mcp

接入 MCP，不一定要先平台化：一次 AI Runtime 的实战取舍本文对应项目版本：v0.0.9这半年只要聊到 MCP，讨论几乎都会很快滑向同一个方向：这条路线当然成立，但它有个很容易被跳过的前置问题：

zhangshuang-peta

通过 MCP 控制平面引入技能构建 agentic 产品的团队，往往一开始会把 “skills（技能）” 当作一种内部构造：它是可复用指令、工具 schema，以及一点点嵌在每个 agent 内部的胶水代码的混合体。对于少量技能和单个 agent，这种方式可能是可行的，但一旦多个 agent、多个团队以及多个环境需要安全且一致地共享能力，这种方法通常就会崩溃。开放的 Agent Skills 格式（例如一个 SKILL.md 清单文件，再加上可选的脚本/资源）以及 OpenAI API 层面的 “Skills” 概念，都是行业正在标准

QMetaObject的invokeMethod异步阻塞调用在MCPServer开发中的巧妙应用在Qt6开发中，我们经常会遇到跨线程操作UI的场景。特别是在构建MCP服务器这样的应用时，后台线程需要与UI线程进行安全的交互。今天，我想和大家分享一个在实际项目中使用QMetaObject::invokeMethod实现异步阻塞调用的例子，以及它背后的原理和巧妙之处。

MCP 服务器配置：让 AI 助手直接解析 PDF 文档给 Claude Desktop / Cursor 配置MinerU MCP Server，对它说"帮我读取这个 PDF"，它就调用 MinerU 解析。

我用 C++ 写了个 MCP ，让 AI 看懂了每一帧 GPU 在画什么我做到了。上面是真实的使用场景 —— 我在 Claude Code 里打开了一个 D3D11 的 CubeWorld 抓帧，AI 自动分析了整帧的渲染结构、Pipeline 状态、Draw Call 序列，最后给出了完整的技术报告。

Java Agent 集成 MCP 工具协议：让 AI 真正驱动企业系统标签：Java MCP Agent j-langchain LLM 工具调用 Function Calling 适合人群：希望把企业 API、数据库、文件系统等能力统一接入 Java Agent 的开发者

claude code mcp google命令方安装: 在我的电脑使用标准安装指令：claude mcp add chrome-devtools npx chrome-devtools-mcp@latest

zhangshuang-peta

MCP 的渐进式披露渐进披露（progressive disclosure）是一种用户体验策略，它让复杂系统在不移除能力的前提下，显得简单。这个模式很直接：先展示大多数人此刻成功所需的少量选项，而“其余内容”只在用户请求时，或在任务相关时才揭示出来。做好这一点，可以减少错误、提升可学习性，并加快高频任务——尤其是在“MCP”环境中，因为那里有多个渠道、能力和治理要求，可能会让用户和团队不堪重负。 [1]

zhangshuang-peta

MCP 与 Prompt Engineering：协议出现后，Prompt 还重要吗？一、一个常见疑问：有了 MCP，还需要 Prompt 吗？（A Common Question: Do We Still Need Prompts After MCP?）

[FastMCP设计、原理与应用-02]以命令行和客户端与MCP服务器交互在"Hello, MCP"，我们采用HTTP传输协议搭建了一个简单FastMCP服务器，并直接采用HTTP请求的形式完整MCP的基本操作，包括读取组件列表、调用工具、读取资源和渲染提示词等操作。接下来我们来演示其他两种交互方法，一是使用fastmcp命令行，而是以编程的方式是客户端SDK。

pip install agent-framework：微软多Agent框架1.0实测微软4月3号发了Agent Framework 1.0正式版。这个框架把之前的Semantic Kernel和AutoGen合并成了一个SDK，Python和.NET都支持。

告别"玩具项目"：用 MCP 协议让你的 AI Agent 真正干活MCP 是 Anthropic 在 2024 年底开源的一套协议标准，定义了AI 模型和外部工具之间如何通信。

Codex 和 OpenClaw，到底差在哪？最近一段时间，越来越多从业者开始接触 Codex、OpenClaw、MCP、A2A、Skill、Harness 这些词。它们经常一起出现，也都和 AI Agent 有关，所以很多人第一反应都是：看着好像差不多，但又说不清到底差在哪。笔者这篇文章就想解决这个问题，用尽量通俗的方式，把几个最容易混淆的概念放到同一个框架里讲清楚。

MCP项目笔记九（插件 bacio-quote）本文以 C++ 插件BacioQuote，系统讲解 MCP 插件的核心概念、资源读取协议以及 Tool 与 Resource 的本质区别。

Web逆向工程AI工具：WebScout MCP Server，给AI装上眼睛和手一直在想，什么时候AI能真正代替我操作浏览器？不是我给它指令，而是它自己看懂页面、自己动手点击。这个愿望，WebScout MCP Server 帮我实现了大半。

MCP协议：解锁AI模型与外部世界的高效协作在人工智能技术迅猛发展的今天，大语言模型（LLM）已经成为推动各行各业数字化转型的核心力量。然而，模型的潜力往往受限于其与外部工具、数据源的交互能力。如何让AI模型高效、安全地调用外部资源？如何避免为每个工具单独开发接口？这些问题催生了一个全新的技术范式——模型上下文协议（Model Context Protocol, MCP）。

最新版OpenClaw使用自定义MCP完整教程（2026.4.5版，实测可用）前言：本文适配通过官方脚本 curl -fsSL https://openclaw.ai/install.sh | bash 安装的最新版OpenClaw（2026.4.5），解决大家配置自定义MCP时常见的「配置报错」「MCP启动失败」「AI无法调用工具」等问题，全程实操，复制命令即可完成，适合新手和有自定义工具需求的开发者。

CLI化浪潮：三大企业办公平台的72小时开源赛2026年3月最后一周，钉钉、飞书、企业微信三大国内企业办公平台几乎同时开源了各自的 CLI 工具。这绝非巧合——一场由 AI Agent 驱动的 CLI 化浪潮，正在重新定义企业软件的交互方式。

Web逆向工程AI工具：Integuru，YC W24孵化的API逆向神器上周五下午，老大让我研究一下某竞品的API接口，说下周要做一个对标产品。我打开浏览器，开了Charles，抓了半小时包，看了一堆混淆过的请求，整个人都麻了。

海边的Kurisu

Amadeus的知识库 | 告别碎片化集成：深度解析 AI 时代的“USB 协议” —— MCP在 LLM（大语言模型）飞速发展的今天，我们正从“对话框 AI”转向“智能体（Agent）”。然而，开发者在集成 AI 时一直面临一个巨大的痛点：数据孤岛。