MCP极简入门:大模型与外部工具交互详解!

【AI】MCP协议详解与应用实践 MCP(Model Context Protocol)是由Anthropic推出的开放标准协议,旨在连接AI模型与外部工具、数据和系统,扩展AI功能并提升其准确性。MCP的核心价值包括功能扩展、自动化工作流、定制化能力和数据隐私保护。MCP服务器类型涵盖浏览器自动化、代码开发工具、数据库访问、文件系统操作、通讯工具和搜索引擎等。配置MCP服务需安装Python 3.8+、UV包管理工具和MCP SDK,并通过mcp_config.yaml文件进行基本配置。在Cursor编辑器中,用户可以添加和管理MCP服务 阅读详情

一、MCP服务器概念介绍

根据MCP协议定义,Server可以提供三种类型的标准能力,Resources、Tools、Prompts,每个Server可同时提供者三种类型能力或其中一种。

  • Resources:资源,类似于文件数据读取,可以是文件资源或是API响应返回的内容。
  • Tools:工具,第三方服务、功能函数,通过此可控制LLM可调用哪些函数。
  • Prompts:提示词,为用户预先定义好的完成特定任务的模板。

核心服务器功能

服务器通过以下三个构建模块提供功能:

功能说明示例控制方
工具(Tools)你的 LLM(大语言模型)可以主动调用的函数,它会根据用户请求决定何时使用这些工具。工具可以写入数据库、调用外部 API、修改文件或触发其他逻辑。搜索航班 发送消息 创建日历事件模型控制
资源(Resources)提供只读信息的数据源,为上下文提供被动数据,例如文件内容、数据库结构或 API 文档。获取文档 访问知识库 读取日历应用控制
提示(Prompts)预设的指令模板,告诉模型如何使用特定的工具和资源来执行任务。规划一次假期 总结我的会议 起草一封邮件用户控制

常见示例包括:用于文档访问的文件系统服务器、用于数据查询的数据库服务器、用于代码管理的 GitHub 服务器、用于团队沟通的 Slack 服务器,以及用于日程安排管理的日历服务器。

二、MCP服务器通讯机制

MCP(Model Context Protocol)是Anthropic提出的开放标准,旨在标准化大型语言模型(LLM)与外部数据源、工具的交互方式。其服务器通讯机制以客户端-服务器模型为核心,通过模块化设计实现LLM与外部系统的高效、安全连接。

核心组件与角色定位:MCP服务器通讯机制涉及三个关键组件,各司其职:

  • MCP Host(主机):运行LLM的应用程序(如Claude Desktop、Cursor IDE),是用户交互的入口。Host负责接收用户输入、协调MCP Client与Server的通信,并将外部数据整合到LLM的上下文窗口中,驱动最终响应生成。
  • MCP Client(客户端):嵌入在Host内部的轻量级组件,作为Host与Server之间的“桥梁”。Client的主要职责包括:与Server建立1:1的稳定连接、将Host的用户请求转换为符合MCP协议的JSON-RPC消息、接收Server的响应并适配为Host可理解的格式,同时维护会话状态的一致性。
  • MCP Server(服务器):独立的轻量级程序,封装了对特定外部资源或工具的访问能力(如数据库、API、本地文件系统)。Server通过标准化接口暴露“工具(Tools,可执行的功能,如‘获取天气数据’)、资源(Resources,结构化数据,如‘本地文件内容’)、提示(Prompts,可重用的任务模板,如‘总结文件’)”三类核心功能,供LLM通过Client调用。

主要传输方式:MCP服务器支持多种传输协议,适配不同场景需求:

