工具篇-如何在Github Copilot中使用MCP服务?

工具篇-如何在Github Copilot中使用MCP服务?

Model Context Protocol (MCP) 是由 Anthropic 公司于 2024 年 11 月推出的一种开放协议标准,目的在于标准化 LLM 与外部数据源、工具及服务之间的交互方式。MCP 被广泛类比为“AI 领域的 USB-C 接口”。

一、vscode的安装

下载vscodeVisual Studio Code - Code Editing. Redefined安装完成打开

选择copilot,这个是AI助手,帮助你编程 
然后注册登录,可以使用GitHub的账号登录,很多工具都可以通过GitHub帐号登录,所以注册一个GitHub帐号是很有必要的。

二、使用MCP

2.1 准备好MCP

先按这篇文章准备好高德地图的MCP:工具篇-Cherry Studio之MCP使用-ZEEKLOG博客

2.2 在Github Copilot中配置 MCP服务 

第一步,Preferences => Settings => 搜索 mcp

把高德的MCP添加进去,其他的MCP类似:

当我在聊天框里启动服务的时候发现mcp-server-time无法启动,于是我就把它删除了,变成这个样子:

三、使用MCP

我们给它一个任务:帮我用MCP,规划一个深圳一日游的路线
开始工作了,可以看到它去调用了我们刚刚添加的MCP,Continue,继续

 

可以看到调用了很多MCP的工具

 

最终给出的结果如下,你们看效果如何:

根据获取的信息,我为您规划了一个合理的深圳一日游路线: 上午 9:00-12:00:深圳世界之窗 地址:南山区深南大道9037号 世界之窗是一个缩小版的世界知名建筑和景点的主题公园,可以在这里看到埃菲尔铁塔、泰姬陵等世界著名景观的微缩版本。 中午 12:00-16:00:深圳欢乐谷 位置:距离世界之窗约1.4公里 交通:可以乘坐M486路公交车(约10分钟) 深圳欢乐谷是一个现代化的主题公园,有刺激的过山车等游乐设施。 傍晚 16:00-晚上:深圳湾公园 位置:从欢乐谷到深圳湾公园约4.7公里 交通建议: 乘坐地铁2号线到科苑站 换乘地铁13号线到后海站 步行约15分钟到达深圳湾公园 深圳湾公园是欣赏日落的绝佳地点,可以看到深圳湾大桥和香港的景色。 交通建议: 全程建议使用深圳通交通卡,可以乘坐地铁和公交 各景点之间有便利的公交和地铁连接 如果觉得疲惫,也可以选择打车 时间安排提示: 建议早上9点开始行程 在世界之窗游玩约3小时 欢乐谷游玩约4小时 深圳湾公园可以选择在傍晚时分到达,欣赏日落景色 其他建议: 建议携带充足的水和零食 准备防晒用品和舒适的步行鞋 记得带上相机记录精彩时刻 建议提前查看天气预报,选择天气较好的日子出行 需要了解具体某个景点的更多信息或详细路线指引,我可以为您进一步查询。

Read more

告别项目混乱!2026开工季:DooTask如何用“轻量化+AI”破解开发团队协同困局

告别项目混乱!2026开工季:DooTask如何用“轻量化+AI”破解开发团队协同困局

告别项目混乱!2026开工季:DooTask如何用“轻量化+AI”破解开发团队协同困局 在软件开发领域,迭代进度失控、跨岗位沟通断层、需求变更响应滞后是困扰团队的三大痛点。传统项目管理工具功能冗余、学习成本高,而DooTask凭借“轻量化+精准协同”的设计理念,成为开发团队突破效率瓶颈的利器。本文将结合DooTask最新功能升级解析其如何助力团队实现需求同步、迭代跟踪与跨岗协同的闭环管理。 一、需求同步:从“信息孤岛”到“全局透明” 痛点场景:需求变更引发连锁反应 传统模式下,产品经理通过文档或口头传达需求,开发者需反复确认细节,测试人员可能因信息滞后漏测关键功能。 DooTask解决方案:需求看板+智能关联 AI需求解析:Dootask引入先进的自然语言处理(NLP)技术,能够自动分析需求文档中的关键信息,如功能描述、性能指标、界面要求等,并生成结构化的需求模型。同时,AI还可以对需求进行语义理解,识别潜在的风险点和模糊表述,及时提醒产品经理进行澄清,避免后续开发过程中的误解。 智能关联机制:需求任务能够自动推送相关负责人,

