新書推薦:

《
海外中国研究·道家与中国治道(国际汉学泰斗顾立雅集大成之作,一部打破哲学迷思的中国治道探源经典。开辟
》
售價:HK$
63.8

《
人体雕塑解剖学
》
售價:HK$
140.8

《
投喂AI 人工智能产业的全球底层工人纪实 詹姆斯·马尔登 著 聚焦AI产业链底层 技术伦理 社会观察
》
售價:HK$
75.9

《
诛仙.全6册(最新典藏版)
》
售價:HK$
348.5

《
怦然心动的人生整理魔法·实践解惑篇2025版 修订本
》
售價:HK$
54.8

《
修剪情绪藤蔓
》
售價:HK$
76.9

《
3秒下单文案:4步成交法则
》
售價:HK$
65.8

《
中式园林的秩序(文津图书奖得主朱良志教授的园林美学新作,在园林里读懂中国人的生命哲学)
》
售價:HK$
96.8
|
內容簡介: |
《一本书讲透MCP》
來源:香港大書城megBookStore,http://www.megbook.com.hk 这是一本系统介绍和深度解读MCP的著作,旨在为不同背景、不同需求的各类读者提供全面、实用的指导。本书由MCP领域的5位技术专家、布道者撰写,他们各自发挥所长,从10余个维度对MCP进行了全面、透彻、深入的讲解。
《MCP极简入门》
这是一本能轻松带领读者快速理解并使用MCP,从而跨越“大模型调用”到“智能系统构建”之间鸿沟的著作。它以简洁明了、图文并茂、通俗易懂的方式,从基础知识、工作原理、服务架构和应用开发等多个角度对MCP进行了全方位的讲解。即便你没有任何AI基础,也能充分了解并简单使用MCP,从而达到更好地使用AI的目的。
|
關於作者: |
资深技术专家,现任联想诺谛智能首席架构师,专注于大模型应用系统研发,对MCP有较为深入的研究。拥有30余年软硬件研发经验,曾就职于北方电讯、斯伦贝谢、高通等世界500强企业,并作为核心技术人员参与多次创业,曾担任渡鸦科技(被百度收购)CTO,参与了小度智能音箱的研发。曾任百度DuerOS首席布道师,推动对话式AI生态建设。
拥有50余项国内外专利,中国专利局外聘技术专家,并在QCon、SDCC等技术大会上分享全栈架构与AI应用实践。乐于分享,著有《性能之道》《深入分布式缓存》《一书读懂物联网》等8本著作,翻译了《持续架构实践》《基于混合方法的NLP》等10本图书。闲时维护CSDN博客及公众号“wireless_com”,分享软件架构与AI工程实践的经验和感悟。
占冰强
资深AI应用专家,MCP领域的布道者,MCP中国开发者联盟发起人。AIGCLink(覆盖15万AIGC产业从业人员)创始人,微软MVP,零氪云联合创始人,中关村超互联联盟副秘书长,信通院金融领域大模型评估标准制定组专家,Llama中文社区核心成员,PEC联盟发起人之一,《Llama大模型实践指南》作者,连续发起组织四届AIGC中国开发者大会。
郭美青
百川智能技术总监,资深互联网老兵,全栈型技术专家。拥有丰富的软件开发、产品设计、算法调优等方面的实战经验。先后就职于搜狗/腾讯的商业化广告团队,深耕互联网广告业务13年,主导过搜索/信息流广告平台、AI驱动的智能化落地页的全生命周期建设。20222年开始聚焦大模型和AI Agent方向,2023年初完成腾讯首个AI Agent商业化应用从0到1的研发落地,是国内大模型应用落地的先行者。2023年加入百川智能,先后主导过大模型开放平台、MaaS、Agent平台的研发工作,以及端侧模型方向的商业化探索。
莫欣
Agently.tech AI应用开发框架创始人,全栈型产品经理,15年以上开发经验。前美团高级产品专家,深耕大数据、研发平台工具领域超过13年,深度参与美团数据平台从0到100的全过程。百度飞桨PPDE、知乎知学堂合作讲师。2022年开始深入研究大模型应用开发,熟悉LangChain等应用开发框架,熟悉Agent、Agentic Workflow设计和开发,能够设计及实现大模型能力与各类业务场景结合的落地方案,为相关企业提供培训、咨询及技术支持服务。
潘淳
