登录社区云，与社区用户共同成长
邀请您加入社区
Agent 基础设施层的收敛不是单点事件，而是三条线同时推进：执行与编排层独立成产品形态，协议层分成 MCP 与 A2A 两条互补轨道，技能层从本地文件夹走向基金会治理。这套结构的最大价值，是让“我要建的是哪一层、控制点归谁”第一次变得可以精确讨论；最大的风险，则是在许可证、信任标准与抽象层归属都未定的阶段过早押注。本文的判断中，事实、二手转述与推断是分开的：双 harness 开源、指挥中心类项
MCP的出现标志着AI应用从单纯的“聊天机器人”向真正的“自主智能体（Agent）”进化。它打破了数据孤岛，让模型有了“手”和“眼”。但正如所有新技术一样，机遇与风险并存。在享受便利的同时，构建零信任的安全架构将是未来的必修课。准备好为你的AI装上“USB-C”接口了吗？
让 AI 查论文时，应先得到可追溯记录而不是漂亮综述。本文提供 MCP 连接思路、检索提示与文献矩阵字段，明确元数据、摘要和全文证据的边界，并保留人工复核。
面向 WorkBuddy、TRAE、Codex、Claude Code、Cursor 等智能体，介绍 Vibe Monitor 的本地 MCP 架构观察、接入流程和使用边界。包含三个可直接使用的架构检查问题，并披露默认遥测与许可证范围。
💡 阅读提示：这是一篇接入实录，讲的是把 Sorftime 的 MCP 服务接进 Claude Code 的全过程——mcp.json 怎么写、调用链怎么走、报错怎么排。所有坑位都是我本地一步步踩出来的，代码片段做了脱敏，标注"
别再当 AI 的代码搬运工了！开源 WinCodex 通过 MCP 给 ChatGPT 接上 Windows 本地项目，读源码、改文件、跑测试，再审查与合入改动。无需模型 API Key，无需 Docker，支持多项目切换、独立副本和可选 Windows 原生隔离。
第1层群机器人只能发文本，零售场景店长要的是"一张能看的卡 + 补货按钮"。这篇从文本跨到富卡片：先讲清卡片1.0（lark_md）与2.0（markdown）协议差异，给出门店数据interactive card示例；再讲按钮回调怎么接——按钮value是最小状态通道，点下去回传sku由服务端再查；最后补生产必加的出站频控 + 指数退避重试（技术4.4）。三个坑：卡片回调地址没配、文本tag写反
AI Agent 竞争焦点转向工程化：技能化、记忆工程与 MCP 工具化的技术栈拆解在过去两周的开源生态观察中，一个不太显眼但方向一致的变化正在发生：GitHub 上最活跃的 AI 项目，越来越多地不是新的基础模型，而是围绕模型构建的工程组件——可复用的技能包、可持久化的记忆系统、可被标准化接入的工具调用层。2026 年第 36 周的趋势周报给出的判断是"AI 已经脱离单纯大模型、聊天机器人范畴，
本文介绍了如何通过LangGraph代理集成MCP（模型上下文协议）工具。MCP是一种开放协议，用于标准化语言模型的工具调用方式。通过安装langchain-mcp-adapters库，开发者可以创建能同时调用多个MCP服务器工具的代理。示例代码展示了如何配置数学计算（stdio模式）和天气查询（HTTP模式）两种MCP服务，并使用Deepseek模型构建反应式代理。执行过程包括启动MCP服务器、
MCP Inspector：AI开发者的“显微镜”，让你的MCP服务器无所遁形！
本文详细介绍如何在 Cursor 中配置自定义 MCP 服务器，并以一个实用的 AI Commit Message 生成器为例，展示完整的配置过程。
2025年，Cline官方推荐的10款MCP服务器覆盖了开发全流程，从代码管理到实时数据分析，甚至音乐创作，都能通过自然语言指令完成。二、Browser Tools MCP：Web调试的AI助手。一、GitHub MCP Server：代码管理的终极利器。四、Git Tools MCP：代码版本控制的自动化。六、Memo0 MCP：个性化编码偏好的AI教练。八、Supabase MCP：数据库的A
创建第1个MCP服务器实现数字9.11和9.8比大小
大模型技术正在重塑人工智能领域的格局。本路线面向希望系统掌握大模型核心技术的开发者/研究者，从数学基础到前沿应用构建完整知识体系，涵盖理论推导、工程实践与创新研究三大维度。
通过本文的示例，你已经掌握了使用 FastMCP 创建一个简单的 MCP 服务器的基本方法。FastMCP 的简洁性和灵活性使其成为开发 MCP 服务的理想选择。无论是开发 AI 工具集、企业知识库，还是其他复杂应用，FastMCP 都能为你提供强大的支持。如果你觉得这篇文章对你有所帮助，请！关注**公主号 **后可私信领取《MCP协议实战手册》和《智能工具开发案例集》！
