MCPHub是一款开源的MCP服务聚合平台，能将各类MCP服务（包括stdio、SSE、StreamableHTTP等）统一转换为SSE接口。它支持docker快速部署，提供分组管理、智能路由、日志追踪等功能，解决了MCP服务类型繁杂、安装困难的问题。通过内置的向量库和大模型，还能实现工具的智能匹配调用。该项目已在GitHub开源，为开发者提供了一种简化MCP集成的解决方案，大幅提升了AI应用开发

随着AI大模型的应用越来越广泛，模型应用部署的需求也越来越多，包括huggingface、ModelScope（又叫魔塔）都提供了相关的应用部署服务，这些服务以简单实用的功能，获得了很多用户的欢迎。本文在此就介绍下国内ModelScope创空间的使用。一、ModelScope是什么？ModelScope旨在打造下一代开源的模型即服务共享平台，为泛AI开发者提供灵活、易用、低成本的一站式模型服务产品

摘要： 本文深入探讨了MCP（模型上下文协议）的实际应用，重点解决了如何连接sse格式的MCPServer和使用Python连接多个MCPServer的问题。文章从MCP的基本概念入手，解释了Host、Client、Server三个核心组件的关系，并通过代码示例详细演示了如何创建SSE服务器、连接单个和多个MCPServer。对于多个MCPServer的场景，作者提出了将Client类拆分为Hos

本文介绍了AI编程工具ClaudeCode的安装和使用方法。ClaudeCode基于Anthropic公司的Claude大模型，采用命令行交互方式，具有优异的上下文记忆能力。文章详细说明了通过Node.js安装步骤，并推荐使用AnyRouter平台获取免费API密钥和代理地址。重点讲解了hooks功能的应用，如设置任务完成通知提醒，可显著提升开发效率。该工具为开发者提供了全新的AI编程体验，后续还

就是今天，做了一个功能，在一个弹出页面操作几个表的数据，形成一个临时DataTable，然后将它转换为XML，然后再return到父级页面父级页面，再将XML解析成DataTable再进行相关操作。      恶心随之而来，再讲XML转换为DataTable的时候，总是报错“根级别上的数据无效。 第 1 行,位置 1"，但是调试将xmlData参数直接写的时候，不出错！

随着大模型能力的不断提升，大模型应用已经逐步从提示词到RAG再到智能体Agent过渡。Agent属于大模型高阶应用，但是受限于模型能力（思考规划等），智能体的稳定性存在很大的考验。为了解决这个问题，一个方向是提高大模型能力，再一个方向是预先将智能体执行过程进行编排，即工作流。本文就是要介绍智能体工作流框架langgraph，如何通过langgraph实现一个不错的智能体应用。一、langgraph

虽然实现了多文件分块上传，但是每个页面用到上传都要写那么多代码，还是不爽啊，而且还要绑定文件列表，那就再封装一下吧，开发用起来也就简单了，把layui的uploader都给他屏蔽掉。有了前面的基础，那就继续走一波了。//上传控件function uploader() {this.option = null;}//上传控件初始化uploader.init = function (option) {/

本文介绍了AI编程工具ClaudeCode的安装和使用方法。ClaudeCode基于Anthropic公司的Claude大模型，采用命令行交互方式，具有优异的上下文记忆能力。文章详细说明了通过Node.js安装步骤，并推荐使用AnyRouter平台获取免费API密钥和代理地址。重点讲解了hooks功能的应用，如设置任务完成通知提醒，可显著提升开发效率。该工具为开发者提供了全新的AI编程体验，后续还

大模型应用相关涉及了一系列上下游过程，如算力GPU、模型训练、微调、大模型应用开发等。相关工具使用过程，有一些点就逐步记录下来，以备后续回看。

现在都开始AI应用开发，何谓AI应用，起码要和AI大模型结合，应用表现形式多是对话类，当然也可以是后台调用openapi的生成式。最典型的AI应用即最早一批的chat类应用，封装个Prompt实现助手类chat。但是AI大模型能力再强，还是存在短板的。比如功能缺失，不能进行网页检索、不能直接查询天气、甚至不能进行代码运行。再比如，知识缺失，没有大模型训练截止日期之后的知识、没有私有知识。