Hello，相信大家近期都浏览到了掘金上的 AI Coding 专区，还没刷到的掘友们快去先探索一下吧~
专区直通车>>>juejin.cn/aicoding
经过一段时间的酝酿筹备，掘金也将新增 AI Coding 周刊栏目，旨在专注于发掘推荐站内有关 AI Coding 的优质内容和相关创作者，欢迎大家踊跃提出宝贵建议，多多投稿砸向专区！！站内投稿时记得带上#AI 编程#的标签哦~
话不多说，让我们一起来看看上周有哪些大佬佳作吧~
注：以下内容排名不分先后
🌟推荐内容
MCP：究竟是个什么东东
🔗什么是模型上下文协议（MCP）？它如何比传统 API 更简单地集成 AI？
本文深入浅出地介绍了模型上下文协议（MCP）的概念、工作原理及其与传统 API 的区别。MCP 旨在通过统一的接口，简化 AI 模型与各种外部工具和数据源的连接。文章解释了 MCP 如何通过单一协议、动态发现和双向通信，解决传统 API 集成复杂、扩展性差等问题。通过旅行规划助手、智能 IDE 和复杂数据分析等应用案例，展示了 MCP 在实际应用中的优势。同时，文章也探讨了传统 API 在特定场景下的适用性，并提供了快速集成 MCP 的步骤。MCP 不仅仅是一种 API，更是一个强大的连接框架，让 AI 应用能更智能、更动态地融入丰富的上下文环境，快速实现复杂的功能互动。
🔗一文讲透 MCP，开启 Apifox MCP Server 内测之旅
如果你关注着 AI 的发展，那么最近可能经常看到 MCP 这个词。
MCP 即模型上下文协议 （ Model Context Protocol ） 的缩写，于 2024 年 11 月由 Claude 大模型的公司 Anthropic 推出并开源。这是一个将 AI 助手连接到第三方数据源的新标准，包括内容存储库、业务工具和开发环境。它的目的是帮助 AI 大模型生成更好、更相关的回答。
🔗MCP从理解到实现
Agent Tool 通常基于 Function Calling 实现。开发者只需按照 OpenAI 接口规范定义函数和参数，LLM 就能通过推理，自行决策是否调用这些预先编写的工具来完成特定需求。
与之相比，MCP 需要构建一个独立的服务，并按照 MCP 协议实现特定的远程过程调用（RPC）方法。LLM 客户端需要在启动时发现该服务并建立连接，之后才能在对话过程中调用服务提供的功能。
🔗MCP：基于 Spring AI Mcp 实现 Stdio Mcp Server
本文使用 Spring AI Mcp 能力实现一个简单 Mcp Server。并使用 Stdio 方式调用。大家先对 Mcp server的开发有一个简单的入门理解，后续会逐步深入开发，并且与大模型结合实现更为强大的 Agent 示例。
🔗对话即服务：Spring Boot整合MCP让你的CRUD系统秒变AI助手
通过Spring Boot与MCP的整合，我们轻松实现了传统CRUD系统到智能AI助手的转变。MCP作为AI与服务之间的桥梁，极大简化了集成工作。未来随着MCP生态发展，"对话即服务"将可能成为应用的开发范式，让复杂系统变得更加易用。
AI 编程：思考与趋势
🔗如何突破 AI 开发最后 30% 的瓶颈
AI 辅助编码时代已经到来，它使得常规编码更快。这使得我们开发者能够专注于软件开发中更具挑战性和意义的部分。通过最大限度地利用那"最后的 30%"------批判性思维、精湛的设计和严格的质量检查------我们不仅确保了自身的价值，而且也能够交付更好的软件。
最终，优秀的软件工程始终是关于解决问题的，而不仅仅是编写代码。AI 并没有改变这一点，它只是促使我们提升解决问题的水平。接受这个挑战，你就能在这个新时代取得成功。
🔗AI 编程避坑全攻略
AI 编程潜力巨大，但需系统规划、规范文档和场景化选择。通过本指南，开发者能有效避坑，高效落地项目。未来，随着工具和模型的迭代，AI 编程将更智能，开发者需持续学习，适应变化。
Cursor：用过都说好
🔗Cursor + MCP 要冲击的不仅是前端
在 2024 年底我还觉得 AI 取代程序员是遥不可及的事情，随着在 AI Code 领域个人学习和团队高密度的讨论、实践，个人的一些观点发生了 180 度掉头，AI 取代初级程序员的编程任务近在眼前，本文来分享一下让我观点发生变化的 AI 能力和对未来 AI Code 的理解
🔗一行代码不用写，用 Cursor + Gitee MCP 做个贪吃蛇游戏
Gitee 正式发布官方 MCP Server 后，受到了许多开发者的关注，这种让 AI 助手深度参与协作开发的编码方式极大地提升了开发者们的工作效率。许多开发者也来问，Cursor 能用 Gitee MCP 吗？当然没问题！今天我们就一行代码也不写，只用 Cursor 和 Gitee MCP 做个贪吃蛇游戏。
Trae：更快、更好、更准确
🔗Trae 开发工具与使用技巧
Trae 的智能问答不止是「代码搜索引擎」，而是通过 「上下文穿透」 （文件→项目→历史）和 「 多模态 交互」（代码+图片+终端），让开发者能用「聊需求」的方式推进开发。新手建议从「右键选代码提问」开始，每天用 10 分钟解决 1 个具体问题（如修复报错、补全注释），1 周即可形成「代码有问题，直接问 Trae」的肌肉记忆。
🔗【PromptCoder + Trae 最新版】三分钟复刻 Spotify 页面
通过 PromptCoder 和 Trae 的协作，开发者可以快速将 Spotify 的设计稿转化为可运行的代码。PromptCoder 从截图生成详细提示词，而 Trae 则利用其 AI 能力实现代码编写和路由配置。相比传统开发，这种方法不仅高效，还让开发者能够专注于优化和创新。
💫掘友自荐
🔗AI 编码 2.0 分析、思考与探索实践：从 Cursor Composer 到 AutoDev Sketch
我们可以对 AI 编码工具 2.0 的核心特点进行总结：分考虑与研发知识库、工具生态的结合，部署最新模型以刷新认知，关注开发者日常活动。
- 充分利用研发生态：结合研发工具链和知识库，提升 AI 编码工具的智能化。
- 开发者编码心流：通过持续性自动化修改，提升开发效率。
- 多种规格 AI 模型支撑：通过规划、理解、补全等不同模型，满足多样化的开发需求。
🔗成为超级个体：AI 时代研发人员的编程技巧与最佳实践
在生成式 AI 驱动下的编程辅助工具日益普及。AI 助力编程能够显著加速开发过程，并通过代码生成、提示词优化等方式为开发人员提供支持。然而， 这类工具的实际效能受限于生成内容的准确性、上下文完整性，以及开发人员校验生成内容的成本。特别是，开发者在应用这些工具时， 如何有效地根据不同场景选择辅助模式、搭建合适的编程工作流，以及如何降低生成内容的校验成本，成为决定性因素。
📖投稿方式
主理人目前正在招募中，有感兴趣的掘友们可以联系Captain，同时也欢迎在评论区推荐或者自荐优秀的 AI Coding 方面的创作者和文章。