  • stdio(标准输入输出):适用于本地服务器的轻量级通信方式。Host通过操作系统的标准输入(stdin)向Client发送请求,Client将Server的响应通过标准输出(stdout)返回。这种方式无需额外的网络配置,适合本地工具集成(如本机运行的Python脚本服务器)。
  • SSE(Server-Sent Events):基于HTTP的单向事件流协议,适用于远程服务器场景。Client通过HTTP连接到Server,Server可以主动向Client推送数据(如实时监控数据、远程API调用结果),同时支持客户端向Server发送请求。这种方式兼顾了远程访问的灵活性和实时性,常用于云端MCP Server(如GitHub API的MCP封装)。
  • Streamable HTTP(开发中,2025年预期支持):一种更灵活的HTTP传输方式,支持双向流式通信。相较于传统SSE,它允许客户端与Server之间进行双向实时数据传输,更适合大规模分布式系统(如跨云端的AI Agent协作)

通讯协议与消息格式

MCP基于JSON-RPC 2.0规范实现客户端与Server之间的结构化通信,确保跨平台兼容性。JSON-RPC的消息结构如下:

  • 请求格式:Host通过Client向Server发送的调用请求,包含以下字段:jsonrpc(协议版本,固定为"2.0")、id(请求唯一标识,用于匹配响应)、method(调用的工具/资源方法名称,如"get_weather_forecast")、params(方法参数,采用JSON Schema定义,如{"city": "北京"})。
  • 响应格式:Server处理请求后返回的结果,包含以下字段:jsonrpc(协议版本)、id(与请求匹配的唯一标识)、result(调用成功时的结果,如天气数据)或error(调用失败时的错误信息,如{"code": 404, "message": "城市未找到"})。

工作流程

MCP服务器通讯的典型流程可分为五个步骤:

  • 连接初始化:Host启动时,Client与预设的MCP Server建立通信通道。本地服务器通过stdio连接,远程服务器通过SSE或Streamable HTTP连接。
  • 能力发现:Client向Server发送list_tools请求,Server返回其支持的“工具、资源、提示”清单(如GitHub Server返回“获取拉取请求”“创建提交”等工具)。这一步实现了“动态工具发现”,避免了传统API的“M×N集成”问题(即M个模型与N个工具需M×N次定制集成)。
  • 请求生成与转发:Host接收用户输入(如“查询北京的天气”),通过LLM分析意图,生成符合工具要求的JSON-RPC请求(如{"jsonrpc": "2.0", "id": 1, "method": "get_weather_forecast", "params": {"city": "北京"}}),并通过Client转发至Server。
  • 工具执行与结果返回:Server解析请求,调用对应的工具函数(如函数调用天气API),将结果封装为JSON-RPC响应(如),返回给Clientget_weather_forecast{“jsonrpc”: “2.0”, “id”: 1, “result”: {“city”: “北京”, “temperature”: 22, “condition”: “晴朗”}}。
  • 结果整合与响应生成:Client将Server的响应传递给Host,Host将结果整合到LLM的上下文窗口中(如添加“北京当前气温22℃,晴朗”的上下文),LLM结合上下文生成最终响应(如“北京的当前天气是晴朗,气温22摄氏度”)。

关键技术特性

  • 动态工具发现:Server通过list_tools方法主动暴露能力,Host无需预知Server的具体功能,降低了集成复杂度。
  • 安全上下文传递:Host通过context参数向Server传递权限令牌、用户身份等元数据,确保Server仅执行授权操作(如敏感数据访问需用户显式授权)。
  • 双向实时通信:SSE和Streamable HTTP支持Server主动向Host推送数据(如实时价格变动、监控告警),实现“嵌套式智能行为”(如Server调用Host的LLM生成内容)。
  • 模块化扩展:Server可以独立部署和更新,Host无需修改代码即可接入新的Server(如新增“天气服务”Server,Host即可调用其工具),支持生态的快速扩展。

​最后

我在一线科技企业深耕十二载,见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事,早已在效率与薪资上形成代际优势,我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。

我整理出这套 AI 大模型突围资料包:

  • ✅AI大模型学习路线图
  • ✅Agent行业报告
  • ✅100集大模型视频教程
  • ✅大模型书籍PDF
  • ✅DeepSeek教程
  • ✅AI产品经理入门资料

如果你也想通过学大模型技术去帮助自己升职和加薪,可以扫描下方链接👇👇
​​
在这里插入图片描述

为什么说现在普通人就业/升职加薪的首选是AI大模型?

