2)集成17个高频开发技能包;3)通过RTKToken优化器减少70%冗余消耗,月费用从200元降至50元;4)接入DeepSeekV4模型降低成本。该方案将配置时间从7天压缩至5分钟,性能提升10倍。适合已熟悉基础功能的进阶用户,配置详
实战搭建一个本地 MCP 工具服务器:限制文件搜索目录、SQLite 只读白名单查询和 token 鉴权,再用 cpolar 做临时 HTTPS 远程联调,重点讲清楚安全边界和发布前验收。
随着大语言模型(LLM)能力的持续突破,如何让模型安全、高效地访问外部数据源和执行真实操作,已成为AI落地的核心挑战。模型上下文协议(Model Context Protocol,MCP)应运而生——它由Anthropic发起,旨在为AI应用提供统一的、可扩展的集成接口。本文将从技术原理、架构设计、生态布局三个维度,对MCP进行全景式剖析,并系统介绍当前最具代表性的MCP服务器。
MCP 的官方定义是:一种开放协议,用于标准化大型语言模型与外部服务之间的交互。它类似于“AI 世界的 USB-C 接口”——只要硬件支持该接口,任何设备都能即插即用。在 MCP 出现之前,每个 LLM 平台(OpenAI、Cohere、Anthropic)都有自己的一套函数调用格式,工具开发者需要为不同平台编写不同的适配代码。MCP 采用客户端-服务器架构MCP Host:AI 应用本身,例如
中,客户端验证服务器的证书,确保连接到了正确的服务器。其核心思想是:每个授权决策都应该基于当前请求的最直接、最相关的信息,而不是基于预先分配的静态角色。第一,永不信任,始终验证。权限应该是短暂的、动态的,而不是长期的、静态的。网关在接收连接时,会验证客户端证书的签名、有效期、吊销状态。使用属性为基础的访问控制、动态令牌、即时授权,实现细粒度的权限管理。体系中的零信任需要在多个层次上实现:传输层需要
MCP(Model Context Protocol)是Anthropic于2024年11月发布的开放协议标准,旨在标准化AI模型与外部数据源及工具的连接方式。该协议解决了传统AI工具集成中接口不统一、开发维护成本高等痛点,通过客户端-服务器架构实现跨平台工具调用。MCP支持多种传输协议,提供从工具发现到执行的完整生命周期管理,已被Claude Desktop、VS Code等主流开发工具集成,形
名称:唯一标识,如描述:自然语言说明,模型会依据描述决定何时调用输入参数:JSON Schema 定义,包含参数名、类型、是否必填等执行逻辑:具体的业务代码,返回字符串或结构化数据清楚了这些之后,我们立刻开始实战。通过本文,我们完整地走过了从概念到代码的 MCP 插件开发流程。MCP 的客户端-服务器架构及 stdio、SSE 两种传输方式使用 FastMCP 定义工具、资源和异步处理用 MCP
调用的完整信息,包括调用者、目标、参数、结果、耗时。认证、授权、审计、限流、审批等横切关注点可以在网关层统一配置。但有一点是确定的:标准化的协议、可治理的行为、可观测的系统、智能化的治理,将是。它不是传统意义上的操作系统内核,而是运行在现有操作系统之上的一个平台层。它的成功不仅取决于技术设计,更取决于生态的繁荣和社区的治理。传统的应用开发需要编写大量代码:业务逻辑、数据访问、认证授权、错误处理。不
回顾这个系列的第一篇文章,我们提出了一个历史规律:每当一个技术领域的执行主体变得多样且动态时,该领域的调用边界上必然会诞生一个统一的协议层。认证、授权、审计、限流、审批、调用追踪,这些能力不是事后添加的附加品,而是协议层的内置功能。要成为真正的操作系统层,仍然面临几个重大挑战:标准的治理和演进、与现有生态的兼容、性能开销、开发者教育和采纳。运行在不同的环境中,使用不同的协议,有不同的认证方式。接口
MCP统一大语言模型与外部工具的交互方式。Agent Skills通过分层加载机制优化上下文管理。而Harness作为操作系统为模型提供结构化运行环境。
