MCP汇总笔记

小红书MCP实战:让AI大模型批量导出笔记数据以及评论数据 为大家带来小红书MCP服务器的实战教程,通过使用小红书MCP服务器,让AI大模型智能分析你的需求,进行批量笔记数据导出、批量笔记评论数据导出和分析! 阅读详情
  1. 目的: 解决 function call 平台依赖性强
  2. MCP (Model Context Protocol,模型上下文协议)定义了应用程序和 AI 模型之间交换上下文信息的方式。
    MCP 使得开发者能够以一致的方式将各种数据源、工具和功能连接到 AI 模型(一个中间协议层),就像 USB-C 让不同设备能够通过相同的接口连接一样。

     

  3. 整体流程

  4. 区别

  5. 组成: host(交互) , client(建立与sever的连接), server(tools), 其中server包含如下:
  • Tools:使大语言模型能够通过你的 Server 执行操作。
  • Resources:将 Server 上的数据和内容开放给大语言模型。
  • Prompts:创建可复用的提示词模板和工作流程。

  1. 通信流程sse Transport (主要分sse 和本地标准io通信 stadio两种)
    1. 建立连接:通过 /sse 建立连接, 这时会返回一个专用的消息发送端点endpoint
    2. 初始化:请求该endpoint, 并获取server的功能列表
    3. 工具调用
      1. 获取toolList
      2. 执行tool
  1. 通信特点
    1. 双向异步,接收通过sse,发送通过http, 前者仅用于推送数据,后者其实只用来判断2xx
      其中每向http中发送一个请求,sse就会返回一次消息,

  1. mcp只是提供了一个默认的system prompt
您是一个有用的助手, 可以访问这些工具:{ tools_description} 根据用户的问题选择合适的工具。 如果不需要工具, 请直接回复。
重要提示: 当您需要使用工具时, 您必须只回复下面确切的JSON对象格式, 不回复别的内容: {
    "tool": "tool-name",
    "arguments": {
        "argument-name": "value"
    }
}
收到执行结果后:
(1) 将原始数据转换为自然的对话式响应
2.保持回答简洁但信息丰富
3.关注最相关的信息
4.使用用户问题中的适当上下文
5.避免简单地重复原始数据
你只能使用上面明确定义的工具。
  1. 模型怎么决定需要调用哪些fc:
    模型是通过 prompt engineering,即提供所有工具的结构化描述和 few-shot 的 example 来确定该使用哪些工具。

理解其本质

1.采用client-host-server架构,支持多种服务器连接;

2.实现了有状态的双向RPC模型,结合了事件驱动特性;

3.提供了标准化的工具调用和资源访问机制;

4.支持动态能力协商和功能发现;

5.相比较MQ、API、WS,占据了独特的功能位置,专为AI应用与外部系统集成而优化;

总结

  1. mcp是一套协议,其中定义的一些组件,需要承担特定的作用

  2. 其中mcp的优势
    1. mcp的链路中,会不断去获取tool list,如果参数什么的发生变化,会被立刻感知到,而不像原来那样如果tool发生了参数变化,会导致调用报错
    2. 通过prompt和tool对协议的遵守,来指定一套tool api标准的接口协议,当大模型返回planing的结果之后,直接拿去做调用,而不是有不同的api格式,去对接不同的厂商,这也是为什么说mcp协议是转接口
    3. 两个协议,http+sse,根据tools的情况可以来回切换
  1. 核心代码
 async def request(self, req: McpRequest):
        if req.method == "initialize":
            await self.queue.put({"event": "message", "data": self.response(self.info, req.id)})
        elif req.method == "tools/list":
            await self.queue.put({"event": "message", "data": self.response({"tools": self.list_tool()}, req.id)})
        elif req.method == "tools/call":

