Answer1215

摘要： Prompts MCP 支持 3 种上下文能力： tools：工具 resources：资源 prompts：提示词 在 MCP 中，prompts 表示服务端内置的提示词模板（prompt templates）集合，通过 prompt 模板机制，客户端无需硬编码 prompt，而是复用服务端定义的 阅读全文

摘要： RAG基础知识 基本介绍 RAG，全称 Retrieval-Augmented Generation，中文：检索增强生成 核心思想：为大模型补充来自于外部的相关数据与上下文，从而帮助大模型生成更丰富、更准确、更可靠的内容。 也就是 临时给大模型外挂一个知识库。 解决的问题： 受限于已有知识库，无法快 阅读全文

摘要： 有两种形式： 资源列表变化 资源内容变化 资源列表变化 用于监听资源目录是否发生增删改。 工作机制 当服务器上的资源列表发生变化时（例如 resources/list 中的项发生增删），服务器主动发送通知： notifications/resources/list_changed 这个方法名也是固定 阅读全文

摘要： chokidar chokidar 是一个功能强大、跨平台、性能优秀的 文件系统监听库，适用于 Node.js 环境，底层使用原生 fs.watch 和 fs.watchFile，并在 macOS/Linux 上优先使用更高效的 fsevents（若可用）。 基本用法： import chokida 阅读全文

摘要： Schema MCP 里面提供了一组 Schema. Schema 由 TypeScript + Zod 定义，制作成 JSON Schema，用于验证协议消息结构。 在 SDK 中，每个 JSON‑RPC 方法（如 resources/list、tools/call）都对应相应的 Zod Sche 阅读全文

摘要： Resources 资源也是 MCP Server 向客户端应用提供信息的一种形式。 例如： File contents（文件内容） 比如本地的 .txt、.md、.js、.json 文件 Database records（数据库记录） 比如 SQL 查询结果或某个表格的内容 Screenshots 阅读全文

摘要： RCT构词法 提示词工程是一门专注于 LLM 输入的学科，主要目的是以尽可能程序化的方式生成理想的输出。 角色（Role） 上下文（Context） 任务（Task） 上下文 在为 LLM 编写输入文本的时候，需要尽可能详细的描述上下文。 常见上下文形式： 提供数据、范例、定义、规则、语境 指明受众 阅读全文

摘要： 前面是通过 提示词 的形式，将工具箱带过去。 🙋这种方式有什么问题？ 繁琐：大段大段的提示词，仅仅是为了约束大模型的输出 不标准：每个开发者的提示词的描述千差万别 约束力不高：即便使用了语气最重的提示词，大模型的底层原理决定了它总会有不按照要求回复的情况 为了解决这个问题，OpenAI 出手了，在 阅读全文

摘要： deepseek 开发平台 申请一个 api key 申请 api key 的时候，只有在创建的时候才能看到完整的 key，所以创建的时候一定要妥善保存 有了 api key 后，我们就可以和 deepseek 大模型进行一个交互，这里我们用 curl 命令发送一个 POST 请求 到 DeepSe 阅读全文

摘要： SSE SSE（Server-Sent Events） 是一种浏览器原生支持的、单向的流式通信协议： 服务器 → 客户端 持续不断推送数据（比如：消息、token、进度） 它基于 HTTP 协议，使用 MIME 类型 text/event-stream。 核心特性 单向通信：只能从服务端推送到客户端 阅读全文