/mcp/ Recent content in MCP on 老张开工了 Hugo zh-cn Tue, 21 Jul 2026 00:00:00 +0000 /posts/2026/07/practice-mcp-server/ Tue, 21 Jul 2026 00:00:00 +0000 /posts/2026/07/practice-mcp-server/ 第二个实战把第 15-19 章的 MCP 理论组装起来——开发一个能上生产的 mcp-internal-ops，让团队所有 Agent 都能查公司内部 dashboard、读 CI 历史、触发预部署。 26.1 任务边界 先限定范围，否则内部 MCP 容易变成"什么都包"。我们的 server 提供： Tool 名 作用 副作用 ops.query 查询内部 SQL dashboard (readonly) 无 ops.ci_runs 最近 10 次 CI 状态 无 ops.preflight 触发预部署 sandbox（不 prod） 有 ops.slo 90 天 SLO 指标 无 不提供： 写数据的接口 触发 prod 部署 任何跟客户数据 / 法规 / 安全相关的查询 写操作只有一个 preflight，且只在 sandbox。 26.2 技术选型 Python + uv 环境 + mcp[cli] httpx 调内部 dashboard API pydantic 校验 启动方式：stdio（harness 启子进程） 26. /posts/2026/07/mcp-ecosystem/ Tue, 07 Jul 2026 00:00:00 +0000 /posts/2026/07/mcp-ecosystem/ 到 2026 年中，MCP 已经不是孤本协议——OpenAI、Google 都相继发布了兼容或类似方案，社区出现了网关、注册中心、SDK 翻译器。本章把生态、竞争与未来一年的趋势快速过一遍——选型时不被新闻带歪、写代码时知道边界在哪。 19.1 同类协议与兼容 协议 / 标准 出身 跟 MCP 关系 现状 MCP Anthropic 2024-11 基线 OpenAI / Cursor / Continue / LangChain 等主流支持 OpenAI Tool Spec OpenAI function calling 兼容可桥接 老 API 默认；新 Responses API 也能扩 MCP Google A2A Google 2025 Agent-to-Agent；与 MCP 互补 主打 agent 之间通信，工具发现仍走 MCP AGNTCY / LF AgentSkills Linux Foundation 早期 多大厂合作，偏运行时 LangGraph Tools LangChain 库内 Adapter 在 graph 里把 MCP 当 node 用 实用结论：MCP 已经是工具发现的事实标准；A2A 是 Agent 互操作的事，更往上一层。 /posts/2026/07/mcp-advanced/ Sun, 05 Jul 2026 00:00:00 +0000 /posts/2026/07/mcp-advanced/ 上一章我们以 Tool 为核心写了第一个 MCP server。MCP 还有两件大杀器没用上：Resources 让 Agent 主动拉数据；Prompts 把常见对话模板做成快捷指令。再深一层，还能让 server 反过来调模型——sampling。本章打完 MCP 的完整能力包。 18.1 三原语职责回顾 Tool 模型决定调用 / 有副作用 类比"实习生执行命令" Resource 客户端按需读取 / 无副作用 类比"调用 卡片盒" Prompt 用户主动选择的快捷方式 类比"slash command / 应用菜单" Sampling server 反过来调 LLM 类比"反向 function-call" 理解这四件事的发起方向是关键。混用 = bug；分开 = 协议清晰。 18.2 Resources 实战：把"工单列表"做成可拉数据 18.2.1 何时 Resources > Tools 判据 Resources 适合 Tools 适合 调用方 harness 周期性拉、缓存 模型按需 invoke 副作用 无 有 数据形态 静态文档 / 列表 / 配置 函数调用结果 大小 中等（KB-MB） 小（KB 以内为佳） 举几个常见 Resource 设计： /posts/2026/07/mcp-server-dev/ Fri, 03 Jul 2026 00:00:00 +0000 /posts/2026/07/mcp-server-dev/ 读完生态速览，你大概发现 30% 的需求是现成 server 满足不了的——尤其是自家业务 API和团队内部数据。本章手把手写一个：把公司内部 admin API 暴露成 MCP，让所有 harness 都能调用。 17.1 任务范围 做一个 MCP server 叫 mcp-tickets，让 Agent 能： 列出内部工单系统里的 ticket（按状态） 取一条 ticket 详情 给 ticket 加一条 internal comment 只读为主，写操作需要确认 我们用 Python 写（生态成熟，团队好上手）；TypeScript 版结构近似，章末给一行对比。 17.2 起手装环境 uv init mcp-tickets cd mcp-tickets uv add "mcp[cli]" uv add httpx pydantic mcp[cli] 是官方 Python SDK，含 stdio server 与 cli 工具。httpx 是要调内部 API，pydantic 做参数校验。 17.3 项目骨架 mcp-tickets/ ├── pyproject.toml ├── src/ │ └── mcp_tickets/ │ ├── __init__. /posts/2026/07/mcp-servers/ Wed, 01 Jul 2026 00:00:00 +0000 /posts/2026/07/mcp-servers/ 写自己的 MCP server 前先看——2026 年的生态已经很丰富，许多场景套个现成的就能跑。本章把高频 server 速览一遍，让你的"自写冲动"用在真正缺的环节。 