硅基创新社区(硅创社)创始人,Office开发者社区创始人,OpenAIGC社区联合创始人,微软技术俱乐部(苏州)执行主席。RPA标准《苏州市银行业RPA项目实施规范》起草者,《DeepSeek掘金——从企业智能化到办公自动化》一书主编,自然语言编程工具-CodeEasy(码易)作者,RPA软件-RobinRPA软件作者,Office插件-ThanosOffice(灭霸)软件作者。
覃睿
BISHENG联创,数据项素产品副总裁。曾在“AI四小龙”之一的依图科技担任核心公安人像产品线的产品经理,还曾担任AI上市公司第四范式的智能文档事业部的产品负责人。BISHENG是一款知名的开源 LLM应用开发平台,主要针对办公场景,Github 上有超过8700颗星,已有大量行业头部组织及近40家世界500强企业使用。
|
目錄:
|
《一本书讲透MCP》
CONTENTS
目 录
前言
第1章 AI Agent互联网的演进 1
1.1 AI Agent的发展与局限性 1
1.1.1 AI Agent的起源与演化 2
1.1.2 AI Agent的局限性 5
1.2 AI Agent互联如何推动AI Agent
普及 10
1.2.1 AI Agent互联的重要
意义 10
1.2.2 从单智能体到多智能体 11
1.2.3 新一代互联网平台的
兴起 12
1.3 AI Agent互联网面临的挑战及其
发展历程 13
1.3.1 AI Agent互联网面临的
挑战 13
1.3.2 AI Agent互联网的发展
历程 15
1.4 MCP的崛起:AI Agent互联网的
最优解 17
1.4.1 MCP的定义与起源 17
1.4.2 MCP在AI Agent中间层的
定位 19
1.4.3 MCP如何应对AI Agent
互联网面临的挑战 19
1.4.4 MCP带来的新机遇 21
第2章 MCP的核心功能与技术
实现 23
2.1 MCP概述:设计目标 23
2.1.1 理解模型上下文 23
2.1.2 MCP的设计目标 24
2.2 MCP相关概念:Function Call 与RAG 25
2.2.1 Function Call 25
2.2.2 RAG 29
2.3 MCP的技术实现:架构、组件与
工作原理 30
2.3.1 MCP的整体架构 30
2.3.2 MCP的核心组件 31
2.3.3 MCP组件的协同机制 38
2.3.4 MCP的通信机制 43
2.3.5 MCP的安全机制 49
2.4 MCP的重点改进方向与发展
趋势 51
2.4.1 重点改进方向 51
2.4.2 发展趋势 52
第3章 MCP的生态系统与发展
趋势 53
3.1 MCP生态系统的构建 53
3.1.1 MCP生态系统的参与者 53
3.1.2 MCP生态系统的合作
模式 55
3.1.3 MCP生态系统的发展
策略 57
3.1.4 MCP生态系统的关键
组成部分 59
3.1.5 MCP生态系统的发展
趋势 61
3.2 AI Agent和MCP的关联 64
3.2.1 MCP对AI Agent关键
组件的赋能 64
3.2.2 MCP对AI Agent未来
发展的影响 72
3.3 MCP的应用场景 73
3.3.1 基于MCP的智能体互联构建:Langflow 生态系统 73
3.3.2 基于MCP的SaaS集成:Blender-MCP 和 QGIS-
MCP 案例研究 76
3.3.3 利用MCP增强LLM的
能力 81
3.3.4 基于MCP的工具互操作性:Zapier 82
3.3.5 基于MCP的数据集成与
共享:Supabase 84
3.3.6 基于场景的多MCP互联
应用展望 86
3.4 MCP生态系统中的创业机会 89
3.4.1 Agent OS 89
3.4.2 MCP Infra 91
3.4.3 MCP Marketplace 94
3.5 MCP生态的发展演变 97
3.6 MCP正在成为AI Agent互联网的
重要标准 99
第4章 构建基于MCP的应用 103
4.1 安装Cline作为MCP主机端,
用来调用MCP服务器 103
4.2 使用Python制作代码运行器
MCP服务器,让模型把数算准 105
