青蛙博客

本文深入解析 Manus 框架与 COKE 框架，介绍 Manus 作为通用型 AI 代理的核心能力，包括任务规划与执行等，并阐述 COKE 框架作为人机对话指令架构的四个要素。通过对比总结两者核心优势与局限性，展示其在教育等场景的完整应用示例，展现整合两框架构建人机协作系统的潜力。

MCP Tool模块是模型上下文协议的核心组件，通过标准化接口将函数/类转换为AI可调用的工具，实现模型与外部系统的安全交互。支持JSON-RPC 2.0跨语言调用、独立进程隔离、动态发现和多传输协议，适用于医疗、电商等领域的复杂系统集成。

MCP Resource模块是模型上下文协议的核心组件，通过标准化URI接口为AI模型提供安全可控的只读数据访问能力。其核心设计包括数据隔离架构和客户端驱动的访问控制，支持文本/二进制编码格式，适用于配置文件读取、数据库查询和实时监控等场景。模块通过URI解耦物理存储与逻辑访问，结合订阅机制实现动态数据监听，为AI系统提供安全边界内的静态数据交互能力

本文介绍了如何使用 Playwright for Python 进行 API 自动化测试，包括环境配置、APIRequestContext 的用法、Pytest 测试用例编写与组织、测试数据准备与清理，以及进阶的服务器状态准备和验证，帮助开发者高效实现后端接口的自动化验证。

本文介绍了Playwright测试工具的常用命令和参数。主要内容包括：1）基础安装和初始化步骤；2）核心参数详解，如浏览器控制、调试设置和输出选项；3）配置文件的编写示例；4）Python代码实践；5）高级功能如设备模拟和认证状态复用。文章提供了详尽的命令行参数说明和代码示例，帮助用户快速掌握Playwright的基本使用方法和高级特性。

本文档详细介绍了如何开发一个基于MCP（Modular Communication Protocol）协议的简单资源服务器（simple-resource），旨在将本地文本资源通过标准接口暴露给客户端访问。文档内容包括服务器简介、环境准备、核心结构与原理、源码解析、SSE（Server-Sent Events）部署方法及客户端访问示例。服务器支持两种传输方式：stdio（标准输入输出）和SSE，分别适用于本地进程间通信和网络通信。通过本文档，开发者可以快速掌握MCP协议的基本开发流程，并实现自定义资源服务的

MCP Server StreamableHTTP 开发学习文档介绍了基于 HTTP 的流式通信传输方式 StreamableHTTP 的核心功能与实现。StreamableHTTP 支持服务端向客户端持续推送事件，并具备断线重连恢复能力，适用于实时通知、长连接事件流等场景。文档详细解析了源码结构，包括入口配置、工具注册与调用、事件存储与可恢复性、Session 管理与 ASGI 集成等关键实现。此外，文档还介绍了 SSE（Server-Sent Events）机制及其在示例中的应用，并提供了本地部署与运行

MCP Server Tool 是基于 MCP 协议开发的服务端工具，支持通过标准输入输出（stdio）或服务端事件（SSE）等方式暴露自定义工具，供客户端远程调用。本文档详细介绍了 MCP Server Tool 的开发流程与核心知识点，包括工具函数的实现、MCP Server 的注册与启动、工具注册与调用机制、工具列表的声明与返回，以及传输方式（stdio 与 SSE）的选择与实现。此外，文档还提供了 Python 源码的详细解析、SSE 方式的本地部署方法，以及客户端访问与调用的示例代码。通过本文档，

《MCP 客户端深入学习指南》详细介绍了 MCP（Model Context Protocol）客户端的架构、核心组件、实现流程及最佳实践。MCP 客户端是一个灵活的工具集成框架，支持 LLM（Large Language Model）与外部工具的交互，具备动态工具发现、多服务器配置、OpenAI API 兼容性等特点。文章从系统架构入手，解析了核心类关系，包括 Configuration、Server、Tool、LLMClient 和 ChatSession 等组件，并提供了初始化流程和消息处理流程的详细

本文将详细介绍 Model Context Protocol（MCP）Python SDK 的使用方法和核心概念。MCP 是一种用于将外部数据源和工具与大型语言模型（LLM）应用集成的开放协议。通过 MCP，开发者可以构建 MCP 客户端连接到任何 MCP 服务器，创建暴露资源、提示和工具的 MCP 服务器，并处理所有 MCP 协议消息和生命周期事件。本文将涵盖 MCP 的安装、快速入门、核心概念、服务器运行方式、示例以及高级用法等内容。

Model Context Protocol (MCP) 是一个开放协议，用于标准化应用程序如何为大型语言模型（LLMs）提供上下文。它类似于 AI 应用程序的 USB-C 接口，为 AI 模型连接到不同的数据源和工具提供了标准化的方式

本文详细介绍uv工具的功能、安装及使用方法，重点阐述如何利用uv创建和管理Python环境，并深入分析其工作原理。uv作为一款高性能的Python包和项目管理器，凭借其快速的依赖解析、内置虚拟环境管理及多Python版本支持等优势，有望成为Python开发者的新选择。

访问地址‌：https://www.aibase.com/zh/repos/topic/mcp。访问地址‌：https://modelcontextprotocol.io/examples。核心价值‌：全网首个MCP生态资源聚合平台，覆盖开源项目、工具库及开发文档。访问地址‌：https://cursor.directory/mcp。访问地址‌：https://mcp.so/developers。生态扩展‌：在MCP.SO发布自定义工具并参与社区协作。案例库：电商/医疗/金融等行业的MCP落地方案。

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。