从 2022 年 ChatGPT 引爆到 2026 年 Agent 基础设施化，本文 1.2 万字按时间线梳理近五年 AI 演进：Prompt、RAG、Function Calling、Tool、MCP、LangGraph、Orchestrator、A2A、Skills、AGENTS.md、Memory、Sandbox、Harness 一次讲透，8 张原创信息图 + 可运行代码示例，附全景时间线、
企业销售、库存、设备、补货系统对店长、区域经理这类非技术人员使用门槛高。本文基于 MCP Server开放业务系统、飞书作为入口，提出可落地三层接入模型并完成本机实测。第一层飞书机器人Webhook快速实现群通知；第二层自建应用绑定用户与门店身份；第三层事件订阅双向交互为核心，通过WebSocket接收@事件，调用MCP工具返回交互卡片。生产环境需补齐幂等、多实例分发与验签。梳理 5个真实踩坑点，
AI 对话模型天然不具备跨会话记忆能力，每次新会话都仿佛初次见面。Context 窗口只是临时便签，会话结束后内容即被丢弃，这导致项目背景需反复粘贴、知识碎片难以沉淀。为解决这一痛点，基于 Model Context Protocol（MCP）的 claude-mem 工具应运而生。它像一个外置记忆硬盘，通过标准化协议接入 Claude，在对话结束后自动提炼关键信息存入本地数据库，并在新会话中按需
Codex 配置 MCP 插件时，在 config.toml 的 mcp_servers 段声明服务并统一接入 TaoToken Key，可避免多插件凭据分散。本文给出可复制骨架、环境变量注入方式与验证步骤，插件名须用英文，通道地址统一为 https://taotoken.net/api ，配置改完需重启 Codex 生效。详见官网 https://taotoken.net/?utm_source
UE5.8实验性引入MCP服务器，支持Codex等客户端通过自然语言本地调用编辑器功能。本文测试其生成中国风建筑与交互门蓝图的效果：虽能完成基础建模与逻辑实现，但材质单一、生成耗时（约36分钟）、性能优化不足（如使用Tick而非Timeline），且token消耗高。受限于蓝图非纯文本结构，AI上下文理解与精准修改难度大，整体效率仍低于直接编写C++/Python代码。期待UE6进一步优化。
经实际测试，本地部署模型时，若使用 24G 显存，显卡可选择两张 M40 12g（价格约 500 元左右）。当然你有3090等卡更好。目前还在进一步测试，理论上安卓的so库逆向也可以用这个干，MCP动态调试的教程等有空研究了看看。我用的启动参数如下，依据个人需求改就行，弄不来的用ollama改下上下文也行，部署就不做过多教学了。把提示词丢给mcp客户端，再用ida打开对应的文件，插件中启用mcp，
本系列主要通过调用天气的mcp server查询天气这个例子来学习什么是mcp，以及怎么设计mcp。话不多说，我们开始吧。
摘要：mcp-voice-agent是一款基于Qwen3大模型和MCP协议的智能语音助手系统，实现了从"被动响应"到"主动决策"的突破。该系统能自动分析问题类型，智能选择数据源（Supabase数据库或Firecrawl网络搜索），完成从语音输入到自然语言输出的全流程处理。其模块化架构支持功能扩展，适用于订单查询、天气检索等多种场景。该项目已在GitHub开
工具输入风格沿用function calling。不同llm的风格不一样。可能是忘了同步pyproject.toml，同步一下。同步pyproject.toml的文件。pyproject.toml改为。里看它们的工具输入格式信息。构建项目和uv构建环境。
跨时钟域处理解析（三）（Clock Domain Crossing (CDC) Design & Verification Techniques Using SystemVerilog）
本文详细介绍了如何使用LangGraph的create_react_agent构建智能决策中枢，实现DeepSeek模型的多工具协同管理。通过实战案例展示了如何集成异构MCP服务，优化工具调用流程，并提升AI代理的多线程处理能力。文章还提供了性能优化和自定义扩展的实用技巧，帮助开发者高效构建复杂的AI工作流。
Cursor安全评审智能体上线前，把MCP endpoint统一收敛到TaoToken是关键一步。本文给出可复制的mcp.json配置片段，用环境变量注入Key，并附curl验证与401、local proxy failed等报错排查清单，让agents调用留痕可审计。详见TaoToken官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_