4.2.1 制作Python代码运行器
MCP服务器脚本 106
4.2.2 将Python代码运行器MCP服务器配置到Cline中 107
4.2.3 在Cline中实际调用
Python代码运行器
MCP服务器 109
4.3 制作邮件发送MCP服务器,让
模型通过邮件发送处理结果和
日程 112
4.3.1 制作基于Nodemailer的
邮件发送脚本 112
4.3.2 将邮件发送脚本包装为
MCP服务器 114
4.3.3 将邮件发送MCP服务器
配置到Cline中 117
4.3.4 在Cline中实际调用邮件
发送MCP服务器 119
4.4 创建自己的MCP客户端,
消费MCP生态提供的各种
MCP服务器 121
4.4.1 使用Python创建MCP
客户端的基础运行脚本 121
4.4.2 对MCP客户端进行封装,
方便在大型项目中使用 129
4.5 调用SQLite MCP服务器,制作可以
使用数据库记事的智能应用 132
4.5.1 让模型能够使用数据库
记事的业务流程设计 132
4.5.2 使用Agently框架作为智能
逻辑的开发工具 134
4.5.3 安装SQLite MCP服务器 137
4.5.4 实战开发:使模型能够
使用数据库记事的智能
处理逻辑 138
4.6 接入不同的MCP服务器,制作
自己的通用智能助理 144
4.6.1 更通用的“规划–工具
使用”智能循环的业务
流程设计 144
4.6.2 制作自动规划智能处理
逻辑 145
4.6.3 注册之前制作的多个
MCP服务器并运行以
查看效果 148
4.7 MCP到底在做什么 150
第5章 AI Agent互联网应用实战 153
5.1 在Cherry Studio中使用MCP
服务器 153
5.1.1 Cherry Studio介绍 153
5.1.2 初学者指南 154
5.1.3 Cherry Studio与MCP的
应用场景和案例 157
5.1.4 MCP在Cherry Studio中
应用于AI Agent的重要
性与优势 165
5.2 在Clinde中使用MCP服务器 166
5.2.1 Clinde介绍 166
5.2.2 初学者指南 168
5.2.3 Clinde与MCP的应用
场景和案例 170
5.2.4 MCP在Clinde中应用于AI Agent的重要性与优势 176
5.3 在Cursor中使用MCP服务器 177
5.3.1 Cursor介绍 177
5.3.2 初学者指南 182
5.3.3 Cursor与MCP的应用场景
和案例 185
5.3.4 MCP在Cursor中应用于AI Agent的重要性与优势 189
5.4 在Cline中使用MCP服务器 190
5.4.1 Cline介绍 190
5.4.2 初学者指南 192
5.4.3 Cline与MCP的应用场景
和案例 195
5.4.4 MCP在Cline中应用于AI Agent的重要性与优势 200
5.5 腾讯云MCP服务器 AI Agent
小程序:5分钟构建一个类 Manus
服务 201
5.5.1 腾讯云AI套件简介 202
5.5.2 初学者指南 204
5.5.3 MCP的应用场景和案例:
构建类Manus服务 209
5.5.4 MCP生态、AI Agent生态
和微信生态 215
第6章 MCP对AI Agent框架的
影响 216
6.1 MCP对经典AI Agent框架核心
组件的影响 216
6.1.1 经典AI Agent框架介绍 216
6.1.2 MCP对经典AI Agent框架中工具使用模块的影响 217
6.1.3 MCP对经典AI Agent框架中规划、记忆模块的影响 218
6.1.4 MCP对经典AI Agent框架的其他影响 219
6.2 MCP对AI Agent构建平台架构的
影响 220
6.2.1 两类AI Agent构建平台 220
6.2.2 MCP出现后就不需要构建Workflow Agent了吗 222
6.2.3 MCP对两类AI Agent构建
