飞浪网站建设金蝶进销存软件免费版

飞浪网站建设,金蝶进销存软件免费版,做代炼的网站,怎么看一个网站好坏Model Context Protocol#xff08;MCP#xff09;是一套开源标准#xff0c;核心价值在于打通AI应用程序与外部系统的连接壁垒。它采用经典的客户端-服务器架构#xff0c;通过工具、资源、提示等核心原语#xff0c;让AI能够灵活访问外部关键信息并执行各类任务。本文将…Model Context ProtocolMCP是一套开源标准核心价值在于打通AI应用程序与外部系统的连接壁垒。它采用经典的客户端-服务器架构通过工具、资源、提示等核心原语让AI能够灵活访问外部关键信息并执行各类任务。本文将从基础概念、架构分层、交互流程三个维度拆解MCP核心逻辑再结合FastMCP框架实战演示服务器与客户端搭建为想要扩展大模型能力的小白开发者和程序员提供一条清晰可落地的技术路径。在实际应用中MCP可对接的外部能力主要涵盖三类核心场景数据源本地文件系统、关系型数据库MySQL/PostgreSQL、非关系型数据库MongoDB/Redis、云端存储OSS/S3等工具搜索引擎百度/Google API、计算器、第三方API调用天气/支付/地图、代码执行器等工作流程专业化提示模板如数据分析指令、客服对话脚本、多步骤任务编排如报告生成-审核-分发等。MCP 核心概念 (Core Concepts)https://modelcontextprotocol.io/docs/develop/connect-local-serversMCP 遵循客户端-服务器Client-Server架构主要参与者和分层如下参与者 (Participants)MCP 主机 (Host)即 AI 应用程序如 Claude Code它协调和管理一个或多个MCP 客户端。MCP 客户端 (Client)维护与MCP 服务器的连接并从服务器获取上下文供主机使用。MCP 服务器 (Server)提供上下文数据给 MCP 客户端的程序可以本地或远程运行。一个 MCP 主机可以连接多个 MCP 服务器但通过每个 MCP 客户端与对应的 MCP 服务器之间维持一对一的专用连接。架构分层 (Layers)https://modelcontextprotocol.io/docs/learn/architectureMCP 由两个抽象层组成分层作用描述数据层 (Data Layer)内层。定义基于JSON-RPC 2.0的协议用于客户端-服务器通信包括生命周期管理、核心原语工具、资源、提示和通知。传输层 (Transport Layer)外层。定义实现数据交换的通信机制和通道包括连接建立、消息分帧和授权。传输层机制Stdio 传输使用标准输入/输出流适用于同一机器上的本地进程间通信。流式 HTTP 传输 (Streamable HTTP)使用 HTTP POST支持远程服务器通信和标准 HTTP 身份验证如 OAuth。MCP 是一个有状态协议需要生命周期管理。其核心目的是通过initialize请求协商客户端和服务器双方支持的能力 (Capabilities)确保协议版本兼容性并进行身份信息交换。核心原语 (Primitives)原语是 MCP 中最重要的概念它们定义了客户端和服务器可以互相提供的功能和上下文信息。原语类型角色功能描述示例工具 (Tools)服务器提供可执行函数AI 应用程序可以调用它来执行操作例如文件操作、API 调用、数据库查询。tools/list(发现) 和tools/call(执行)资源 (Resources)服务器提供提供上下文数据的来源例如文件内容、数据库记录、API 响应。resources/list和resources/get提示 (Prompts)服务器提供可重用的模板用于构建与语言模型的交互例如系统提示、少样本示例。采样 (Sampling)客户端提供允许服务器向客户端请求语言模型完成LLM completions使服务器保持模型独立性。sampling/complete引发 (Elicitation)客户端提供允许服务器请求用户提供额外信息或确认操作。elicitation/request日志 (Logging)客户端提供允许服务器向客户端发送日志消息进行调试和监控。MCP交互示例概览一个典型的 MCP 交互流程如下初始化 (Initialization)客户端发送initialize请求协商协议版本和双方支持的能力例如客户端支持elicitation服务器支持tools和resources。工具发现 (Tool Discovery)连接建立后客户端发送tools/list请求获取服务器提供的所有工具的详细元数据名称、描述、输入inputSchema等。工具执行 (Tool Execution)AI 应用程序的 LLM 决定使用工具时客户端发送tools/call请求指定工具名称和参数服务器执行后返回包含content数组的结果。实时更新 (Notifications)如果服务器的工具列表发生变化它会发送notifications/tools/list_changed通知无 ID无响应客户端收到后通常会再次调用tools/list来刷新其工具注册表。理解 MCP 服务器MCP 服务器是程序它通过标准化的协议接口向 AI 应用程序公开特定的能力。常见的 MCP 服务器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的日历服务器。MCP 服务器主要通过以下三个核心构建模块提供功能功能模块解释示例控制者工具 (Tools)函数LLM 可以根据用户请求主动调用并决定何时使用它们。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 (Model)资源 (Resources)被动数据源提供信息的只读访问作为上下文Context例如文件内容、数据库 Schema 或 API 文档。检索文档、访问知识库、读取日历。应用程序 (Application)提示 (Prompts)预设的指令模板指导模型使用特定的工具和资源来完成复杂的工作流程。计划假期、总结会议、起草邮件。用户 (User)理解 MCP 客户端MCP 客户端由宿主应用程序Host Application例如 Claude.ai 或一个 IDE实例化用于与特定的 MCP 服务器进行通信。宿主应用管理整体用户体验并协调多个客户端而每个客户端负责与一个服务器进行一次直接通信。除了利用服务器提供的上下文Tools, Resources, Prompts外客户端还必须向服务器提供一些核心功能以支持更丰富的交互功能模块解释示例采样 (Sampling)允许服务器通过客户端请求 LLM 完成LLM completions使服务器能执行依赖 AI 的任务同时将安全和权限控制权完全交给客户端。