文章摘要:本文分析了ABAP MCP Server在VS Code和Eclipse中的不同实现。VS Code版ADT已集成官方MCP Server功能,支持AI代理通过Model Context Protocol调用ABAP开发工具链,实现代码补全、调试、ATC检查等能力。MCP作为中间层协议,连接AI代理与ABAP系统,而非替代SAP服务器或AI模型本身。Eclipse ADT当前仅预置MCP
MXC解决的问题很明确:AI Agent需要执行代码和调用工具,但不应该有无限制的系统访问权限。目前这个项目还是alpha阶段,API会变,策略可能过于宽松,macOS和Windows的部分功能还没补齐。但整体方向对路——用声明式策略 + 操作系统级隔离来管控Agent行为,比在应用层做权限检查靠谱得多。如果你在做Agent相关的开发,建议现在就开始跟进这个项目,至少把SDK跑起来试试。等到需要上
本文介绍了在移动端UI设计课程作业中,作者通过对比测试Figma、Axure、墨刀等主流设计工具后,最终选用Pixso作为解决方案。文章详细说明了Pixso客户端配置MCP服务器的步骤,包括创建设计文件、获取URL链接等关键操作。同时介绍了在VSCode中配置GCMP插件接入国产大模型的方法,以及如何通过提示词让AI生成前端代码的实用技巧。作者实测表明,该方法能显著提升设计效率,虽然生成标签需要微
本文介绍了如何搭建本地MCP服务,通过Node.js调用云端AI模型。主要内容包括:1)购买讯飞星辰Coding Plan套餐(首月3.9元不限量);2)配置本地Node环境,创建package.json和stdio.js文件;3)实现调用云端AI模型的接口,支持OpenAI和Anthropic兼容接口;4)启动MCP服务器通过标准输入输出与客户端通信。该方案可用于代码审核、单元测试等技术场景,利
本文介绍了如何在Flask+LangChain聊天应用中集成MCP协议实现天气查询功能。主要内容包括:1)创建独立的天气MCP服务器进程,通过wttr.in API获取实时天气数据;2)开发MCP客户端管理器,解决异步MCP SDK与同步Flask框架的兼容问题;3)将MCP工具集成到LangChain Agent中,实现自动识别天气问题并调用工具。该系统采用标准化协议设计,只需简单配置即可扩展新
本文介绍了Chrome DevTools MCP协议,这是一种让AI编程助手(如Claude、Cursor、Copilot)能够直接操控浏览器的革命性技术。MCP协议作为AI与工具间的标准化桥梁,通过JSON-RPC 2.0实现通信,包含Tools(可调用函数)、Resources(可读数据源)和Prompts(提示词模板)三大核心原语。Chrome DevTools MCP服务器将43种浏览器调
2026年,AI应用开发已经从"能不能做"进化到"怎么做得好"。快手的AI应用开发岗位,面试题目不再是概念背诵,而是你真的用过这些技术吗?遇到过什么问题?怎么解决的?RAG系统:优势、局限性、技术难题Agent运维:部署指标、生产事故排查MCP协议:跨平台兼容、服务器开发、工具接入框架选型:Agent开发框架对比、迁移策略数据库与微调:PostgreSQL、LoRA、Docker部署每个答案都不是
本文介绍了通过 pi-mcp-adapter(Pi 的社区 MCP 扩展)和一个 .mcp.json 文件指导如何将它们连接在一起。Pi 连接到的端点与 Claude Desktop、Cursor 和其他 MCP 客户端使用的相同;相同的 JSON 代码片段可以在它们之间共享。
这篇文章将讨论如何通过运行时支持的两种集成表面将Scrapeless连接到ZeroClaw:Scrapeless MCP服务器(向代理公开新工具的标准方式)和Scrapeless OpenClaw技能(代理加载的标准知识文件,以有效驱动这些工具)。两者相辅相成——MCP服务器是代理调用的内容;技能是告知它何时以及如何调用底层Scrapeless API的内容。对于通过其他客户端公开的相同Scrap