平台产品的影响 225
6.3 主流AI Agent构建框架与MCP
的集成 225
6.4 基于Agently AI应用开发框架
使用和构建MCP服务器 230
6.4.1 将MCP服务器注册到Agently Agent 230
6.4.2 将Agently Agent包装为
MCP服务器 230
6.4.3 将Agently Workflow包装为MCP服务器 231
6.5 基于BISHENG MCP构建领域Agent 232
第7章 MCP对AI应用生态的
影响 238
7.1 MCP与AI Agent应用的市场
成熟度 238
7.2 MCP对AI应用生态的短期
影响 240
7.2.1 Agent,从协助者到独立
参与者 240
7.2.2 无限工具与工具生态 241
7.2.3 只有通用Agent才能带来
垂直Agent的爆发 243
7.3 MCP对AI应用生态的长期
影响 244
7.3.1 通用Agent角色化 244
7.3.2 Endless Research场景 245
7.3.3 RaaS 245
7.3.4 AI Agent作为独立参与者
的管理 246
第8章 MCP对大模型公司的影响 248
8.1 MCP改变大模型公司的商业
模式 248
8.1.1 大模型公司的商业模式 248
8.1.2 MCP 对大模型公司商业
模式的影响 250
8.2 MCP促进大模型公司之间的合作
与竞争 252
8.2.1 合作 252
8.2.2 竞争 254
8.3 MCP推动大模型技术的普及与
应用 255
第9章 MCP应用接入流量入口 257
9.1 MCP客户端 257
9.2 MCP应用与主流AI应用平台的
集成策略 259
9.2.1 Cursor 的集成策略 259
9.2.2 Windsurf的集成策略 262
9.2.3 Clinde的集成策略 264
9.2.4 Cline 的集成策略 266
9.3 MCP 应用的推广策略 268
9.3.1 开发者社区合作 268
9.3.2 技术博客宣传 269
9.3.3 社交媒体营销 269
9.3.4 参与行业会议 270
9.3.5 其他推广策略 270
9.4 MCP应用的商业化策略:
21st.dev带来的启示 271
9.4.1 研究21st.dev的商业
模式 272
9.4.2 探索MCP应用可能采用
的商业模式 272
9.4.3 不同MCP应用商业模式
的对比与分析 273
9.4.4 综合分析与结论 274
第10章 AI Agent 互联网的未来
展望 275
10.1 AI Agent 互联网的发展趋势 275
10.1.1 回顾过去:传统互联网
开始走向没落 275
10.1.2 聚焦当下:AI Agent
重构网络新秩序 278
10.1.3 展望未来:引领第三次
数字范式跃迁 281
10.2 MCP在AI Agent互联网中的
角色与价值 285
10.2.1 MCP的角色:AI时代的“统一连接协议” 285
10.2.2 MCP的价值:降低门槛、创造可能、推动转型 287
10.3 MCP 未来对 AI Agent 互联网的
影响 288
10.4 AI Agent 互联网对社会和经济的
影响 289
10.4.1 AI Agent 重塑人类社会
生活 289
10.4.2 社会价值实践优势与
落地趋势 291
第11章 MCP和A2A协议的融合
与竞争 293
11.1 智能系统的演进路径 293
11.2 A2A协议的背景 296
11.3 A2A协议的深度剖析 297
11.3.1 A2A协议的设计理念与
架构 297
11.3.2 A2A协议涉及的角色 298
11.3.3 A2A协议的核心概念 299
11.3.4 A2A协议的关键特性 302
11.4 MCP和A2A等Agent协议的
融合与竞争分析 304
11.4.1 A2A协议与MCP:互补
和潜在竞争 304
11.4.2 A2A协议与ANP、
Agora、agent.json、
AITP等协议的差异 306
11.4.3 多协议共存的可能性 307