人工智能技术的爆发式增长,正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议,到全国两会关于AI产业发展的政策聚焦,再到招聘会上排起的长队,AI的热度已从技术领域渗透到就业市场的每一个角落。

img
智联招聘的最新数据给出了最直观的印证:2025年2月,AI领域求职人数同比增幅突破200% ,远超其他行业平均水平;整个人工智能行业的求职增速达到33.4%,位居各行业榜首,其中人工智能工程师岗位的求职热度更是飙升69.6%。

AI产业的快速扩张,也让人才供需矛盾愈发突出。麦肯锡报告明确预测,到2030年中国AI专业人才需求将达600万人,人才缺口可能高达400万人,这一缺口不仅存在于核心技术领域,更蔓延至产业应用的各个环节。

在这里插入图片描述

​​
在这里插入图片描述

资料包有什么?

①从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点
在这里插入图片描述

② AI大模型学习路线图(还有视频解说)

全过程AI大模型学习路线

在这里插入图片描述

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了,这些是我精选出来的

在这里插入图片描述

④各大厂大模型面试题目详解

在这里插入图片描述

⑤ 这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理,鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位,在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利,同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频教程由智泊AI老师录制,且资料与智泊AI共享,相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目,无论你是小白还是有些技术基础的,这份资料都绝对能帮助你提升薪资待遇,转行大模型岗位。

在这里插入图片描述
在这里插入图片描述

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌,通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌,构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论,还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作,把课本知识变成真本事‌!

​​​​在这里插入图片描述
在这里插入图片描述

如果说你是以下人群中的其中一类,都可以来智泊AI学习人工智能,找到高薪工作,一次小小的“投资”换来的是终身受益!

应届毕业生‌:无工作经验但想要系统学习AI大模型技术,期待通过实战项目掌握核心技术。

零基础转型‌:非技术背景但关注AI应用场景,计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈:传统开发者(Java/前端等)学习Transformer架构与LangChain框架,向AI全栈工程师转型‌。

👉获取方式:

😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓**

在这里插入图片描述

​

MCP是什么?一文讲懂以及MCP微服务搭建思路 近期,Deepseak,Mauns,字节的Trae和Cursor相继在大家的社交媒体爆火,仅凭一句话,几次魔法修复就可以快速搭建一个网站,app或者一个实用脚本工具。以往,我们对GPT提的需求,我们仍需要使用到CV大法,但是有了作为中间层,我们便可以省去这样的过程,甚至利用最新的算法蒸馏技术可以让程序尽可能减少错误,并利用“代码容器”技术可以实现。本文则就MCP的设计体系,对MCP的理念进行思考以及如何结合MVI 响应式流技术和Protobuf对MCP进行Client微服务的搭建。 阅读详情

相关推荐

MCP服务配置完全指南(超级详细)

MCP服务器:提供特定功能(如天气查询、文件系统访问等)的独立程序MCP客户端:内置于AI应用(如Cursor、Claude等)中,负责与服务器通信MCP技术正在迅速发展,为AI助手提供了前所未有的扩展能力。通过正确配置MCP服务端和客户端,可以大大提升AI助手的实用性和效率。本文介绍的天气服务器案例展示了如何创建实用的MCP服务,希望对您配置和使用MCP服务有所帮助!如有任何问题或建议,欢迎在评论区留言。Model Context Protocol官方文档Cursor MCP配置指南。

chuizi_cs的博客 8483

什么是MCP、MCP服务,通俗易懂讲清楚,其实没那么高深

MCP(模型上下文协议)是AI领域的新技术标准,旨在解决大语言模型的局限性。它通过统一通信协议,让AI能够连接外部工具获取实时数据、执行复杂任务,突破了传统FunctionCalling的分散对接模式。文章用智能家居比喻解释MCP架构(Host/Client/Server三层结构),并介绍了多个MCP服务市场(如mcp.so、mcpmarket.com等)供用户查找现成工具。MCP就像AI世界的"USB-C"接口,标准化了工具连接方式,显著提升了AI的实际应用能力。