在实时渲染与游戏开发领域，VFX特效制作正从手动调参向智能化演进。MCP（模型上下文协议）作为AI与外部工具之间的通用通信协议，提供了一种让自然语言控制复杂粒子的安全可能。通过为Niagara参数建立语义别名，并将修改操作封装为独立工具，AI Agent能准确读取场景状态、调用接口、完成数值调整，大幅压缩“调参—预览—再调参”的循环周期。该方案在子弹火花、车祸破碎、金属弯曲、僵尸潮等高频特效场景中
实测扣子空间MCP智能体接入TaoToken：先创建API Key，再在mcp_settings.json填入Base URL与模型ID，即可让Agent调用外部模型。附401、local proxy failed等报错排查，官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 可查文档。
2026 年 9 月 30 日，一款名为 universal-modder 的 Claude Code 插件在 GitHub 上线，仅 5 天斩获 2,447 Star、198 Fork。它将游戏模组制作的全流程——引擎识别、逆向工程、资源生成、游戏内测试、展示视频录制——封装为一套可被 AI Agent 自动执行的标准化工作流。与此同时，AI 生成模组的浪潮正在引发资深模组制作者的集体不满和游戏
在 Unity 里用 funplay-unity-mcp 让 AI 直接改场景：装好插件后启动本地 MCP Server，把 Claude Code、Cursor、Codex 接上 127.0.0.1:8765，再用 execute_code 让 AI 生成 6 个 Cube 并支持 Ctrl+Z 撤销。模型访问可用 TaoToken，Base URL 填 https://taotoken.net
在 ModelScope 魔搭社区跑通 MCP 服务后，本地工具链常因 Key 与通道分散而鉴权失败。本文给出可复制的 config.toml 骨架与 CC Switch、Cline 的 settings.json 示例，用 TaoToken 统一 Key 与 API 通道收敛模型出口，并附连通性验证与 401、超时、model not found 等报错排查步骤。详见 https://taoto
数字孪生不是三维可视化，而是物理世界与虚拟空间之间的高保真、低延迟、可编程映射。其核心在于状态管理——如何将PLC信号、WMS指令、IoT数据精准转化为三维模型的动态响应。MCP（Model Control Protocol）作为类HTTP语义的开源控制协议，定义了可寻址资源路径、状态机驱动响应、双向事件通道与安全上下文透传四大机制，使三维模型真正具备‘感知-决策-反馈’能力；而Blender通过
时代真的变了：AI 已经可以直接读取和分析 SAP 代码了。这篇文章把 MCP + ADT 的连接原理和配置步骤完整梳理了一遍，感兴趣的 SAP 开发和顾问可以试试。
手把手把 Spring AI MCP Server 从 SSE + Redis 会话改造成无状态 Streamable HTTP：4 步迁移、5 个实跑踩坑、顺手揪出的安全问题——业务工具代码基本零改动。
在1Panel中用容器名做DNS，把Nacos 3.2.2、Ollama、vLLM与MCP网关接入同一自定义网桥，MCP自动注册进Nacos，客户端经TaoToken统一Key调用多模型。含面板与命令行两种部署方式及常见排错，官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 。
AI编程助手正从代码补全向自主Agent演进。以Claude Code为代表的终端Agent能通过模型上下文协议（MCP）调用构建、调试工具，借助Skill定义标准作业流程，并结合CLAUDE.md记忆项目约定，从而在真实工程中完成从代码生成到构建排错的闭环。在鸿蒙开发领域，开发者常使用DevEco Studio的AI辅助模式，但面对跨文件改造、批量重构等任务时显得力不从心。本文实践了一套能力对等
AI Agent的自动化能力常常受限于工具接入的繁琐流程。模型上下文协议（MCP）的出现，将模型与外部工具之间的通信标准化，如同为AI世界提供通用USB接口，使工具接入变得可插拔、可复用。MCP不仅简化了工具发现与调用，更让Agent具备自主配置环境、读写文件、执行命令、验证结果等工程化能力。在自动化测试、服务巡检、配置生成等场景中，基于MCP构建的智能工作流，能让AI在统一规范下完成从感知到执行