OpenCode 通过模型上下文协议(MCP)支持对接本地和远程工具服务。MCP 服务器在配置文件中定义,分为本地(命令行)和远程(HTTP)两种类型,支持 OAuth 认证和自定义请求头。使用时需注意工具调用会占用上下文窗口,建议仅启用必要服务以避免配额耗尽。配置灵活,可覆盖组织默认设置,并提供调试命令排查连接问题。通过精细控制工具启用状态,实现高效集成外部功能。
最近跟几个做AI应用的朋友聊天,发现大家都有同一个痛点:大模型能力确实强,但一到"动手"就歇菜。你让GPT帮你查个数据库?它只能给你写SQL,执行还得你自己来。你让它帮你发个邮件?它只能给你草稿,发送还得你自己点。说真的,这个问题困扰了我挺久。直到我开始用MCP(Model Context Protocol),才感觉事情开始变得不一样了。今天这篇文章,我就从零开始,手把手带你搭一个MCP工具服务器
KV Cache 把前面所有 token 的 K 和 V 矩阵缓存在 GPU 显存里,每次新 token 只算自己的 Q、K、V,然后跟缓存的 K/V 做 attention,把总计算量从 O(N³) 降到 O(N²)。如果两个请求的 Prompt 前缀完全相同(比如都用同样的 System Prompt),第一个请求算完的 KV Cache 在 API 服务器上保留下来,第二个请求遇到相同前缀直
Model Context Protocol (MCP) 是 Anthropic 推出的 AI 工具集成开放标准,让 LLM 能像 USB 一样即插即用地接入外部工具和数据源。本文从原理出发,通过完整的 MCP Server 和 Client 代码示例,手把手教你构建第一个 MCP 服务器、连接数据库、暴露 REST API,并部署到生产环境。
Anthropic 2026年发布 Claude Agent SDK,让开发者用 Python/TypeScript 构建具备工具调用、子Agent编排、MCP服务器集成能力的AI Agent。本文从零开始,通过完整代码示例带你掌握 Agent SDK 的核心概念:工具定义、钩子机制、子Agent、会话管理,以及生产环境部署的最佳实践。
本帖介绍如何使用Scrapeless MCP Server与任何支持MCP的客户端——Claude Desktop、Claude Code、Cursor、OpenAI Codex CLI、Gemini CLI或根据MCP TypeScript SDK构建的自定义客户端——端到端地爬取谷歌地图。服务器将Scrapeless Scraping Browser——一个准备好的云浏览器——包装成一组MC
FastMCP是一个Python框架,用于快速搭建MCP(模型上下文协议)服务器和客户端,让大模型能够安全、规范地调用外部工具和获取数据。它通过简单的装饰器语法(@mcp.tool和@mcp.resource)将普通Python函数转化为大模型可用的工具和数据资源,自动处理协议封装、类型验证和网络通信。开发者无需了解复杂协议细节,只需编写常规Python函数并添加类型注解和文档字符串,就能让大模型
MCP应用是在MCP主机(如Claude桌面端)内直接渲染的交互式UI解决方案。它突破了纯文本交互的局限,允许服务器返回HTML界面(数据可视化、表单、仪表盘等),实现深度交互体验。相比独立网页应用,MCP应用具有四大优势:1)保持对话上下文;2)支持双向数据流;3)无缝集成主机功能;4)严格的沙盒安全机制。适用于复杂数据探索、多选项配置、富媒体展示等场景。开发者可使用任意前端框架或原生JS构建,
MCP应用扩展提案(SEP-1865)正式发布,旨在为模型上下文协议(MCP)建立交互式用户界面的标准化支持。该提案由OpenAI、Anthropic和MCP-UI社区共同开发,解决了服务器与主机间交付交互界面的关键需求。扩展引入了声明UI资源的标准化模式,支持HTML内容在沙盒iframe中渲染,并通过MCPJSON-RPC协议实现双向通信。提案采用安全优先设计,包含沙盒隔离、模板预审等防护措施
