mcp

来日方长。。。。long

Hermes Agent橙皮书共读｜第四篇：落地场景开发｜MCP集成、多平台网关、自定义Skill开发专栏系列回顾第一篇：认知导论｜从 Harness 工程到 Hermes，五大核心概念厘清第二篇：核心内核拆解｜五大支柱深度解析（Memory/Skill/Soul/Crons/自进化闭环）第三篇：保姆级实战部署｜本地 / VPS 从零搭建 Hermes 本篇为第四篇：场景开发实战。前置要求：已经完成第三篇部署，Hermes可以正常跑通CLI交互，理解Skill、Crons、Memory基础机制。本篇重点：跳出单机终端CLI，做真实业务落地：自定义Skill开发、MCP协议对接、多平台网关、子Ag

MCP以及底层协议、传输模式MCP是Anthropic于2024年11月开源的AI与外部世界连接的统一标准，底层使用JSON-RPC2.0协议，官方传输标准为stdio, Streamable HTTP，SSE已废弃，核心作用是通过标准化中间层解决AI应用与外部工具/数据源之间的M x N集成问题，实现即插即用。

用户312687487720

AI Agent 的 TCP/IP 时刻：MCP 协议深度解析为什么说 MCP 是 Agent 时代的 USB-C？7 月 28 日最大架构重构改了什么？Java 开发者怎么上手？一文讲透。

给AI编程工具装了张"代码地图"后，它终于不瞎猜了用Claude Code有一段时间了，说实话大部分场景下体验都不错。但一旦涉及大型项目——尤其是那种多模块、多语言混杂的monorepo——AI的表现就明显下滑。不是它不会写代码，而是它根本搞不清楚你的代码长什么样。

深入理解 AI Agent · MCP 子系列 #02：MCP Server 开发实战—从工具注册到无状态新规范导读：上一篇文章（MCP-01）从协议层面拆解了 MCP 的消息格式、传输层设计和生命周期管理。本篇进入实战环节——如何用 Spring AI 搭建一个生产级的 MCP Server。文章将结合 Dream-SaaS 项目中的真实踩坑经验，覆盖工具注册的两种方案、Server 架构分层设计、参数校验与错误处理，并重点解读 2026 年 7 月 28 日发布的 MCP 无状态新规范——这是 MCP 协议自发布以来最大的一次架构变更，直接影响了 Server 端的开发方式。

我翻了 Claude Code 的系统提示词，发现 Skill 作者踩了这 5 个坑上周我写完一个 Claude Code Skill，满心欢喜地让它跑一个多文件重构。结果它像失忆了一样，明明 CLAUDE.md 里写了「不要动依赖版本」，它还是 bump 了 package.json；明明强调了「先 ask 再 write」，它直接覆盖了三个文件。

MCP Server 是什么？为什么是2026年开发团队的必备？大语言模型的能力已不再局限于对话和文本生成。随着 Model Context Protocol（MCP）开放标准的普及，大模型接入外部工具、数据和服务有了统一的通信协议。在当前的开发流程中，MCP 已成为主流 AI 编程工具与本地开发环境交互的标准接口。

💡 比“怎么做”更值钱的是“为什么不那么做”：ai-analyze 的五个设计决策大部分代码分析工具的文章会讲"支持多少语言、有多少规则、能检测多少漏洞"。ai-analyze 支持 7 种语言、12 条安全规则、4 维度质量评分，这些功能数字在 README 里就能看到。这篇文章不讲功能清单，讲五个容易被忽略但值得深挖的设计决策——每个决策背后都有一个"为什么不那么做"的故事。

神奇霸王龙

MCP 微软教材背书:5 国产基座 Agent 承接力实测适用读者:想在 MCP 协议下用 Qwen / GLM / Kimi / DeepSeek / MiniMax 这些国产基座模型承接 Agent 工程的开发者阅读时长:约 12 分钟测试时间:2026 年 7 月(基于炻光 AI 接入管理平台公开文档)

nRF Connect SDK 开发新体验：VS Code + Claude Code + DeepSeek + Nordic MCP 全流程（蓝牙开发实例）什么是 AI Agent？Claude Code 跟 Claude 大模型有什么不同？MCP 是什么、为什么嵌入式开发也需要它？Skill、Hook、Subagent 又各自解决什么问题？

亚马逊CLI和MCP哪个更省? 安装到首命令成本实测💡 阅读提示: 这篇把亚马逊数据获取的三条路 — Sorftime CLI、传统爬虫、自建脚本 — 从安装到跑通第一条命令完整走一遍, 再从成本 / 维护 / 隐性成本 3 个维度横向拆解. 正在纠结"要不要上 CLI、要不要自己写爬虫"的亚马逊卖家, 看完基本有答案.