11.5 MCP和A2A协议在各自生态
上演进的可能性 307
11.5.1 生态参与者 307
11.5.2 生态基建 308
11.5.3 架构发展趋势 309
11.5.4 商业模式 311
《MCP极简入门》
Contents 目 录
前 言
第1章 从大模型应用到基于MCP
的AI混搭 1
1.1 从大模型到大模型应用 2
1.2 从搜索到运行工具 3
1.3 如何更好地支持搜索和
使用工具—MCP 5
1.4 MCP的重要性 7
第2章 MCP是如何工作的 8
2.1 MCP的通俗类比 8
2.2 基于MCP的系统是如何组成的:
架构解读 9
2.2.1 MCP主机 11
2.2.2 MCP客户端 11
2.2.3 MCP服务器 12
2.3 基于MCP的系统是如何运行的:
工作原理解读 13
2.4 服务间的共识—MCP解读 14
2.4.1 MCP的协议栈 14
2.4.2 MCP的双向通信方式 15
2.4.3 MCP的3种分类 16
2.5 MCP的安全性 17
2.6 基于MCP的系统有什么不同 18
2.6.1 与REST API的区别 18
2.6.2 与大模型调用第三方工具的
区别 19
2.6.3 与传统AI服务的区别 20
2.6.4 与大模型服务的区别 20
2.7 示例解读:基于MCP的
天气查询 21
第3章 使用本地MCP主机 24
3.1 用Ollama构建本地MCP主机 24
3.2 基于Claude Desktop构建本地
MCP应用 28
3.3 使用自然语言发现并安装MCP
服务器 32
3.4 在Cursor中使用MCP服务器 35
第4章 从Hello World逐步构建
MCP服务器 38
4.1 环境配置与资源访问 39
4.1.1 创建项目并设置环境 39
4.1.2 编写Hello World 41
4.1.3 测试Hello World的
MCP服务器 42
4.2 使用资源模板扩展资源 46
4.3 添加提示词使用大模型 50
4.4 创建工具和消息 57
第5章 开发MCP服务器 65
5.1 基于LangChain的MCP集成 65
5.1.1 集成一个简单的算术MCP
服务器 65
5.1.2 langchain_mcp_tools工具的
集成 68
5.1.3 与ReAct智能体的集成 72
5.2 LlamaIndex的工具集成 74
5.3 MCP服务器的集散地 77
5.3.1 Smithery.ai 77
5.3.2 mcp.so 78
5.3.3 阿里云的MCP服务 79
5.3.4 腾讯云的MCP插件中心 80
5.4 一些实用的MCP服务器 81
5.4.1 APIdog MCP Server 81
5.4.2 Blender MCP Server 82
5.4.3 Perplexity Ask MCP Server 82
5.4.4 Figma MCP Server 82
5.4.5 Firecrawl MCP Server 83
5.4.6 MCP Server Chatsum 83
5.4.7 Neon MCP Server 84
5.4.8 21st.dev Magic MCP Server 84
5.4.9 Browserbase MCP Server 85
5.4.10 Cloudflare MCP Server 85
第6章 基于MCP的常见个人
应用 87
6.1 自动提取Web数据 87
6.1.1 准备工具包 88
6.1.2 安装智能爬虫模块 88
6.1.3 配置智能开关 88
6.1.4 启动验证 88
6.2 实现个性化搜索 91
6.2.1 使用FastMCP定义和
注册工具 92
6.2.2 MCP的客户端 93
6.2.3 MCP客户端和服务器的
通信 94
6.2.4 基于MCP的系统能力应用 96
6.3 论文阅读 99
6.3.1 arXiv的MCP服务器:负责
从arXiv中获取科学文章 100
6.3.2 Docling MCP服务器 101
6.3.3 构建基于FastAPI的
客户端 103
6.4 工作流自动化 104
