登录社区云，与社区用户共同成长
邀请您加入社区
MCP（Model Context Protocol）是一个开源协议，旨在简化AI模型与外部数据源、工具和系统的连接，从而对AI智能体开发产生了深远的影响。它提供了一个标准化的方法，使得AI智能体能够更轻松地访问和利用各种资源，从而提升其功能性和开发效率。
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！
这里不过多解释，毕竟我们只是使用而不是实现。简单来说 LLM使用不同工具时，以前需要同时修改模型和工具，因为各工具的API数据格式不统一，导致适配成本高、功能添加慢。MCP协议统一了数据格式标准，规定了应用向LLM传输数据的方式。任何模型只要兼容MCP协议，就能与所有支持MCP的应用交互。这将适配工作从双向简化为单向（仅应用端），且对于已有API的应用，第三方开发者也可基于其API进行MCP封装适
学习之前，需要知道什么是MCP（Model Context Protocol，模型上下文协议），官方的解释如下MCP 是一种开放协议，它标准化了应用程序向 LLM 提供上下文的方式。可以将 MCP 视为 AI 应用程序的 USB-C 端口。正如 USB-C 提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP 提供了一种将 AI 模型连接到不同数据源和工具的标准化方式。我暂时把它理解成
MCP是由Anthropic推出的开放协议，旨在标准化AI模型与外部工具、数据源的交互。它像AI领域的"USB-C接口"，通过统一协议实现动态发现工具、实时双向通信等功能。本项目使用MCP协议结合OpenAI、DeepSeek、Qwen等大模型，构建了一个完整的天气查询Agent示例。项目GitHub地址项目特点支持Claude、OpenAI、DeepSeek、Qwen等多种大模型天气查询API采
MCP 作为 AI 与外部工具交互的标准协议，极大提升了自动化能力。掌握 MCP 的基本原理和配置方法，可以帮助你高效利用 AI 进行开发和数据处理。
前篇已经介绍了MCP+n8n构建工作流，在里面可以体现出MCP服务的重要性，以及能看到MCP的可能性，在我们真正的实战过程中可能会有各种各样的需求，开放的MCP服务有极大可能实现不了我们的需求，这个时候如果你懂如何开发一个自己的MCP服务，如虎添翼，助力业务。
本文详细介绍了如何实现与多种格式的 MCP 服务器对接，并通过主进程和渲染进程的协作，将服务器的功能暴露给前端。
近期，随着 Manus 的爆火，一个名为 MCP（模型上下文协议） 的技术术语频繁出现在开发者社区。这项由Anthropic公司（Claude的创造者）于2024年11月推出的开放协议，正在重新定义AI与数字世界的交互方式。如果说ChatGPT打开了智能对话的大门，那么MCP则正在为AI装上"操作现实的双手"。想象这样一个场景：当你对AI说"整理我电脑里上周的会议记录"，它往往只能“动嘴”而不能“
本文详细解析了 Unity Shader 的基本结构，帮助初学者理解Unity Shader代码构成，实现了一个Lambert光照模型，并探讨了其原理与实现方法。
现在越来越多的人才都想往大模型方向转行，对于想要转行创业，提升自我的人来说是一个不可多得的机会。• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大
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