MCP 协议深度解析：AI 领域的 USB-C 接口你用过多少个 AI 应用？ChatGPT、Claude、Cursor、Windsurf……每个都想连接外部工具。如果每个 AI 应用都要针对每个工具写一套集成代码，这活儿还干得下去吗？

深入理解 AI Agent · MCP 子系列 #01：MCP 协议全解—从消息格式到传输层的完整拆解在 MCP 出现之前，LLM 调用外部工具这件事已经存在了好几年，但一直是"能用但很碎"的状态。每个 LLM 厂商都有一套自己的工具调用格式：

GitHub #2 拆解｜仅 +59，代码知识图谱为什么仍值得关注？不只搜到代码，还要看懂结构、关系与数据流。⚡️ 30 秒速读：vitali87/code-graph-rag 今日新增 +59，却排 GitHub Trending #2。它用 Tree-sitter 把 13 种完整支持的语言装进统一 schema，以 Memgraph 保存关系，再把自然语言转成 Cypher；编辑侧提供 AST-based editing、diff preview 与 ast-grep 结构化替换。亮点是查询和修改共用代码结构；风险是 v0.0.x 快速版本、Release 说明很薄

Claude 接入 Luma MCP：一句话让 AI 生成电影感短视频如果你正在关注 AI 视频生成，应该已经听过 Luma Dream Machine。它在“梦幻感”“电影感”“画面构图”和“氛围塑造”方面一直很有辨识度，特别适合用来做艺术短片、广告概念片、产品 teaser、音乐 MV、短视频创意分镜等内容。

沃尔玛选品CLI推荐? 爬虫自建脚本成本全拆解💡 阅读提示: 我从安装到跑通第一条命令, 把沃尔玛卖家拿数据的 3 条路 (Sorftime CLI / 传统爬虫 / 自建脚本) 全流程实测了一遍, 再从成本 / 维护 / 隐性成本 3 个维度横评. 纠结要不要上 CLI、要不要自己写爬虫的沃尔玛卖家必看.

大模型工具调用与 MCP：格式、并行与安全边界原文发布于 quant67.com，转载请保留出处。大模型如果只能吐字符串，就永远只是"会聊天的压缩机"。让它能「按下按钮、敲 API、读文件、跑代码」，才是 Agent 工程的分水岭。本篇系统梳理 Function Calling 的演进、结构化输出的底层解码技巧，以及 Anthropic 在 2024 年底推出的 MCP（Model Context Protocol）如何把工具生态从"每家自己写插件"推向"全行业互通"。

Function-Call / Skill / MCP-Server / ReAct 范式深度辨析现在做Agent开发，几乎一定会碰到四个高频名词：Function-Call、Skill、MCP-Server、ReAct。很多人会把它们放在同一维度对比，实际上它们分属完全不同层级：

把发票台账接进 Codex：KingbaseES MCP 的一次只读风险排查实践月末对账时，最容易被低估的一类工作，是“帮忙查一下这批发票”。问题通常不难：查某个月已入账的记录、找重复票号、比较 OCR 识别金额和台账金额、列出没有附件的发票。难的是这些问题出现得很临时，字段又散在不同表里。开发人员需要先确认业务口径，再写 SQL、改条件、导出结果，最后把数据库里的几列字段翻译成财务同事能直接复核的清单。查一次不算什么，连续几天被不同的人打断，时间就都耗在重复沟通上。

MCP 负责“能做什么”，Agent Skills 负责“应该怎么做”：2026 年 Agent 架构的分层革命上周我把同一份技能说明书分别喂给了两个不同的 Agent 客户端，一个按步骤把任务跑得干干净净，另一个把关键步骤跳过去直接开始瞎编。两个客户端用的是同一个模型，连温度参数都一样，唯一的区别就是其中一份说明书被写成了标准格式，另一份只是塞在对话里的普通文本。这个对比让我第一次真切感受到，Agent 时代的竞争已经从模型本身转移到了怎么给模型写操作手册。