6.5 一个通用的AI助手 107
6.5.1 构建路由器 108
6.5.2 具体实现 110
6.5.3 处理器功能 110
6.5.4 可扩展性 110
第7章 用MCP优化自己的设计 112
7.1 将Figma连接到工作流 112
7.1.1 建立Figma MCP开发和
运行环境 113
7.1.2 获取Figma API访问令牌 113
7.1.3 安装Figma MCP服务器 115
7.1.4 连接到AI编程工具
Cursor 116
7.1.5 工作流程 116
7.2 3D建模 119
7.2.1 安装Unreal Engine MCP
Server 119
7.2.2 连接一个AI客户端 120
7.2.3 Unreal Engine MCP Server的
使用 120
7.3 3D打印 122
7.3.1 MCP 3D打印服务器:连接
创意与现实的桥梁 122
7.3.2 MCP 3D打印服务器的
兼容性 123
7.3.3 MCP 3D打印服务器的
环境配置 123
7.3.4 MCP 3D打印服务器的使用
示例:如何通过自然对话
改进3D打印 124
7.3.5 MCP 3D打印服务器的资源
管理与限制 126
7.3.6 MCP 3D打印服务器:数字与
实体世界的融合 127
第8章 用MCP服务器智能处理
数据 128
8.1 引入智能分析:推理增强 129
8.1.1 Sequential Thinking MCP
服务器的作用 129
8.1.2 Sequential Thinking MCP
服务器的构建 129
8.1.3 Sequential Thinking MCP
服务器的工作方式 130
8.1.4 Sequential Thinking MCP
服务器的核心价值 130
8.1.5 Sequential Thinking MCP
服务器的常见问题 132
8.2 外部数据获取:网络爬虫的MCP
服务器 132
8.2.1 Firecrawl MCP服务器的一个
简捷实现 133
8.2.2 本地部署Firecrawl 136
8.2.3 在VS Code的Cline插件中
配置MCP服务器 136
8.2.4 在VS Code的Cline插件中
测试Firecrawl 137
8.3 数据报表智能化 137
8.3.1 数据摄取的准备:访问凭证
的获取 138
8.3.2 构建用于数据分析的MCP
服务器 141
8.3.3 构建用于数据分析的MCP
客户端 144
8.3.4 使用MCP服务器进行数据
分析 146
8.4 知识管理 148
8.4.1 安装REST API插件以增强
Obsidian功能 149
8.4.2 设置MCP-Obsidian服务器:
连接Claude与Obsidian的
桥梁 149
8.4.3 配置Claude连接
MCP-Obsidian服务器 150
8.4.4 MCP-Obsidian服务器的
使用 151
第9章 用MCP让通信智能化 153
9.1 轻松对接即时通信工具
WhatsApp 154
9.1.1 准备工作 156
9.1.2 克隆存储库并运行WhatsApp
Bridge 156
9.1.3 为WhatsApp Access配置
Claude Desktop应用程序 157
9.1.4 集成WhatsApp并将其作为
MCP工具 158
9.2 轻松连接Slack 159
9.2.1 Runbear让AI自动化触手
可及 159
9.2.2 配置Slack MCP客户端 160
9.2.3 Slack账户连接到AI智能体
的两种授权方法 161
9.2.4 Runbear与Slack集成带来的
便利 161
9.3 电子邮件的智能化管理:Gmail 162
9.3.1 Gmail MCP服务器的设置和
启动 162
9.3.2 用Gmail MCP服务器管理
电子邮件 163
9.4 通信转化:使用mcp-proxy完成
从SSE到STDIO 164
9.4.1 什么是mcp-proxy 164