参考: https://mp.weixin.qq.com/s?src=11&timestamp=1750658017&ver=6069&signature=20-uv0mGOkNLANdVO4-iy2J0bhTbpth8KHnJ*xG2S2ZlVSyi4ShzQyoa9npwpFaVFNN8B8rgvUb5l9PmmxIIuOlSpIBinE9kqyYUx3s6QAP9phmuJeVP2ottSfV*2Sps&new=1&poc_token=HCTsWGijSExf_3mroPqs85FjIJNUOjGqIitaydpi

MCP理解笔记及deepseek使用MCP案例介绍、Cursor创建MCP介绍、python制作MCP工具 全称模型上下文协议来源由Claude母公司Anthropic于24年底开源发布简介AI大模型的标准化工具箱,大模型可以利用这些工具与外界互动。 阅读详情

相关推荐

windsurf配置blender-mcp和qgis-mcp

建议重启一下blender,再次打开到插件页面勾选Blender MCP,而后在界面右侧会看到此插件,如果没有这个插件(但是有条目,工具这些)请查看是否勾选了Blender MCP,如果都没看到,请使用快捷键。而后,我们需要修改下端口号(因为默认都是9876),所以我们修改qgis-mcp的端口号为9880(可以不同),我们首先打开qigs插件目录下我们刚刚复制的qgis_mcp_plugin文件夹,然后打开。接下来打开windsurf,点击配置mcp,打开后是一个json,将下面代码复制过去,然后保存。

qq_44897914的博客 4095

超全 MCP 服务器大全(持续更新中)

MCP是一种开放协议,通过标准化服务器实现使AI模型能够安全地与本地和远程资源交互。本文整理了可用于生产和实验的MCP服务器,涵盖多个分类:聚合器、浏览器自动化、艺术文化、云平台等。主要功能包括文件访问、数据库连接、API集成等,旨在扩展AI能力。例如聚合器类服务器可将多个MCP服务器统一管理,浏览器自动化类支持网页内容抓取和处理,云平台类则实现与云服务的交互。这些服务器为AI提供了丰富的上下文服务支持。

阿甘兄 1万+

MCP学习笔记:初识MCP

MCP(Model Context Protocol)是由Anthropic公司于2024年11月推出的开放协议,旨在简化大模型与外部系统的集成。该协议通过标准化工具调用、动态集成和语义对齐等机制,解决了AI应用开发中的互操作性问题。2025年,OpenAI、DeepMind等主流AI厂商纷纷宣布支持MCP,使其成为行业标准。MCP的核心优势在于规范了上下文信息的交换方式,支持企业助手、自然语言数据访问、多工具智能体等应用场景,显著降低了AI系统集成的复杂度。其开源特性也促进了开发者社区的广泛参与和创新。

qq_36412352的博客 1153

汇总10个优质MCP资源网站!值得收藏!

本列表重点介绍已投入生产和处于实验阶段的 MCP 服务器,这些服务器通过文件访问、数据库连接、API 集成和其他上下文服务来扩展 AI 功能。阿里云旗下知名AI开源社区魔搭(ModelScope)近日推出创新的MCP广场,该平台已成为目前最大中文MCP服务聚集地,为AI开发者提供全方位的资源支持。由开源社区维护的托管平台,提供200+预设模板,涵盖开发、运维、数据分析等多种场景。探索与体验大模型丰富生态服务,轻松集成全面且易用的工具,提供企业级稳定、高效、安全的技术支持,释放模型潜力,赋能创新应用。

Tomdac的博客 2194

MCP Host、MCP Client、MCP Server全流程实战

MCP (Model Context Protocol,模型上下文协议)定义了应用程序和 AI 模型之间交换上下文信息的方式。这使得开发者能够以一致的方式将各种数据源、工具和功能连接到 AI 模型(一个中间协议层),就像 USB-C 让不同设备能够通过相同的接口连接一样。MCP 的目标是创建一个通用标准,使 AI 应用程序的开发和集成变得更加简单和统一。