MCP（Model Control Protocol）是大模型调用外部工具的标准化协议，其核心在于定义清晰的工具契约与通信机制。理解MCP需从协议分层入手：版本规范、能力声明（tools/resources）、JSON Schema参数校验及STDIO/HTTP等传输方式选择。其中STDIO模式因无需端口、证书或跨域配置，成为本地开发最轻量可靠的通信方案。豆包作为支持MCP的消费级AI，可自动生成
通过谢飞机的面试经历，探讨在大厂业务场景下如何从传统开发向AI Agent开发转型，并提供详尽的技术解析。如果我们要在企业内部搭建一个“智能物流助手”，基于Spring AI框架，结合RAG（检索增强生成）技术和MCP（模型上下文协议），你会如何设计这个Agent的复杂工作流？（眉头紧锁）：Agentic RAG中的语义检索和向量化（Embedding）过程，如果不经过重排序（Rerank），效果
本文通过一场“搞笑又真实”的面试，串联起Java工程师从传统开发到AI时代的完整技术图谱。扎实掌握Spring Boot、微服务、缓存、MQ等核心技能理解分布式系统的设计思想（解耦、幂等、最终一致性）积极拥抱AI新技术，理解RAG、Agent、MCP等概念的实际应用场景只有不断学习，才能在技术浪潮中立于不败之地！作者：战五渣（伪）实际水平：正在努力摆脱战五渣。
本文详细介绍了如何利用Dify 1.6.0平台与魔搭MCP广场服务，5步打造全能AI生活助手。涵盖高德地图、Tavily等MCP服务配置避坑指南，以及Chatflow工作流构建、测试优化和高级功能扩展，帮助开发者快速实现智能出行规划、美食推荐等实用功能。
本文详细介绍了如何利用Cursor编辑器与MCP协议搭建Blender自动化工作流。通过配置MCP服务器，用户可使用自然语言指令驱动Blender的Python API，实现3D物体的自动创建与编辑，从而将重复性操作转化为高效、意图驱动的创作过程，特别适合新手、批量任务处理者及AI+3D探索者。
stock-scanner-mcp 是对项目的 stock-scanner 的二次开发，向原作者致敬~
Qwen3是阿里巴巴Qwen团队最新发布的开源大语言模型，提供具有竞争力的性能，高度模块化和工具使用能力。在本指南中，我将向您展示如何通过Ollama在本地运行Qwen3，并启用MCP（模型上下文协议）工具功能，如代码解释器、网络获取和时间查询。到最后，您可以构建由Qwen3驱动的智能助手，完全在您的机器上运行——无需云API密钥
企业选型ERP需关注MCP协议，它作为AI与系统的通用接口，实现权限内数据调用与操作。缺乏MCP将导致AI无法接入，数据靠人工搬运，未来集成成本增加。SAP、Oracle、金蝶、万达宝等已支持，MCP成为系统能力关键指标。
小智AI语音助手跑起来之后，怎么让它控制灯、舵机这些GPIO外设？本文基于小智AI开源固件（MIT协议、ESP-IDF 5.4+），讲透MCP协议让AI语音助手控制硬件的原理与实战：设备端用AddTool注册工具、后台用tools/list与tools/call发现和调用、以及“对小智说开灯”的完整链路与源码级避坑清单，适合给小智AI加硬件控制能力的嵌入式开发者。
适合人群：经常要把 PDF、Word、PPT、Excel 丢给 ChatGPT / Claude / Gemini 分析，却遇到格式错乱、表格变形、文件太大传不上去的同学。只需要会安装 Python 和复制命令。本文保姆级讲解微软开源 MarkItDown 一键转换。
本文通过 Python 标准库实测 MCP 的 MRTR 多轮请求机制，展示工具执行中如何通过两次 POST 向用户请求确认并继续处理。文章解析 `input_required`、`inputRequests`、`inputResponses` 与 `requestState` 的作用，覆盖空答案、明确拒绝和确认通过等路径，并提醒生产实现需保护状态锚、每轮重新校验权限。
用户可以说“盯着这个文档的新评论，如果有人要求改发布时间就提醒我”，ChatGPT 据此选择事件、构造过滤条件、创建订阅，并把收到的事件带回原来的工作上下文。对于需要持续观察的 Agent，这种差别很重要，因为真正昂贵的不是一次 HTTP 请求，而是每次唤醒后可能发生的上下文恢复、模型推理、工具发现和后续工具调用。假设事件 101、102、103 已生成，服务端把 cursor 先写到 103，然
MCP
——MCP
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
openEuler 社区
DAMO开发者矩阵
AtomGit AI 社区
2048 AI社区
乐奇 Rokid 开放社区
人工智能6S服务平台
AI硬件创业社区