16.1 三类速览 ┌───────────────────────────────────────────────────────────┐ │ 类别 │ 代表 server │ ├───────────────────────────────────────────────────────────┤ │ 系统与工程 │ filesystem / git / github / brave-search│ │ 数据与知识 │ postgres / sqlite / context7 / notion │ │ 业务与平台 │ slack / linear / jira / gdrive │ └───────────────────────────────────────────────────────────┘ 16.2 系统与工程类 filesystem (官方) 提供 read_file / write_file / list_directory / search_files 谁需要：让 Agent 改本地文件，但 harness 已自带 Edit/Write——重合度大。若 harness 已有，可省 git (官方) git status / log / diff / commit 包装 重点：MCP 化的 git 比裸 bash git 有结构化输出，便于 Agent 解析冲突 github (official) 暴露 issue / PR / repo 操作 用例：让你在 Cursor 里直接 “create PR for this branch”，而不切回浏览器 注意权限：用 fine-grained PAT，scope 限定到所需 repo brave-search / exa / tavily-search 给 Agent “实时网络搜索” 能力。pretrain 之外的"互联网" 用法差异：brave 偏 web、exa 偏语义、tavily 偏 LLM-friendly 16. /posts/2026/06/mcp-protocol/ Mon, 29 Jun 2026 00:00:00 +0000 /posts/2026/06/mcp-protocol/ 到这里，你已经能让 Agent 在自己的进程里跑工具了。但工具是"私"的——你写一个 bash tool，只有你的 Agent 能用。让任何 Agent 都能用同一份"工具集"，需要的是协议。Anthropic 在 2024 年底发布了 Model Context Protocol（MCP），2026 年中已成了 de-facto 标准。本章把 MCP 的协议机制讲透。 15.1 MCP 要解决的问题 Pre-MCP 混乱： Cursor 自己定义一套 tool spec，跟 Claude Code 不同 Claude Code 自己一套，跟 LangChain 不同 你给团队写个内部 API agent 工具，要实现 3-5 遍 Post-MCP： ┌───────────┐ ┌──────────────┐ │ MCP Client │ ─── MCP ────→ │ MCP Server │ │ (任何 Agent)│ │ (工具实现者) │ └───────────┘ └──────────────┘ 客户端只问："你能干啥？" → 服务端回答一组标准 schema 客户端说："调用 foo 工具" → 服务端返回结果 MCP = “USB-C 接口” for AI Tools。一个 server 实现一次，Any Client 都能用。 /posts/2026/06/ai-course/ Mon, 01 Jun 2026 00:00:00 +0000 /posts/2026/06/ai-course/ 2026 年是开发者的"AI 元年"。Copilot、Cursor、Claude Code、Codex、OpenCode 这些工具，已经把"写代码"这件事从一项孤军奋战的手工活，变成了一场人机协作的对话游戏。从单文件补全到多 Agent 编排，从 prompt 工程到 MCP 协议，从 vibe coding 到 skill 沉淀——AI 开发不再是一个噱头，它是新一代工程师必须掌握的基础能力。 本系列从零基础出发，系统拆解 AI 开发的完整知识图谱： 底层认知：大语言模型如何工作，能力与边界在哪里，上下文窗口与 token 是什么 协作心法：Prompt 工程与上下文工程，Vibe Coding 的理念与节奏 自动化体系：Agent / Loop / Graph / Harness / Subagent 五个关键概念如何串成自治开发流水线 能力扩展：MCP 协议如何让模型连接世界，Skill 如何把一次性经验沉淀为可复用的能力包 实战淬炼：6 个由浅入深的实战案例，从重构遗留项目到搭建多 Agent 工作流，从开发 MCP server 到发布 Skill 库 无论你之前是完全没接触过 AI 工具的程序员，还是已经写了半年 Copilot 想迈向更高阶用法的开发者，都能在这个系列中找到清晰的进阶路线。 课程大纲 第一篇 · 基础认知篇 AI 开发时代导论：从工具到伙伴 大语言模型原理与实践 Prompt 工程入门：与 LLM 有效沟通 上下文工程：RAG 与长上下文 主流 AI 编程工具全景 Vibe Coding 理念与心法 安全与责任：AI 编程的边界 开发环境搭建：从 IDE 到 Agent CLI 第二篇 · Agent 与自治篇 Agent 概念：从助手到自治 Loop 机制：自循环任务执行 Graph 工作流：多节点编排 Harness 框架：OpenCode 与 superpowers 任务委派：Subagent 与并行执行 Agent 调试与可观测性 第三篇 · MCP 篇 MCP 协议详解 常用 MCP server 实践 MCP server 开发实战 进阶 MCP：传输、资源、提示 MCP 生态与未来 第四篇 · Skill 篇 Skill 概念：能力封装的艺术 Skill 设计原则与最佳实践 编写第一个 Skill Skill 测试与迭代 Skill 库管理与发布 第五篇 · 实战篇 实战一：用 AI 重构遗留项目 实战二：构建知识库 MCP server 实战三：开发团队 Skill 库 实战四：搭建多 Agent 协作系统 实战五：AI 测试与 CI 集成 终章：AI 开发者的成长路径 本系列文章以 2026 年中期的主流工具栈 为基准：Claude Code / Codex / OpenCode / Cursor / GitHub Copilot 等。AI 工具迭代极快，本文中的具体产品界面、命令行参数可能随版本演进——以"原理 + 心法"为主线，把"工具 + 命令"当作示例。