FeelTouch Labs 2819

Cadence Virtuoso IC617:从零构建传输门与反相器的Schematic设计实战

本文详细介绍了使用Cadence Virtuoso IC617进行传输门与反相器Schematic设计的完整流程,包括环境准备、原理图绘制、Symbol创建、仿真验证及实用技巧。通过分步指导和实战经验分享,帮助初学者快速掌握集成电路设计基础,提升EDA工具应用能力。

weixin_29194693的博客 597

MCP资源网站推介汇总!!

mcp就是即模型上下文协议(Model Context Protocol),是 Anthropic Claude 的一个开源开放协议,旨在建立 AI 模型和开发环境之间的统一上下文交互,ai通过mcp实现与外界的交互,提高ai的效率。超全的MCP Servers集合,2211个资源等你挖掘,安装命令和GitHub仓库链接一应俱全,简直不要太方便!无论是找工具还是灵感,这里都能满足你。Anthropic开源的MCP项目,官方推荐和社区贡献的Servers都有,权威又全面,学习和开发都能用。

2301_80235262的博客 1799

【RK3588 NPU性能调优实战】多线程异步推理YOLOv5,榨干6TOPS算力

本文详细解析了如何在RK3588 NPU上通过多线程异步推理优化YOLOv5目标检测性能,实现6TOPS算力的最大化利用。通过线程池设计、流水线化帧处理及避开内存带宽瓶颈等技巧,将NPU利用率从30%提升至82%,帧率显著提高至61.2FPS。文章还提供了环境配置、代码实现及性能对比数据,助力开发者高效部署AI模型。

weixin_29034963的博客 340

MCP学习总结

MCP(Model Context Protocol)模型上下文协议,用于定义大模型与工具之前的接入规范。其实与IT界早已有的HTTP协议、TCP/IP协议等标准协议类似,其在AI大模型能力调用领域的重要性当然不可否认,但论突破性、独创性则并没有超出以往边界。协议也在快速发展中,日前(24年3月26日)刚将OAuth标准认证协议集成进来。详细来说,其将能力调用双方定义为MCP Server与MCP Client两类实体,中间辅以资源Resource工具Tool等资源定义,传输Transform。

pur_e的专栏 1171

(二)目标检测之 HOG+SVM 算法

文章目录一、概述二、方法概述三、积分图四、AdaBoost五、级联检测六、结果七、复现八、总结参考资料 一、概述   梯度直方图HOG(Histogram of Oriented Gradients)是法国人Dalal在2005年CVPR会议上提出的特征提取算法,并将其与 SVM 配合,用于行人检测。论文地址:Histograms of oriented gradients for human detection HOG有个优点,提取的边缘和梯度特征能很好的抓住局部形状的特点,且因是对图像做了Gamma

天青如水的博客 1万+

永磁同步电机控制笔记:foc控制原理通俗讲义

引言 到此为止,永磁同步电机控制相关文章已经写了7篇,其中simulink仿真系列文章5篇,控制笔记系列文章2篇,恍惚间感觉少了一篇概论,在此插入一篇,也算是对入坑电机控制一年半来的知识梳理。 文章目录引言一、同步电机是怎么转起来的二、什么样的旋转磁场效率最高三、怎么精准控制旋转磁场的方向四、怎样调节dq轴电流 一、同步电机是怎么转起来的 永磁同步电机结构如下: 外围是定子绕组,中间为永磁体,设...

搞电机的博客 2万+

2025MCP宝典:全网最全干货 + 9大经典案例详解,必读!

