博客 / 列表

花酒鋤作田 - Flask集成MCP的AI Agent

前言 近年來，大量新興的 AI 相關第三方庫都提供了異步接口，有些甚至出於性能考慮僅支持異步調用，例如 MCP SDK。伴隨着 Python 異步編程的發展，FastAPI 等框架迅速流行，許多新項目傾向於採用 FastAPI。但實際上，Flask 自 2.0 版本起也開始支持異步方法，因此我們也能借助 Flask 參與到 MCP 的 AI Agent 浪潮中。 PS：需要注意的是，Flask

AI

花酒鋤作田 - [python]FastAPI-Tracking ID 的設計

前言 在實際業務中，根據 tracking_id 追查日誌中一條請求的完整處理路徑是一個比較常見的需求。不過 FastAPI 官方並沒有提供相對應的功能，因此需要開發者自行實現。本文介紹如何基於 contextvars，為每次請求的完整流程都添加一個 tracking_id，並在日誌中記錄。 什麼是 contextvars Python 在 3.7 版本的標準庫中加入了一個模塊 contextva

後端

花酒鋤作田 - [linux]記賬工具-監控用户活動

前言 記賬工具可以提供諸如 Linux 系統中的連接、已執行的程序以及系統資源的使用等有底系統使用信息。這些記賬工具可以通過psacct或acct軟件包安裝。 psacct和acct實際上是相同的。在基於 RPM 的系統中，它以psacct的形式存在；而在基於 DEB 的系統中，它作為acct提供。 安裝 大多流行的Linux發行版中都有 psacct或acct，例如debian中安裝： sudo

操作系統

花酒鋤作田 - [MCP][01]簡介與概念

簡介 MCP（全稱為Model Context Protocol，模型上下文協議）是一種面向大模型交互過程的通用上下文協議標準。其核心目標在於為模型構建一個結構化、可控、可擴展的語義執行環境，使語言模型能夠在統一的上下文管理體系下進行任務調度、工具調用、資源協作與狀態保持，從而突破傳統Prompt Engineering在多輪交互、指令組合與行為穩定性方面的瓶頸。 在傳統的大模型應用中，模型本身只

AI , mcp

花酒鋤作田 - [MCP][02]快速入門MCP開發

前言 很多文檔和博客都只介紹如何開發MCP Server，然後集成到VS Code或者Cursor等程序，很少涉及如何開發MCP Host和MCP Client。如果你想要在自己的服務中集成完整的MCP功能，光看這些是遠遠不夠的。所以本文及後續的MCP系列文章都會帶你深入瞭解如何開發MCP Client，讓你真正掌握這項技術。 準備開發環境 MCP官方SDK主要支持Python和TypeScrip

AI , mcp

花酒鋤作田 - [MCP][03]使用FastMCP開發MCP應用

前言 之前的示例用的都是MCP的官方SDK（版本 1.14.0），簡單使用還是沒問題的，但對於Sampling、Elicitation這些相對高級的功能，官方沒有提供Demo，而且因為比較新，網上也沒搜到能用的案例。以我自己的水平折騰了一天也沒搗鼓出來。在翻mcp源碼時意外發現了其內置的FastMCP，順藤摸瓜找到了FastMCP的官網，在官方文檔中找到了相關用法。這裏我們就用FastMCP來實現

AI , mcp

花酒鋤作田 - [MCP][04]Sampling示例

前言 在第一篇MCP文章中我們簡單介紹了Sampling： 採樣是工具與LLM交互以生成文本的機制。通過採樣，工具可以請求LLM生成文本內容，例如生成詩歌、文章或其他文本內容。採樣允許工具利用LLM的能力來創建內容，而不僅限於執行預定義的操作。 為什麼我們要在MCP Server通過Sampling方式調用Client的LLM，而不是MCP Server直接調用LLM呢？這背後其實有一套巧妙

AI , mcp

花酒鋤作田 - [MCP][05]Elicitation示例

前言 如果你之前接觸過LangGraph的"Human in the loop"概念，那麼理解MCP的Elicitation機制就會容易很多。這兩個功能非常相似，都是讓AI在需要時停下來，禮貌地向人類尋求幫助或確認。 想象一下，當你正在和朋友聊天，突然他問你："嘿，我該穿哪件襯衫去參加明天的聚會？"這時候你就會停下來思考，然後給出建議。Elicitation就是讓AI具備這種"求助"的能力。它允許

AI , mcp

花酒鋤作田 - [MCP][06]持久化記憶

前言 在之前的案例中，會話歷史都保存在內存中，一旦程序重啓，會話歷史就會丟失，導致AI沒法根據會話歷史推測用户當前意圖。這就像一個人記性特別差，每次見面都忘了之前聊過什麼，讓人感覺很不專業。 如果你之前使用過LangGraph，那應該知道LangGraph提供了checkpointer功能來管理歷史會話，可以把歷史會話保存到關係型數據庫或內存中。雖然LangGraph有這個功能，但是MCP官方文檔

AI , mcp

花酒鋤作田 - [MCP][07]logging和progress等功能説明

前言 截至目前（2025年9月19日），除了基礎的Prompt、Resource和Tool概念，FastMCP還提供了以下功能：Sampling、Elicitation、Roots、Logging、Progress、Proxy、Middleware、Composition和Authentication等功能 Sampling，採樣，在server端調用client的llm，實現功能解耦 El

AI , mcp

花酒鋤作田 - [設計模式]行為型-命令模式

簡介 命令模式（Command Pattern）是一種行為型設計模式，它將請求或操作封裝為獨立的對象，允許用户參數化客户端、隊列請求、記錄日誌，並支持撤銷操作。該模式的核心思想是將“請求的發起者”與“請求的執行者”解耦，使兩者通過命令對象進行交互。 角色組成： 調用者（Invoker），負責發起請求的類 命令（Command），一個接口，通常僅聲明一個執行命令的方法 具體命令（Concre

設計模式

花酒鋤作田 - [設計模式]行為型-備忘錄模式

簡介 備忘錄模式(Memento Pattern)是一種行為型設計模式，它允許生成對象狀態的快照並在以後將其還原。備忘錄模式不會影響它所處理對象的內部結構，也不會影響快照中存儲的數據。簡單來説，它就像遊戲中的“保存”和“加載”功能。 組成角色： Originator（發起人）： 主要用於生成自身狀態的快照，在需要時可以通過快照恢復自身狀態。 Memento（備忘錄）： 一個對象，用於存儲Or

設計模式