我们在 一文了解MCP协议 这篇博客中已经介绍了 MCP 协议的一些基本知识，以及简单配置了一个基于 sqlite 的 MCP 服务器的使用。
这篇文章，我们来开发一个基于天气查询的 MCP 服务器，并配置到大模型中，来看一下 MCP 服务器的开发相关的知识。

什么是 MCP 协议

MCP(Model Context Protocol)，模型上下文协议，是 Anthropic 公司提出并开源的一项大模型上下文协议标准，专门用来解决大语言模型与各种外部数据来源，工具以及资源之间的交互难题，通过标准化的连接方式增强 AI 应用的实用性和安全性。

现今随着大语言模型的发展，在开发 AI 应用时会遇到许多挑战，如如何获取用户输入、如何处理外部数据等。MCP 协议解决了这些问题，使得大语言模型与各种外部数据来源，工具以及资源之间的交互变得简单易行。它相当于为大语言模型和各种数据源搭建了一座标准化的桥梁，让这些数据源可以轻松地被大语言模型所使用。

随着 AI 的发展，AI 应用也越来越火爆，但随之而来也会有一些挑战，比如 AI 记忆。

我们在 使用ollama本地部署deepseek大模型 中已经使用 ollama 搭建了本地的 deepseek，虽然使用个人电脑搭建只能运行小参数的 deepseek 服务，其效果远远不及 deepseek 官网提供的服务那么好，但如果你不是需要一些联网服务以及深度思考的应用，只是用 AI 做一下简单的个人助理，本地搭建的服务也够用。

本文整理一下如何使用 obsidian 和 ollama 搭建的本地大模型搭建个人知识库。

deepseek 是最近非常火爆的开源国产 AI 大模型，据说能力不错。前几天在 ollama 模型库里，deepseek-r1 模型已上线，我们可以使用 ollama 在本地部署，学习体验一下。

⚠️ 注意 ⚠️：
个人电脑算力毕竟有限，使用 ollama 部署的模型都是小参数模型，其能力和运行效果，离 deepseek 官网给出的官方服务，可谓是天差地别，如果期望能有一个好的效果，那么可以不用考虑本地部署，直接使用官网的免费服务即可。
当然，本地部署虽然能力较弱，但还是有一定的应用场景，比如搭建个人知识库，后面我会单独开一些博文来介绍其用途。

Angular自v16引入signals后到目前已经升级迭代到Angular19，其signals特性经过发展优化，现在基本功能完备，具备在生产项目中使用。今天我们用一个简单的拼图游戏，来实践一下signals的使用。

随着ChatGPT的火爆，各种大模型也是层出不穷。对于我们作为应用层而言，要想对接那么多的大模型，费时又费力。

今天我就推荐几款开源的大模型应用构建平台，使得对接大模型更加容易，甚至不需要代码基础，基于图形化的工作流便可。

Obsidian 是一款非常好的离线笔记软件，支持Markdown，还有非常多的三方插件来拓展功能，是我目前用的最多的笔记软件。
但移动端和PC端的数据同步，如果不买官方的同步服务，还是有点麻烦的。

现在的直播，大体分两种场景，一是人站在摄像头前直播，还有一种是使用推流软件，将视频，音乐，图片等进行推流直播。
第一种场景需要有人一直在镜头前进行直播，而第二种方式，推流的是静态资源，视频，音乐，图片等都是固定的资源，只是不停的轮播而已。
那有没有一种方式，既可以无人守护，又可以推流动态资源呢？

SSE(Server Send Events)本身并不是一个新技术，但随着近两年ChatGPT的爆火，使得SSE技术也重新火了一把。
对于SSE细节，可参考 MDN和 阮一峰的博客。