MCP2025核心解析:AI标准化连接协议 摘要:MCP2025(模型上下文协议)是AI领域的标准化接口框架,解决了AI系统与外部工具交互的碎片化问题。该协议通过客户端-服务器架构,实现AI模型与工具、资源和提示的无缝连接,避免了传统的M×N集成难题。文章详细解析了MCP的三大核心组件(工具、资源、提示)和九大应用案例,涵盖金融分析、语音交互、文档处理等多个领域,并提供了完整的技术实现路径。MCP标准化接口使AI开发者能够像使用通用插头一样轻松实现跨平台协作,大幅提升开发效率。

2401_84494441的博客 1242

ADS笔记,新旧两组仿真数据进行绘图和列表对比

原理图器件参数的不同,怎么进行对比观看,操作如下。

彭辉荣的博客 3868

在 Cursor 中配置 Obsidian MCP Server

摘要: 通过配置 Obsidian MCP(文件系统方案),实现 Cursor AI 与 Obsidian 笔记库的双向交互。AI 可直接搜索、读取、修改 Markdown 文件,解决知识碎片化问题(如代码调试结论散落聊天记录)。配置步骤包括部署本地 MCP Server、编辑 Cursor 的 JSON 路径、测试连通性。典型场景包括检索旧笔记、追加新结论、合并待办事项,但无法调用插件或精细编辑。核心价值:Cursor 处理即时推理,Obsidian 存储长期记忆,MCP 作为桥梁打通两者数据流。

stay hungry, stay foolish 358

FastGPT 引申:借鉴 FastGPT 基于MySQL + ES 实现知识库(含表结构以及核心代码)

FastGPT 引申:借鉴 FastGPT 基于MySQL + ES 实现知识库(含表结构以及核心代码)

蜗牛的专栏 3435

【新版系统架构】系统架构设计师教程全篇知识点提炼

信息系统的5个基本功能:输入、存储、处理、输出和控制信息系统的发展:诺兰模型:初始阶段、传播阶段、控制阶段、集成阶段、数据管理阶段、成熟阶段信息系统的分类:传统的信息系统分为:业务(数据)处理系统、管理信息系统(MIS)、决策支持系统(DSS)、专家系统(ES)、办公自动化系统(OAS)等5类信息系统的生命周期:1、产生阶段2、开发阶段(总体规划、系统分析、系统设计、系统实施、系统验收阶段)3、运行阶段4、消亡阶段信息系统建设原则:1、高层管理人员介入原则。

分享技术干货和灵感、推荐新书和好玩的项目、分享Java面试题 1万+

mcp-obsidian 开发实战:从零构建自定义 MCP 服务器

mcp-obsidian 是一个通过 Obsidian Local REST API 社区插件与 Obsidian 交互的 MCP 服务器,它允许开发者构建自定义工具来拓展 Obsidian 的功能,实现文件管理、内容搜索、自动化笔记等强大功能。本教程将带你从零开始构建自己的自定义 MCP 服务器,无需深厚的编程背景,只需按照步骤操作即可快速上手。 ## 准备工作:环境搭建与依赖安装 🛠️

gitblog_00254的博客 957

基于 Simulink 的双向 DC/AC 逆变器中 IGBT/MOSFET 寄生参数影响分析实战教程

摘要:本教程详细解析了Simulink中IGBT/MOSFET寄生参数对双向DC/AC逆变器的影响。通过对比理想模型与含寄生参数(如20nH内部电感、50nH回路电感)的仿真,揭示了电压尖峰、高频振荡等实际问题。建模步骤包括搭建基准电路、引入寄生参数、配置高精度求解器(步长10ns),并给出抑制措施:添加RC缓冲电路、调整驱动电阻。关键发现:寄生参数会显著增加开关损耗和EMI噪声,需通过参数扫描优化设计。教程还提供了代数环报错、仿真速度优化等实战技巧,帮助工程师从理想仿真过渡到高保真分析。

xiaoheshang_123的博客 68

Obsidian MCP 全流程搭建:从插件安装到智能体精准调用

原生 Obsidian 的文件操作(如读写、检索)仅能在自身界面完成,无法被外部工具(如自动化脚本、AI 系统)直接调用,导致笔记库成为 “信息孤岛”。Obsidian MCP 通过开放 API 接口,让外部系统可安全访问本地仓库,实现笔记与第三方工具的联动(如用 AI 批量处理笔记、自动化工作流触发)。Obsidian MCP 打破 Obsidian 封闭性,通过开放 API 解决跨工具协同、复杂操作效率低等问题,提供文件管理、智能搜索等功能,扩展笔记工具能力。

