MCP插件使用（browser-tools-mcp为例）

Ne0inhk

— 2 min read
MCP插件使用（browser-tools-mcp为例）

1. 环境配置（Brower Tools为例）

python 安装 nodejs 安装 mkdir C:\Users\Suoxd\Documents\Cline\MCP\browser-tools-mcp git clone https://github.com/AgentDeskAI/browser-tools-mcp.git "C:\Users\Suoxd\Documents\Cline\MCP\browser-tools-mcp"

2. MCP服务安装启动

cd C:\Users\Suoxd\Documents\Cline\MCP\browser-tools-mcp npminstall @agentdeskai/[email protected] npx @agentdeskai/[email protected] npx @agentdeskai/[email protected]

参考https://browsertools.agentdesk.ai/installation

在这里插入图片描述


在这里插入图片描述


在这里插入图片描述
在这里插入图片描述


在这里插入图片描述
在这里插入图片描述

3. 浏览器插件配置

https://github.com/AgentDeskAI/browser-tools-mcp/releases/download/v1.2.0/BrowserTools-1.2.0-extension.zip
在这里插入图片描述

4. Cline 服务配置

"browser-tools-mcp":{"command":"node","args":["d:/Suo/code/tmp-AI/browser-tools-mcp/browser-tools-mcp/dist/mcp-server.js"],"disabled":false,"autoApprove":[]}

5. 最终效果

浏览器端调试工具增加了插件页面

在这里插入图片描述


在这里插入图片描述
在这里插入图片描述

Read more

FARS全自动科研系统技术深度解析：从多智能体架构到工业化科研范式

FARS全自动科研系统技术深度解析：从多智能体架构到工业化科研范式

前言 2026年2月12日至2月22日，一场持续228小时33分钟的直播在全球AI社区引发了持续震荡。屏幕另一端，一个名为FARS（Fully Automated Research System）的全自动研究系统，在没有人类干预的情况下，自主完成了从文献调研到论文撰写的完整科研流程，最终产出100篇学术论文，总消耗114亿Token，成本10.4万美元。 这场实验的意义远不止于“AI写论文”的简单升级。它向世界展示了科学发现的根本范式正在发生转移——从依赖人类灵感的“手工作坊”，转向由AI驱动的“工业化流水线”。本文将从最底层的技术细节出发，逐层拆解FARS的系统架构、智能体协作机制、资源调度策略、成本控制模型，以及与竞品的技术对比，为读者呈现一个完整的全自动科研系统技术图谱。 第一章 系统总体架构：四智能体流水线设计 1.1 核心设计理念：研究系统的第一性原理 FARS的设计并非简单地模仿人类科研流程，而是基于团队对“研究系统”本质的重新思考。创始团队提出，一个理想的研究系统应遵循两条基本原则： 1. 高效拓展知识边界：系统的吞吐量应成为核心评估指标，而非单篇论文的完

By Ne0inhk
【保姆级】Node.js 最新安装教程，附环境变量配置

【保姆级】Node.js 最新安装教程，附环境变量配置

🎬 博主名称：超级苦力怕 🔥 个人专栏：《Java成长录》《AI 工具使用目录》 🚀 每一次思考都是突破的前奏，每一次复盘都是精进的开始！ 安装目录 * 零基础安装 Node.js（Windows） * 1. 下载安装包 * 2. 安装程序 * 3. 环境配置（照做即可） * 3.1 新建两个文件夹 * 3.2 设置 npm 的全局目录和缓存 * 3.3 配环境变量 * 4. 测试（配置有没有生效） * 5. (推荐)设置 npm 国内镜像（下载更快） * 6. 拓充：常见问题 * 6.1 权限不足 (EPERM) 零基础安装 Node.js（

By Ne0inhk

Token分析平台系统架构设计：从前端到核心逻辑的全景解析

导读：在上一篇文章中，我们提出了构建Token分析与成本优化平台的愿景——让企业每一分AI成本都清晰可见。但一个好的系统离不开扎实的架构设计。本文将深入剖析该平台的系统架构，从前端交互界面到后端核心逻辑，带你了解如何用FastAPI、Tiktoken、Plotly等工具搭建一个可扩展、高性能的成本监控系统。无论你是架构师还是开发者，都能从中获得可落地的设计思路。 一、引言：为什么需要清晰的架构？ 在开发Token分析平台时，我们面临的挑战包括： * 如何高效处理大量日志写入？ * 如何快速查询和聚合数据？ * 如何让前端图表响应流畅？ * 如何保证系统的可扩展性？ 回答这些问题，需要一个清晰的、分层的系统架构。本文将基于三层架构模型——前端/客户端层、应用层、核心逻辑与处理层，详细拆解每一层的职责、技术选型和交互方式。 二、整体架构概览 下图展示了平台的系统架构： ┌─────────────────────────────────────┐ │ FRONTEND / CLIENT LAYER │ │ ┌────────────────────────────

By Ne0inhk
YOLO可视化界面，目标检测前端QT页面。

YOLO可视化界面，目标检测前端QT页面。

使用PySide6/QT实现YOLOv8可视化GUI页面 在人工智能和计算机视觉领域，YOLO（You Only Look Once）是一种广泛使用的实时目标检测算法。为了直观地展示YOLO算法的检测效果，我们可以使用Python中的PySide6库来创建一个简单的GUI应用程序，将检测结果实时可视化。 本文将指导你如何使用PySide6实现这一功能。 1. 原视频/图片区：上半部分左边区域为原视频/图片展示区； 2. 检测区：上半部分右边区域为检测结果输出展示区； 3. 日志文本框：打印输出操作日志； 4. 加载模型：从本地选择模型pt文件进行加载； 5. 置信度阈值：自定义检测区的置信度阈值； 6. 文件上传：选择目标文件； 7. 开始检测：执行检测程序； 8. 停止：终止检测程序； 一、工具介绍 1、PySide6 PySide6是一款功能强大的GUI（图形用户界面）开发框架，它允许Python开发者使用Qt库的功能来构建跨平台的桌面应用程序。PySide6作为Qt的Python绑定版本，继承了Qt的跨平台特性，支持在Windows、

By Ne0inhk