登录社区云，与社区用户共同成长
邀请您加入社区
本文介绍了MCP（模型上下文协议）的基本概念、工作原理及实践案例。MCP作为大语言模型与外部工具连接的标准化协议，通过JSON-RPC 2.0实现数据传输，支持本地进程间通信和远程SSE访问。文章演示了两个具体应用：1）将数字计算功能封装为MCP工具；2）将HTTP接口转换为MCP工具，并详细说明了Spring AI框架下的实现步骤，包括工具定义、服务注册和客户端调用。最后指出，掌握MCP等AI技
Anthropic开源了一套MCP协议，它为连接AI系统与数据源提供了一个通用的、开放的标准，用单一协议取代了碎片化的集成方式。本文教你从零打造一个MCP客户端。
本文介绍如何整合前文实现的 MCP 服务端和 MCP 客户端（基于 SSE 传输协议），实现数学运算智能问答应用
本文介绍 MCP 客户端的编程实现（网上有不少介绍 MCP 协议的文章，但关于 MCP 客户端的编程实践的文章很少，特别是基于 sse 传输方式的实现）。
本文为 MCP 系列的第三篇，本文从开发实践的角度出发，介绍 MCP 服务端的编码开发及其功能验证步骤
最近，LangChain发布了一个新的开源项目langchain-mcp-adapters[1]，该项目为开发者提供了一种便捷的方式，将MCP (Model Control Protocol) 服务器无缝集成到LangChain生态系统中。
本文分享了在开发MCP-Server过程中的经验与思考。MCP是一种标准化协议，用于连接LLM与外部工具。开发的功能是通过大模型识别网页图片并生成适配KV图风格的页面。主要解决了四个关键问题：1）通过优化参数设计和提示词约束确保工具间调用准确性；2）采用批处理和工具整合减少调用次数；3）引入result-server解决返回内容过长问题；4）利用notify功能改善长时间操作的体验。文章还讨论了M
AI项目实战之从0到1掌握Dify：聊天助手、工作流与MCP集成实战、精通Qwen3+MCP开发Streamable HTTP和SSE传输！
本文介绍如何借助LangChain的新开源项目`langchain-mcp-adapters`，让MCP集成变得更加简单高效。
今天，我们将更进一步，将DeepSeek大模型集成到MCP客户端中，打造一个真正智能的天气助手。DeepSeek与MCP的结合优势将DeepSeek等大模型与MCP结合，能够带来以下优势：自然语言理解：用户可以用自然语言提问，无需记忆特定命令格式上下文感知：模型可以记住对话历史，提供连贯的体验智能推理：根据用户需求自动选择合适的工具和参数信息整合：将工具返回的原始数据转化为易于理解的格式