2301_80863610的博客 1万+

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

MCP入门笔记1: MCP客户端开发流程,并接入ollama

第一章的笔记只是做浅层的了解。其中有ai帮我总结的内容,有的知识点我也不太理解…a. 大模型外部工具基本概念 b. MCP技术协议核心概念在 MCP 之前,开发者常常针对每个数据源或工具编写“​N×M​”次适配器,集成成本高且维护困难​。MCP 将外部功能抽象为三类接口——资源(Resources)、工具(Tools)、提示模板(Prompts),模型只需通过统一的 JSON-RPC 调用即可访问,多模型可重用同一套工具服务器​。

weixin_43807749的博客 3128

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

AI+MCP 自动发布小红书笔记

分享一个超赞的效率工具—小红书MCP发布器(xhs-mcp-server),让你轻松实现AI内容一键发布到小红书!

MCPFlow的博客 2598

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

RAG MCP 学习笔记

检索(Retrieval):从大规模文档集合中查找与当前输入最相关的上下文。生成(Generation):基于检索到的信息和原始输入,使用语言模型生成最终输出。MCP(Most Competitive Path)是一种启发式搜索策略,旨在从多个候选路径或选项中选择最具“竞争力”的一个。在 RAG 的上下文中,它可以用于优化检索结果的选择、生成路径的剪枝等环节。维度描述核心思想在 RAG 中通过 MCP 算法选择最优检索路径核心价值提高生成质量、减少冗余计算关键技术。

weixin_62947885的博客 1998

MCP 服务搭建与配置学习资源部分汇总

gpt4,总结学习资源

m0_64132019的博客 1227

MCP在AI应用中的集成部分资源汇总

文档和网页摘要类应用可以帮助用户快速获取长文档或网页内容的要点。用户提交一篇文章、PDF 或给出一个网址,AI 即可阅读内容并给出简明摘要,或者根据内容回答用户提出的问题。这类系统对于处理海量信息、节省阅读时间非常有用。常见场景包括法律文档摘要、学术论文总结、新闻文章概括等。另外,结合搜索引擎,AI 还可以对搜索结果进行整合,提供问答式的搜索体验(即用户提问->AI从多篇搜索结果中汇总答案)。MCP 为摘要和搜索类 AI 提供了标准工具接口。

m0_64132019的博客 1334

MCP Flomo笔记助手

MCP服务器Flomo是一个基于TypeScript的工具,旨在将笔记直接写入Flomo应用。该服务器提供了write_note功能,允许用户将文本笔记发送到Flomo,其中内容参数是必需的。安装和配置过程包括通过npm安装依赖项、构建服务器,并在Claude桌面版中添加服务器配置。调试方面,由于MCP服务器通过标准输入输出通信,建议使用MCP检查器进行调试,该检查器可通过npm脚本启动,并提供一个用于调试的浏览器URL。此工具为需要将笔记集成到Flomo的用户提供了一个便捷的解决方案。

german88的博客 605

小红书MCP工具更新,AI搜索笔记一键导出!

小红书MCP工具更新,新增搜索笔记功能,支持关键词搜索图文、视频笔记,可按最新、最热排序。同时新增本地文件获取工具,优化用户笔记列表功能,支持指定数量或全部数据导出。工具借助AI提升搜索效率,助力用户高效获取与分析小红书数据。

为Ai痴狂 1836
上一篇: SpringAi笔记
下一篇: 阿里云大模型应用ACP速记
金心靖晨
博客等级 码龄9年 460粉丝 211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