旅行预订服务器将航班列表发送给 LLM请求 LLM 推荐最佳航班。根目录 (Roots)客户端指定服务器应关注的文件系统边界通过协调机制传达预期的范围Scope。客户端允许旅行预订服务器访问包含用户日历的特定目录。引发 (Elicitation)允许服务器在交互过程中按需请求用户提供特定信息以结构化的方式动态收集数据。旅行预订服务器请求用户确认座位偏好、房间类型或联系电话以完成预订。FastMCPhttps://gofastmcp.com/getting-started/welcomeFastMCP是一个旨在实现 MCP 应用程序的标准框架。它提供简洁、PythonicPython 风格的代码使开发者能够更高效、更便捷地构建、部署和集成 MCP 应用程序和服务器。MCP Serverfrom fastmcpimportFastMCP mcpFastMCP(Demo )mcp.tool def add(a: int, b: int)-int:Add two numbersreturna bif__name____main__:mcp.run()MCP Clientimportasyncio from fastmcpimportClient clientClient(http://localhost:8000/mcp)async def call_tool(name: str): async with client: resultawait client.call_tool(greet,{name:name})print(result)asyncio.run(call_tool(Ford))FastMCP Server 使用https://gofastmcp.com/servers/serverFastMCP类是构建 MCP 应用程序的核心它作为应用程序的中心容器用于存放工具 (Tools)、资源 (Resources)和提示 (Prompts)并负责管理与 MCP 客户端的通信。定义工具说明mcp.tool(namefind_products,# Custom tool name for the LLMdescriptionSearch the product catalog with optional category filtering.,# Custom descriptiontags{catalog,search},# Optional tags for organization/filteringmeta{version:1.2,author:product-team}# Custom metadata)def search_products_implementation(query: str, category: str|NoneNone)-list[dict]:Internalfunctiondescription(ignoredifdescription is provided above).# Implementation...print(fSearching for {query} in category {category})return[{id:2,name:Another Product}]定义工具参数mcp.tool def analyze_text(text: str, max_tokens: int100, language: str|NoneNone)-dict:Analyze the provided text.# Implementation...定义资源mcp.resource(data://config)def get_config()-dict:Provides application configuration as JSON.return{theme:dark,version:1.2.0,features:[tools,resources],}定义资源模板mcp.resource(weather://{city}/current)def get_weather(city: str)-dict:Provides weather informationfora specific city.# In a real implementation, this would call a weather API# Here were using simplified logic for example purposesreturn{city:city.capitalize(),temperature:22,condition:Sunny,unit:celsius}定义提示词mcp.prompt(nameanalyze_data_request,# Custom prompt namedescriptionCreates a request to analyze data with specific parameters,# Custom descriptiontags{analysis,data},# Optional categorization tagsmeta{version:1.1,author:data-team}# Custom metadata)def data_analysis_prompt(data_uri: strField(descriptionThe URI of the resource containing the data.), analysis_type: strField(defaultsummary,descriptionType of analysis.))-str:This docstring is ignored when description is provided.returnfPlease perform a {analysis_type} analysis on the data found at {data_uri}.如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。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。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2025 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。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技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取