AiBot 7261

MCP入门实战(极简案例)

MCP(Model Context Protocol,模型上下文协议)2024年11月底由 Antbropic 推出的一种开放标准,旨在统一大型语言模型(LLM)与外部数据源和工具之间的通信协议。Function Calling是AI模型调用函数的机制,MCP是一个标准协议,使AI模型与API无缝交互,而Al Agent是一个自主运行的智能系统,利用FunctionCallinq和MCP来分析和执行任务,实现特定目标。Function Calling 现在基本上被淘汰了,现在几乎全部都用MCP了。

SunnyRivers 1931

MCP极简入门:超快速上手运行简单的MCP服务和MCP客户端

MCP(Model Context Protocol,模型上下文协议)是一个开放协议,旨在标准化应用程序如何向大型语言模型(LLM)提供上下文。首先我们快速过一下MCP的基本概念,接着我们会通过一个简单的天气服务的教程,来上手学会使用MCP服务和在主机运行服务。作为客户端,自己编写python文件作为服务端,在 Claude Desktop 里调用server.py。前期的步骤与上文介绍的一致,先决条件和uv的安装看。至此,我们的第一个MCP服务端和客户端编写完成。

Cherish 2万+

Spring AI MCP入门:实现与MCP Server交互

大模型相关依赖# 客户端类型;ASYNC(异步)或者SYNC(同步)# MCP Client超时时间# stdio 形式 MCP Server配置# stdio 形式 MCP Server配置spring.ai.mcp.client.request-timeout:客户端请求超时时间。我这里配置的是1800s,即30分钟,之前设置过几分钟的,不知道是我这里的网不好还是因为使用的免费的token,请求贼慢,设置时间请求成功概率就大了很多。

java_beautiful的博客 1713

【树莓派4B】八、树莓派软路由,Ubuntu18.04配置路由转发

我的目的是通过把树莓派做成一个软路由,相当于一个智能路由器。 材料 树莓派4B,操作系统其实可以是其他的Linux版本。以为4B自带无线网卡,就用自带无线网卡作为路由出口。 大概思路 具体步骤 配置两个网卡的IP sudo vim /etc/network/interface 这里设置静态IP,也可以动态获取。 #Local loopback auto lo iface lo inet loopback #Ethernet0 auto eth0 iface eth0 inet static addr

林愿留的博客 10万+

2025三掌柜赠书活动第二十期 MCP极简开发:轻松打造高效智能体

2024年11月,MCP横空出世,以破竹之势重新定义了AI与外部世界的交互方式。自Anthropic公司推出MCP以来,它迅速成为科技界的焦点,并在2025年一跃成为AI应用开发的新宠,引领了人机协作的新风尚。Anthropic的创始团队由GPT系列产品的早期开发者组成。2020年6月,OpenAI发布了第三代大语言模型GPT-3。半年后,OpenAI的研究副总裁达里奥·阿莫迪和安全政策副总裁丹妮拉·阿莫迪决定离职,创立了Anthropic,这是一家与OpenAI有着不同价值观的人工智能公司。

全沾软贱开发攻城狮 8万+

【暂时完结】Prescan学习笔记

Prescan学习记录1. Prescan基础知识1.1 Conventions·坐标1.2 Road segment·道路片段1.2.1 让一个路段连接其他两个路段1.2.2 配置车道线1.2.3 Road marking·道路标志1.3 Trajectory·轨迹1.3.1 建立一个Path·路径1.3.2 配置Speedprofile1.3.3 Synchronization of Trajectories·轨迹同步1.3.4 Multiple trajectories · 多轨迹分配 1. Pres

dreautumn的博客 1万+

大模型MCP极简入门:用 Python 打造你的第一个 MCP 工具

如果你真的想学习大模型,请不要去网上找那些零零碎碎的教程,真的很难学懂!你可以根据我这个学习路线和系统资料,制定一套学习计划,只要你肯花时间沉下心去学习,它们一定能帮到你!