9.4.2 如何使用mcp-proxy轻松连接
SSE与STDIO 165
9.4.3 使用mcp-proxy时的重要注意
事项 166
第10章 用MCP大幅提升开发
效能 168
10.1 自动化开发流程实例:Cursor中
的PR工作流 169
10.1.1 获得代码间的差异 169
10.1.2 用AI智能生成分支名称和
提交消息 172
10.1.3 将代码与GitHub连接:自动
创建PR 174
10.1.4 将AI助手集成到Cursor中,
提升Git工作流的效率 176
10.2 智能代码评审 177
10.2.1 快速搭建项目环境:
安装工具、配置依赖和
设置凭证 178
10.2.2 创建一个模块来处理
GitHub PR的数据检索 181
10.2.3 创建核心PR分析器:连接
Claude Desktop、GitHub和
Notion 183
10.2.4 自动化PR审查流程:从
代码更改到Notion记录 186
10.3 优化API调用 187
10.3.1 使用Spring AI的新特性
优化ThemeParks.wiki API的
使用 189
10.3.2 优化MCP服务器使用
API的方式 191
10.4 MCP为传统应用带来革新:
API的运行时管理 193
10.4.1 使用Cursor配置
APISIX-MCP服务器的
详细步骤 194
10.4.2 通过自然语言与AI交互
来配置APISIX路由 196
第11章 用MCP简化数据库
操作 199
11.1 使用关系数据库构建应用
原型 199
11.1.1 在本地运行SQLite MCP
服务器 200
11.1.2 通过对话探索SQLite
数据库 202
11.1.3 使用对话快速构建
原型 203
11.2 非关系数据库Redis的访问 206
11.2.1 Redis MCP服务器 206
11.2.2 构建Redis MCP
服务器的开发环境:
搭建项目基础 207
11.2.3 创建Redis MCP
服务器的核心实现:
从代码到功能 209
11.2.4 将Redis MCP服务器与
Cursor IDE集成:简易
步骤指南 214
11.3 Milvus与MCP的集成:开启
智能数据管理 215
11.3.1 运行Milvus MCP服务器 216
11.3.2 在Claude Desktop中
配置并使用Milvus MCP
服务器 217
11.3.3 在Cursor中配置并使用
Milvus MCP服务器 219
11.3.4 常见问题及解决方法 220
11.4 Apache Ignite与MCP的
集成:探索分布式数据库的
新可能 221
11.4.1 启动Apache Ignite
并初始化数据库:从零
开始的详细指南 222
11.4.2 构建Apache Ignite MCP
服务器 225
11.4.3 使用MCP Inspector
测试Apache Ignite MCP
服务器 226
11.4.4 Apache Ignite MCP服务器
与大模型协作实现推理 229
第12章 用MCP助力大模型 233
12.1 通过MCP服务器在本地运行
DeepSeek R1模型 233
12.1.1 轻松获取并设置
DeepSeek R1模型 234
12.1.2 使用LM Studio简化本地
运行AI模型 235
12.1.3 通过MCP与本地
DeepSeek R1模型无缝
交互 235
12.1.4 利用MCP释放DeepSeek R1
模型的潜力 236
12.2 生产环境中的DeepSeek MCP
服务器部署 237
12.2.1 安装并配置DeepSeek MCP
服务器 238
12.2.2 深度整合DeepSeek与MCP:
超越简单的聊天机器人 239
12.3 构建可扩展的多云大模型
服务 240
12.3.1 多云大模型服务的MCP
系统架构:分层设计与
工作原理 241
12.3.2 面向多云大模型服务的
MCP系统的参考实现 243
12.3.3 多云大模型服务的MCP的
最佳实践指南 248
|
|