AI股票分析师(daily_stock_analysis)详细步骤:从镜像拉取、启动、测试到报告导出

AI股票分析师(daily_stock_analysis)详细步骤:从镜像拉取、启动、测试到报告导出 1. 镜像核心能力与使用价值 你是否想过,不用登录任何金融平台、不依赖外部API、也不用担心数据泄露,就能随时获得一份结构清晰、逻辑严谨的股票分析简报?AI股票分析师(daily_stock_analysis)镜像正是为此而生——它不是另一个云端SaaS工具,而是一套真正跑在你本地机器上的私有化金融分析助手。 这个镜像不处理真实行情数据,也不连接交易所接口,它的全部能力都建立在一个关键前提上:用专业Prompt引导本地大模型,生成符合分析师思维框架的虚构但可信的解读。这意味着,你输入MSFT,它不会查股价,但会基于训练知识,以专业口吻告诉你“近期表现如何”“潜在风险在哪”“未来展望怎样”。这种“结构化虚构生成”,恰恰是金融初学者理解分析逻辑、内容创作者快速产出投教素材、甚至产品经理验证产品话术的理想沙盒环境。 更重要的是,它把原本需要配置Docker、安装Ollama、下载模型、调试WebUI的一整套流程,压缩成一次命令、一次点击。你不需要知道gemma:2b是什么模型,

AI 编程 Trae,国内版本和国际版本,一篇讲透!

AI 编程 Trae,国内版本和国际版本,一篇讲透!

大家好,我是樱木。 写在前面的一些话 最近字节出的 AI 编程 Trae ,写的文章发布后,后台总是收到类似提问:都是Trae,怎么使用的还不一样? 什么是国内版本、国际版本,有什么区别? 如果你是一位业内人士比如程序员,这些问题,以下的文章,你可以直接不用看了。 今天结合最近的使用经验,来分享一下。 一、国内版本 1、官方网站:https://www.trae.com.cn/ 2、内置模型 豆包Doubao、Kimi-K2、阿里千问Qwen-3-Coder、清华智普GLM-4.5、DeepSeek-Reasoner(R1) 3、排队 国产大模型为主,基本不用排队 二、国际版本 1、官方网站:https://www.trae.ai

零基础学AI大模型之Embedding与LLM大模型对比全解析

零基础学AI大模型之Embedding与LLM大模型对比全解析

大家好,我是工藤学编程 🦉一个正在努力学习的小博主,期待你的关注实战代码系列最新文章😉C++实现图书管理系统(Qt C++ GUI界面版)SpringBoot实战系列🐷【SpringBoot实战系列】SpringBoot3.X 整合 MinIO 存储原生方案分库分表分库分表之实战-sharding-JDBC分库分表执行流程原理剖析消息队列深入浅出 RabbitMQ-RabbitMQ消息确认机制(ACK)AI大模型零基础学AI大模型之LangChain 文本分割器实战:CharacterTextSplitter 与 RecursiveCharacterTextSplitter 全解析 前情摘要 前情摘要 1、零基础学AI大模型之读懂AI大模型 2、零基础学AI大模型之从0到1调用大模型API 3、零基础学AI大模型之SpringAI 4、零基础学AI大模型之AI大模型常见概念 5、零基础学AI大模型之大模型私有化部署全指南 6、零基础学AI大模型之AI大模型可视化界面 7、零基础学AI大模型之LangChain 8、零基础学AI大模型之LangChain六大核心模