2401_85375186的博客 2125

量化数据采集实战:从App接口逆向到Python爬虫系统构建

数据采集是量化分析和自动化策略的基石,其核心原理是通过程序模拟客户端行为,从目标服务器获取结构化数据。在金融科技领域,高效、稳定的数据采集能力直接决定了策略研究的深度和时效性。面对金融App常见的反爬机制,如请求签名和身份认证,工程师需要掌握网络协议分析、接口逆向与模拟请求等关键技术。这些技术不仅能用于获取市场情绪、资金流向等高频数据,更是构建个人量化研究基础设施、实现从主观看盘到客观数据分析转型的关键一步。本文以实战为例,深入剖析了如何系统性地逆向分析数据接口、破解签名算法,并最终构建一个包含代理IP池与

weixin_29032489的博客 1484

同物种,不同版本之间的坐标转化

是最常用的工具,如果有可用的链文件,这通常是最便捷的方法。CrossMap是一个功能强大的替代工具,支持多种文件格式和物种。自定义生成链文件适用于没有现成资源的情况,虽然复杂一些,但可以满足特定需求。Ensembl 和 Gramene提供的工具适用于支持的物种,尤其在植物基因组领域可能更具优势。选择合适的方法取决于你正在处理的物种、基因组版本以及现有的资源。

qq_40256654的博客 1853

从0手撕代码搭建MCP Client与Server!详解DeepSeek、ollama、vLLM接入MCP实战!

本期内容详解学习MCP必备技术基础,讲解MCP客户端、服务器开发方法及二者接入流程等等。

fufan_LLM的博客 2万+

Deepseek Engram 论文全面解读

以下是对 DeepSeek 与北京大学于联合发布的论文《》(简称Engram 论文)的。

lpfasd123的博客 361

模型上下文协议(MCP):实现大模型与外部工具的标准化交互

大模型虽具备卓越的理解、生成与推理能力,但仅靠内部运行或用户指令,难以充分施展其强大潜力。本报告介绍一种模型上下文协议(MCP),以标准化的方式连接大模型与外部工具、数据源等,实现高效、灵活的大模型应用扩展。

2401_85390073的博客 1729

【教程4>第4章>第12节】通过FPGA实现基于FFT变换的频偏估计和补偿

基于FFT变换的频偏估计和补偿,其基本原理如下:而频偏补偿的目的是将频偏后的信号频谱移回原来的位置。

FPGA/MATLAB学习教程/源码/项目合作开发 882

[Unity3D]水族馆游戏教程四

文章目录0.接上篇1.速度控制器2.修改FishAI3.修改后的效果4.总结 0.接上篇 上一篇,实现了鱼AI的随机游动、自动转向,并且学习了如何分析调试过程中遇到的报错。 本篇将继续优化鱼AI。 1.速度控制器 上一篇虽然实现了鱼的随机游动,但是可以看到,鱼在转向的时候,会显得很突然。因此先要解决这个问题。 我们的思路是,让鱼在刚转向的时候,速度由慢到快,等到游动到快要到达目标点的时候,速度减慢...

延澈左的专栏 1039

大模型如何调用外部工具?通过几个简单MCP客户端示例迅速掌握!