摘要: Claude通过技能(Skills)与模型上下文协议(MCP)服务器的结合,实现了跨平台工具的高效协同。MCP负责标准化连接外部系统(如Notion、GitHub),技能则提供领域知识和工作流逻辑,指导Claude如何利用这些连接。例如,会议准备技能可自动整合项目文档、历史记录和利益相关者信息,生成标准化会前材料;金融分析技能能自动拉取实时市场数据并应用估值模型。二者的分工明确:MCP解决
模型上下文协议(MCP)MCP作为一种协议提供通用层。智能体通过标准化认证、发现和丰富语义,连接到暴露您系统能力的服务器。一个远程服务器即可覆盖任何部署环境中的兼容客户端(Claude、ChatGPT、Cursor、VS Code等)。它需要稍多些的前期投入,但回报是可移植的集成方案,并为功能丰富的智能体集成提供所需的语义支持。
直接API集成:无需实现MCP客户端即可连接MCP服务器工具调用支持:通过消息API访问MCP工具灵活的工具配置:启用所有工具、允许特定工具或禁止不需要的工具单工具配置:使用自定义设置单独配置每个工具OAuth认证:支持通过OAuth Bearer令牌连接认证服务器多服务器支持:在单个请求中连接多个MCP服务器
Claude Code 可通过开源人工智能工具集成标准——模型上下文协议(MCP)连接数百种外部工具与数据源。MCP服务器使Claude Code能够访问您的工具、数据库及API接口。当您需要从问题追踪系统或监控仪表盘等其他工具向聊天窗口复制数据时,可直接连接服务器。建立连接后,Claude便能直接读取操作系统并执行操作,而无需依赖您粘贴的内容。
模型上下文协议(MCP)是连接AI智能体与外部系统的开放标准。传统上,将智能体与工具和数据连接需要为每个配对进行定制集成,这会导致系统碎片化和重复劳动,使得真正互联的系统难以扩展。MCP提供了通用协议——开发者只需在智能体中实现一次MCP,即可解锁整个集成生态系统。自2024年11月推出MCP以来,其采用速度惊人:社区已构建数千个MCP服务器,所有主流编程语言都提供了SDK支持,该协议已成为行业连
MCP模型上下文协议(MCP)是一个标准化的人工智能应用架构框架,它通过客户端-服务器模式实现AI系统与外部数据源、工具和服务的高效交互。MCP解决了LLM与外部世界隔绝的问题,避免了为每个数据源单独开发工具的工作量。其核心架构包括:MCP主机、客户端和服务器,其中服务器将工具、资源和提示词封装为标准能力供客户端调用。MCP协议底层包含基于JSON-RPC的消息规范和多种传输方式(如stdio和H
MultiServerMCPClient通过Callbacks类型支持三种服务端到客户端的交互机制:进度报告(on_progress)、日志回传(on_logging_message)和信息征询(on_elicitation)。这些回调会被转换为MCP规范的标准格式。进度报告通过ProgressCallback协议实时显示任务进度,日志回传通过LoggingMessageCallback处理服务端
在MCP架构中,Session是客户端与服务器之间建立的逻辑连接上下文。如果把传输层(Stdio, SSE, WebSocket)比作**电话线**,那么Session就是在这条线上进行的一次完整**通话**。
就MCP涉及的消息交换模式来说,既有从客户端到服务端的请求,比如原语(或者组件)的读取与工具的执行;也有从服务器到客户端的请求与通知,比如日志传递、进度报告、LLM采样和信息征询(Elicitation)等,所以MCP的传输层必需支持双向通信。我们知道FastMCP提供了四种传输协议:In-Memory、STDIO、SSE和Streamable-HTTP,其中In-Memory是为自家客户端设计的
本文介绍了如何使用MCP Inspector测试工具和SpringBoot构建MCP服务器。
从通信或者消息交换模式来看,前面涉及的都是从客户端发送请求到服务器并得到对应的响应,这是典型的从客户端到服务器的请求/响应模式,接下来我们介绍两种从服务器向客户端的反向通信模式。
作为一个MCP服务器,FastMCP在底层需要建立一个面向传输(STDIO、SSE和Streamable-HTTP)的服务器用于建立和维护于客户端的连接,并在此基础上完成与客户端的消息交互。具体的消息交互具有如下几种模式