MCP 四种服务传输类型详解：STDIO、SSE、Streamable HTTP 与 InMemory
引言
Model Context Protocol（MCP）是 Anthropic 推出的开放标准协议，旨在标准化 AI 应用与外部工具、数据源和系统之间的连接方式。就像 USB 标准统一了计算机外设接口一样，MCP 试图解决 AI 集成中的"M×N 问题"——将 M 个不同的 AI 应用与 N 个不同工具的集成从 M×N 个独立实现简化为 M+N 个标准化实现。
在 MCP 架构中，传输层（Transport）是实现客户端与服务器通信的基础。本文将深入探讨 MCP 的四种主要传输类型及其应用场景。
确保所有 tmux 进程已终止：
bash展开代码sudo pkill -f tmux
https://forum.cursor.com/t/ctrl-c-will-not-copy/70657
edit keybindings.json to add:
mkdir -p ~/.cursor/User
bash展开代码[
{
"key": "ctrl+c",
"command": "workbench.action.terminal.copySelection",
"when": "terminalFocus && terminalProcessSupported && terminalTextSelected"
},
{
"key": "ctrl+shift+c",
"command": "workbench.action.terminal.sendSequence",
"args": { "text": "\\u0003" },
"when": "terminalFocus"
}
]
访问 Node.js 官方网站 (https://nodejs.org) 。通常，官网会直接推荐最新的长期支持 (LTS) 版本，这个版本更稳定，非常适合大多数用户。直接点击页面上的推荐版本进行下载即可。
✅ 验证安装
分别输入以下两条命令并执行：
node -v：此命令会显示已安装的 Node.js 的版本号。npm -v：此命令会显示 npm（Node Package Manager）的版本号，它通常随 Node.js 一同自动安装。 如果两个命令都返回了版本号（例如v18.17.0和9.6.7），就说明安装成功了。
前Manus产品经理对Agent的思考: https://mp.weixin.qq.com/s/tewBKHgbyrjxUjAOmkXI7A
总结其核心内容：
核心观点
Agent的本质：AI Agent的强大不在于模型本身的智力提升，而在于我们为其设计的"认知流程"。这套流程让AI从"一次性生成答案"进化为"动态解决问题"。
五个成长阶段（用学霸比喻）
- 原生天才（基础LLM）：直接输出答案，但无法验证可靠性
- 思考者（CoT-思维链）：将复杂任务分解为线性推理步骤
- 细心人（Reflexion-自我反思）：能复盘错误并迭代优化
- 战略家（Planning-规划）：先制定计划再执行
- 学者（ReAct-工具使用）：通过"思考→行动→观察"循环与外界交互
流程的三重价值
- 用"结构"对抗"混沌"：通过规划和思维链为AI建立逻辑脚手架
- 用"迭代"对抗"遗忘"：通过反思机制压缩和提炼关键信息
- 用"交互"对抗"虚无"：通过工具调用获取真实世界的反馈
理论基础
- 控制论：闭环系统通过反馈机制不断逼近目标
- 信息论：通过获取信息降低不确定性（熵减）
未来方向
文章呼吁开发者从"提示词工程师"转变为"Agent流程架构师"，关注：
- 智能工作流编排
- 多Agent协同（规约驱动）
- 动态代码生成能力
- 性能优化（并行化、模型特化、高效记忆架构）
关键洞察：Agent与Chatbot的区别不在于"调用几次"，而在于是否具备目标导向的、可自我修正的动态流程
https://huggingface.co/deepseek-ai/DeepSeek-OCR
DeepSeek-OCR：光学压缩技术开辟文本处理新范式
引言
在大语言模型(LLM)处理长文本时面临的计算挑战日益凸显，DeepSeek-AI团队提出了一个创新性的解决方案——DeepSeek-OCR。这项研究探索了通过视觉模态实现文本信息高效压缩的可行性，为解决长上下文处理问题开辟了全新的技术路径。
python展开代码import requests
import json
import os
from tqdm import tqdm
import time
class FishAudioTTS:
def __init__(self, api_key, reference_id):
"""
初始化Fish Audio TTS客户端
Args:
api_key (str): Fish Audio API密钥
reference_id (str): 参考音频ID
"""
self.api_key = api_key
self.reference_id = reference_id
self.base_url = "https://api.fish.audio/v1/tts"
self.headers = {
'Authorization': f'Bearer {api_key}',
'Content-Type': 'application/json',
'model': 's1' # 使用s1模型
}
def text_to_speech(self, text, output_file="output.wav", **kwargs):
"""
将文本转换为语音
Args:
text (str): 要转换的文本
output_file (str): 输出音频文件名
**kwargs: 其他API参数
"""
# 默认参数
default_params = {
"text": text,
"reference_id": self.reference_id, # 使用参考音频ID
"temperature": 0.7,
"top_p": 0.7,
"chunk_length": 200,
"normalize": True,
"format": "wav",
"sample_rate": 44100,
"latency": "normal"
}
# 合并用户提供的参数
params = {**default_params, **kwargs}
print(f"🎵 开始文本转语音...")
