背景

这是我的命令：

bash
展开代码
python run_mobileagentv3.py --adb_path "D:\platform-tools\adb.exe" --api_key "123" --base_url "http://10.142.18.204:8006/v1" --model "owl32b" --instruction "帮我整理所有与'黄金第4天'相关的微博动态" --add_info "整理某东西的微博动态的操作如下，全程不需要滚动操作：1. 微博应用图标不在可见范围内, 使用 open_app 微博 动作直接打开微博应用（无需滑动）。 2. 点击发现 icon。 3. 输入搜索词，但不要打开智搜开关。 4. 点击橙色的搜索按钮。 5. 在搜索结果里再去点击上方Tab里出现的智搜按钮，进入到智搜的结果页面。 6. 点击左下角的 继续问智搜 ，点击一次即可，再次出现就不要点击。 7. 关闭可能会弹出来的弹窗，然后点击右下方出现的'⬇'的 icon 按钮到内容的最底部，而不要使用滚动操作去滚动到最底部。 8. 点击屏幕最左边的下方的复制按钮，点击复制按钮的动作描述（Action description）要写成 点击复制按钮，之后就退出agent。"

构建一点微调数据训练这个模型：https://huggingface.co/mPLUG/GUI-Owl-32B

这个模型其实就是来源于：https://huggingface.co/Qwen/Qwen2.5-VL-32B-Instruct

理想上，GUI-Owl-32B会变成微博操作的一个专家。事实上又会如何呢？

让我帮你搜索一下 Qwen 这些不同系列模型的最新信息和区别。好的！让我给你详细解释一下 Qwen 家族这几个系列的区别：

主要系列和定位

1. Qwen 主线（Qwen2.5、Qwen3）

这是 Qwen 的核心通用语言模型系列，包含从 0.6B 到 235B 参数的密集和混合专家（MoE）模型。是最全面的基础模型，不断迭代更新。

倾向：通用型，追求全面的语言理解和生成能力

一个接口同时支持 HTTP 和 Streamable HTTP：MCP 双协议实现深度解析

前言

当你第一次看到这段代码时，可能会感到困惑：

typescript
展开代码
// server/api/mcp.post.ts
const transport = new StreamableHTTPServerTransport(...)
await transport.handleRequest(req, res, await readBody(event))

同一个 StreamableHTTPServerTransport，为什么既能处理 Cursor 的同步 HTTP 请求，又能处理 Inspector 的流式 SSE 连接？

这篇文章将揭开这个"魔法"背后的技术原理，带你理解 MCP 协议、HTTP vs Streamable HTTP 的本质区别，以及如何用一套代码优雅地支持两种模式。

bash
展开代码
import asyncio
import json
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

async def call_newsnow_mcp():
    """调用 newsnow MCP 获取知乎热门新闻"""
    
    # 1. 配置 MCP 服务器参数
    server_params = StdioServerParameters(
        command="npx",
        args=["-y", "newsnow-mcp-server"],
        env={"BASE_URL": "http://101.126.150.28:9044"}
    )
    
    # 2. 连接到 MCP 服务器
    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            # 3. 初始化会话
            await session.initialize()
            
            # 4. 调用工具获取知乎新闻
            result = await session.call_tool(
                name="get_hottest_latest_news",
                arguments={
                    "id": "zhihu",
                    "count": 10
                }
            )
            
            # 5. 打印结果
            print("=" * 50)
            print("知乎热门新闻（前10条）")
            print("=" * 50)
            
            # 解析返回的内容
            for item in result.content:
                if hasattr(item, 'text'):
                    # 尝试解析 JSON
                    try:
                        news_data = json.loads(item.text)
                        print(json.dumps(news_data, indent=2, ensure_ascii=False))
                    except:
                        print(item.text)

# 运行
if __name__ == "__main__":
    asyncio.run(call_newsnow_mcp())

有个mcp服务是这样的：

bash
展开代码
    "newsnow": {
      "command": "npx",
      "args": [
        "-y",
        "newsnow-mcp-server"
      ],
      "env": {
        "BASE_URL": "http://101.126.150.28:9044"
      }
    }

我服务器的801端口是我的博客， 我现在想在外面套一层caddy，自动获取证书 我的域名是tao-blog.site 我如何配置这个caddy

https://huggingface.co/mPLUG/GUI-Owl-32B/tree/main

https://github.com/X-PLUG/MobileAgent

下载：

bash
展开代码
apt update && apt install -y aria2
wget https://hf-mirror.com/hfd/hfd.sh
chmod a+x hfd.sh
export HF_ENDPOINT=https://hf-mirror.com
./hfd.sh mPLUG/GUI-Owl-32B

部署：

bash
展开代码
# 使用vLLM启动
python -m vllm.entrypoints.openai.api_server \
    --model /mnt/jfs6/model/GUI-Owl-32B \
    --served-model-name ui-tars \
    --host 0.0.0.0 \
    --port 8000 \
    --trust-remote-code \
    --max-model-len 8192 \
    --gpu-memory-utilization 0.9 \
    --tensor-parallel-size 4 --api-key "123"

🚀 uiautomator2完整能力清单

1. 📸 截图能力

• 全屏截图
• 区域截图
• 实时截图

2. 🔍 元素查找能力

• 按文字查找：d.xpath('//*[@text="设置"]')
• 按ID查找：d(resourceId="com.example:id/button")
• 按类名查找：d(className="android.widget.Button")
• 按内容描述查找：d(description="搜索")
• 组合条件查找：d.xpath('//android.widget.Button[@text="确定"]')

Hugging Face 模型下载指南

安装

bash
展开代码
pip install -U huggingface_hub

国内镜像加速

bash
展开代码
export HF_ENDPOINT=https://hf-mirror.com

建议写入 ~/.bashrc 或 ~/.zshrc 永久生效：

bash
展开代码
echo 'export HF_ENDPOINT=https://hf-mirror.com' >> ~/.bashrc
source ~/.bashrc

安装uv：

bash
展开代码
# 使用官方安装脚本（推荐）
curl -LsSf https://astral.sh/uv/install.sh | sh
source $HOME/.local/bin/env

# 这样也可以：
pip install uv

创建虚拟环境，指定D:\python_envs\py313为环境安装目录：