本文介绍了使用Java技术栈构建MCP(Message Control Protocol)服务的方法。实现了通过LLM使用MCP完成数据库智能对话助手。

Dify v1.6.0版本新增双向MCP支持，实现AI系统与外部服务的无缝集成。MCP（模型上下文协议）作为标准化接口，简化了AI代理与外部服务器的连接方式。用户既可将任意MCP服务集成到Dify作为工具使用，也能将Dify应用发布为MCP服务供其他系统调用。本文详细演示了高德地图MCP服务的配置过程，并构建智能出行规划助手应用案例，展示路线规划、实时路况等功能的调用流程。同时介绍了如何将Dify

Neo4j是一个高性能的，基于java开发的，NOSQL图形数据库，它将结构化数据存储在网络上而不是表中；它是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎。Neo4j分为企业版和社区版，企业版可以创建多个数据库，链接多个数据库，但是收费……；社区版只能链接一个数据库，所以社区版不支持创建数据库命令。Neo4j部署后默认创建名字为 neo4j 的数据库，可以直接链接这个数据库。

Quasar搭建教程初体验

GPU服务器本地搭建Dify+xinference实现大模型应用

如上图，直接新建一个项目，采用默认模版，取名“TestMySQL”。如下，在server下新建database目录和sql.js 文件~右键点击根目录，点击“使用命令行窗口打开所在目录”。记得换成自己的数据库~

LangChain-Chatchat (原 Langchain-ChatGLM)基于 ChatGLM 等大语言模型与 Langchain 等应用框架实现，开源、可离线部署的 RAG 与 Agent 应用项目。一种利用langchain思想实现的基于本地知识库的问答应用，目标期望建立一套对中文场景与开源模型支持友好、可离线运行的知识库问答解决方案。

LangChain就是一个 LLM 编程框架，你想开发一个基于 LLM 应用，需要什么组件它都有，直接使用就行；甚至针对常规的应用流程，它利用链(LangChain中Chain的由来)这个概念已经内置标准化方案了。LangChain是一个用于开发由语言模型提供支持的应用程序的框架。数据感知：将语言模型连接到其他数据源具有代理性质：允许语言模型与其环境交互

ubuntu离线安装docker及nvidia-container-toolkit

去node_modules里找到tailwindcss，把preflight.css拷贝一份放在项目中公共样式文件夹下，然后把影响到button的部分注释掉。打开F12查看按钮样式，发现是被Tailiwind的样式覆盖了，Tailwind采用的是属性选择器的方式来设置样式。el-button按钮在没有设置plain的情况下背景透明了，文字颜色也不对。拷贝到项目styles文件夹下并注释掉butto