登录社区云,与社区用户共同成长
邀请您加入社区
本文介绍了MCP(模型上下文协议),旨在统一AI与外部工具之间的连接方式。MCP被喻为“AI世界的USB-C”,通过标准化AI自动发现和调用工具的流程,显著简化了智能体与各类服务的集成。其架构包含三大核心角色:Host(AI应用)、Client(通信层)和Server(执行服务),MCP允许AI在用户授权下自主发现并安全调用底层API。目前已有超过一万个公开Server,OpenAI、Google
Function Calling 是大模型原生的 API 能力:开发者预先定义工具函数信息后发送给模型,模型识别用户意图后,输出结构化调用指令。业务程序解析指令并执行对应工具,最后模型结合用户提问与工具返回结果,汇总生成最终答案。标准返回示例:// 要调用的工具函数名称// 函数所需入参:城市名称"arguments": {"city": "北京"}MCP(Model Context Protoc
ClaudeCode与NotebookLM的交互提供了开发文档查询的新方式,主要适用于需要频繁查阅文档的开发场景。NotebookLM通过每次重新分析文档确保答案准确性,而ClaudeCode则提供终端直接查询的便利。两者的组合实现了近似"长期记忆+执行力"的效果:NotebookLM作为结构化文档库存储项目知识,ClaudeCode则能在开发环境中快速调用这些信息并执行相关操
还在为AI Agent的数据来源发愁?自建爬虫面临反爬虫对抗、IP封禁、合规风险三大难题。 亮数据MCP × LlamaIndex 官方集成方案来了!只需20行代码,3分钟接入,即可获取Amazon等电商网站的结构化数据。无需处理代理池、验证码、动态渲染——企业级合规,拿来即用。
本文深入解析了Model Context Protocol (MCP) 的核心概念、架构设计及其在AI应用中的重要作用。
本文系统梳理了人工智能70年发展历程,分为四个阶段:理论萌芽期(1943-1956)、符号主义寒冬期(1957-1995)、机器学习复苏期(1996-2015)和大模型智能体爆发期(2016至今)。重点解析了当前AI四大核心组件:大模型(LLM)作为智能核心,智能体(Agent)负责自主执行,技能(Skill)实现具体操作,以及MCP协议提供标准化接口。文章还介绍了RAG、多模态AI、模型微调等新
本文深入解析了Cursor与GitHub MCP(Model Context Protocol)的底层协作机制,探讨了其技术架构、安全认证体系及性能优化策略。通过JSON-RPC 2.0协议和OAuth 2.0认证,实现了AI与代码仓库的高效交互,为开发者提供了全新的协作范式。
传统的 Java 后端开发主要处理业务逻辑,而在大模型时代,应用需要具备与 LLM 交互的能力。Spring AI 提供了统一的抽象层,而 MCP 则解决了模型与外部数据/工具连接的标准问题。通过 Spring AI 和 MCP 的结合,Java 开发者可以非常便捷地为大模型应用扩展外部能力。本文通过 CSDN 发布场景,展示了从配置到调用的完整流程,希望能为初学者提供清晰的入门指引。
本文围绕 R-Shell 开源项目展开,介绍它如何用 Rust 实现一个命令行 SSH 工作台,覆盖项目背景、核心功能、技术栈、运行方式、模块结构、命令用法、安全设计和实际使用场景。
把 GitNexus 接进 Codex:本地索引代码库后,如何用 cpolar 远程查看项目分析 Web UI? 代码库一大,AI 编程助手最容易翻车的地方不是不会写代码,而是看不完整个项目。它改了一个 Service,却漏掉调用链;它理解了一个文件,却没看见跨模块依赖。GitNexus 适合解决这个问题:先把仓库索引成代码知识图谱,再把这份上下文交给 Codex 这类编程助手使用。 这篇不写空泛
做跨境这几年, 我最大的感受是: 数据从来不是没有, 是"拉数据"本身把人累垮。打开十几个网页, 复制粘贴, 录 Excel, 再用聊天窗口问 AI, 一上午就过去了。后来我把整套流程压成了一个 Python 脚本加一个 n8n 调度,
本文介绍如何从零搭建一个本地 MCP Server,用于读取简历与职位描述(JD)。内容包括基于 McpServer 和 StdioServerTransport 创建服务,注册 get_resume 与 get_job_description 工具,实现本地文件读取;同时配置项目依赖、构建脚本与运行命令,并使用 MCP Inspector 完成连接与工具调用测试。文章覆盖开发、生产和测试阶段的关
MCP
——MCP
联系我们(工作时间:8:30-22:00)
400-660-0108 kefu@csdn.net