上一篇主要讲MCP服务端的实现。本篇将通过几个简单例子让大家轻松理解大模型如何调用外部工具并且快速上手MCP客户端开发。

bigbigbugbug的博客 1557

手把手入门YOLO到改进优化教程 | 【P6进阶篇】YOLOv8模型剪枝优化实战-LAMP剪枝

本节首先介绍LAMP剪枝相关理论。然后结合YOLO框架,手把手搭建剪枝工程,包括配置文件修改、剪枝脚本构建等内容。

嵌入式阿齐Archie 2万+

MCP Tutorial 1:一文入门MCP快速开发

⌈MCP技术实战⌋ 深度讲解MCP工作原理,从0-1快速入门MCP核心技术! ✊0基础掌握大模型Agent开发关键技术!一站式速通入门、实战、项目落地!

qq_73466997的博客 2412

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

【2万字长文】MCP实战:大模型与外部工具交互的标准化协议全解析!

MCP是由Anthropic开源的AI大模型标准化工具箱,通过统一协议让AI与浏览器、文件系统等外部工具无缝交互。文章详细介绍了MCP的基本概念、技术原理,以及如何在Cline、Cursor等工具中配置使用。通过GitHub操作、文件系统访问、时间查询和浏览器工具等实际案例,展示了MCP如何提升AI与外部世界的交互效率,并提供丰富的MCP工具资源库,帮助开发者快速掌握这一大模型交互新技术。

m0_71746299的博客 1199

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

MCP协议:大模型与外部工具交互的标准化创新方案

本文深入剖析MCP(Model Context Protocol)协议,作为大模型与外部工具交互的标准化方案,其通过客户端-服务端架构实现AI能力与数据/工具的深度集成。文章从协议定位、架构设计和组件职责等维度展开,阐述其打破生态孤岛、降低开发复杂性、提升人机交互效率等核心价值,并探讨多模态扩展、联邦学习等未来演进方向,为AI系统构建提供重要参考。

青蛙博客 1022

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

收藏必备!MCP协议详解:大模型与外部工具交互的统一标准,小白也能看懂!

MCP(Model Context Protocol,模型上下文协议)是一种由Anthropic于2024年11月提出并开源的开放标 准,旨在统一大语言模型与外部数据源和工具的交互方式。传统模式下,每个数据源或工具都需要单独的适配器和函数调用;不同模型又各自有不同的函数调用格式,导致开发者面对“N×M”的集成难题。MCP解决了这一碎片化问题,提供了一个类似于“AI扩展坞”或“AI的USB-C接口”般的标准化方案。

kaka0722ww的博客 1082

报告分享 | 模型上下文协议(MCP):实现大模型与外部工具的标准化交互

大模型虽具备卓越的理解、生成与推理能力,但仅靠内部运行或用户指令,难以充分施展其强大潜力。本报告介绍一种模型上下文协议(MCP),以标准化的方式连接大模型与外部工具、数据源等,实现高效、灵活的大模型应用扩展。

1570

MCP极简开发

"MCP(模型上下文协议)是一个重要的技术框架,旨在提高多种应用程序之间的互操作性和安全性。"

andyyah晓波的博客 1479

【MCP】详细了解MCP协议:和function call的区别何在?如何使用MCP?

2025年,Anthropic提出了MCP协议。MCP全称为Model Context Protocol,翻译过来是大模型上下文协议。这个协议的主要为AI大模型和外部工具(比如让AI去查询信息,或者让AI操作本地文件)之间的交互提供了一个统一的处理协议。我们常用的USB TypeC接口(USB-C)统一了USB接口的样式,MCP协议就好比AI大模型中的USB-C,统一了大模型与工具的对接方式。

qq_35485206的博客 2157
上一篇: GraphRAG效率革命:华为G2ConS框架详解,成本降低80%,性能提升31%!
下一篇: 揭秘大模型可逆性:Transformer如何无损保存你的输入!
智泊AI官方
博客等级 码龄6年 8639粉丝 2667原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值