最近 MCP 服务大热,我也是写过两篇关于 MCP 服务的博客 一文了解MCP协议 开发一个查询天气信息的MCP服务器,来介绍了一下 MCP 的主要概念,以及编写了一个 MCP 服务示例。
在这篇文章中,我将介绍一些 MCP 服务的使用技巧,以及如何使用 MCP 服务来开发一个简单的待办事项应用。
coolcao的code点滴
最近 MCP 服务大热,我也是写过两篇关于 MCP 服务的博客 一文了解MCP协议 开发一个查询天气信息的MCP服务器,来介绍了一下 MCP 的主要概念,以及编写了一个 MCP 服务示例。
在这篇文章中,我将介绍一些 MCP 服务的使用技巧,以及如何使用 MCP 服务来开发一个简单的待办事项应用。
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。
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?