print(f"📝 文本内容: {text[:50]}{'...' if len(text) > 50 else ''}")
print(f"🎯 参考音频ID: {self.reference_id}")
print(f"🤖 使用模型: s1")
try:
# 发送请求
with tqdm(desc="🚀 发送请求到Fish Audio API", unit="req") as pbar:
response = requests.post(
self.base_url,
headers=self.headers,
json=params,
timeout=60
)
pbar.update(1)
# 检查响应状态
if response.status_code == 200:
print("✅ API请求成功!")
# 保存音频文件
with tqdm(desc="💾 保存音频文件", unit="B", unit_scale=True) as pbar:
with open(output_file, "wb") as f:
for chunk in response.iter_content(chunk_size=1024):
if chunk:
f.write(chunk)
pbar.update(len(chunk))
print(f"🎉 音频文件已保存到: {output_file}")
print(f"📊 文件大小: {os.path.getsize(output_file)} 字节")
return True
elif response.status_code == 401:
print("❌ 认证失败: API密钥无效")
return False
elif response.status_code == 402:
print("❌ 支付失败: 账户余额不足")
return False
elif response.status_code == 422:
print("❌ 请求参数错误")
try:
error_info = response.json()
print(f"错误详情: {error_info}")
except:
print(f"响应内容: {response.text}")
return False
else:
print(f"❌ 请求失败: HTTP {response.status_code}")
print(f"响应内容: {response.text}")
return False
except requests.exceptions.Timeout:
print("❌ 请求超时，请检查网络连接")
return False
except requests.exceptions.RequestException as e:
print(f"❌ 网络请求错误: {e}")
return False
except Exception as e:
print(f"❌ 未知错误: {e}")
return False
def main():
"""主函数 - 演示Fish Audio TTS的使用"""
# 配置信息
API_KEY = "xx"
REFERENCE_ID = "ef45348243c74d0d83ceb0f2f90c2d38" # 参考音频ID
# 创建TTS客户端
tts_client = FishAudioTTS(API_KEY, REFERENCE_ID)
# 测试文本
test_text = "你好，这是一个使用Fish Audio API的文本转语音测试。今天天气真不错，希望你能喜欢这个声音效果！"
print("=" * 60)
print("🎤 Fish Audio 文本转语音测试")
print("=" * 60)
# 执行文本转语音
success = tts_client.text_to_speech(
text=test_text,
output_file="fish_audio_output.wav",
# 可以自定义参数
temperature=0.8,
top_p=0.8,
format="wav",
sample_rate=44100
)
if success:
print("\n🎉 文本转语音完成!")
print(f"📁 输出文件: fish_audio_output.wav")
else:
print("\n❌ 文本转语音失败，请检查错误信息")
if __name__ == "__main__":
main()
