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

【C++】STL之list模拟实现：关于链表容器的双向迭代器你知道多少？

【C++】STL之list模拟实现：关于链表容器的双向迭代器你知道多少？

前言： 前面的博客中我已经介绍了STL核心容器之一的list相关接口的使用，今天我们就从底层出发，来模拟实现一下list的那些核心接口函数。同时，也来感受一下list的双向迭代器到底与string和vector的随机迭代器有哪些区别？ list容器功能接口介绍：https://blog.ZEEKLOG.net/Miun123/article/details/151685386?spm=1001.2014.3001.5502 废话不多说，我们直接进入今天的正题👇️👇️👇️ list容器深度剖析及模拟实现 我们想要模拟实现list容器，那就要理解list容器的底层结构。前面的博客已经提到，其本质就是一个双向链表，所以，成员变量就应该包含一个记录头节点的指针，以及记录有效节点个数的变量。同时，为了list容器可以满足不同类型的数据，我们将所有的类实现为类模板。 1、定义节点结构 struct创建的类默认所有的成员但是公开的，而节点结构就需要公开被list访问。 template<class T> struct list_node { // 成员变量 T _da

By Ne0inhk
排序--数据结构初阶(4)(C/C++)

排序--数据结构初阶(4)(C/C++)

文章目录 * 前言 * 理论部分: * 1.直接插入排序 * 2.希尔排序 * 3.直接选择排序 * 4.堆排序 * 5.冒泡排序 * 6.快速排序 * 归并排序 * 非比较排序 * 计数排序 * 作业部分 前言 这是数据结构初阶的最后一期，虽然来说在C++的库函数里面有sort函数可以代替这里所有的方法，并且时间复杂度也是优于他们的，但是sort函数是由他们写出来的，因此，还是是有必要学习一下的 理论部分: 这里的代码实现都是按升序来的 排序的话建议先写单趟再写整体 这些排序在两数相等的时候一般是不进行操作的(一般这么写) 1.直接插入排序 就是目前在最后的那个数跟前面每个数比，看看要插哪 时间复杂度:O（n2） 最好的情况下是O(n) 在小段小段有序时有极大的优势(相对于选择排序跟冒泡排序) 代码实现: void InsertSort(int* a, int n)

By Ne0inhk
大模型应用：最优路径规划实践：A*算法找最优解，大模型做自然语言解释.91

大模型应用：最优路径规划实践：A*算法找最优解，大模型做自然语言解释.91

一、引言         算法是个很有意义的课题，尽管大模型让我们不需要像以前学习机器学习那样，需要很深的数学基础，但结合算法来应用大模型确实是个很有趣的事情，传统算法经过数十年发展，已在路径规划、优化计算等领域达到极高的精确度；另一方面，大语言模型的崛起让人机交互变得前所未有的自然流畅。然而，一个不容忽视的现实是：再精确的算法，如果用户看不懂、不会用，就只是实验室里的玩具；再流畅的表达，如果缺乏技术可靠性，就只是华丽的空谈。         想象这样一个场景：导航系统为你计算出了一条理论上最优的路线，却只能用一串坐标告诉你怎么走；或者，一个能言善道的助手热情地为你指路，却把你带进了死胡同。这两种情况，本质上都是技术能力与用户体验之间的断裂。这种断裂并非偶然，而是单一技术路线的固有局限。算法擅长计算却不善表达，模型善于沟通却难以精确，各有所长，也各有所短。因此，真正的突破不在于让某一方变得更强大，而在于让两者形成互补协作的关系，用各自的长处弥补对方的短板。         这是我们今天想探讨得A*算法与大模型融合的核心价值所在。A*算法如同精密的"空间计算大脑"，保证路径的数学最

By Ne0inhk
【超详细】DEIM：最强实时目标检测算法-Visdrone2019无人机数据集实战

【超详细】DEIM：最强实时目标检测算法-Visdrone2019无人机数据集实战

主要内容如下： 一、论文解析 二、基于DEIM-D-FINE-S训练Visdrone2019无人机数据集 1、Visdrone2019数据集介绍 2、模型训练、验证及测试 3、onnx导出与测试 4、与YOLOv8\11进行结果对比 服务器：NVIDIA RTX4090 24G 运行环境：Python=3.8（要求>=3.8），torch2.3.1+cu121（要求>=2.0.1） Visdrone2019-COCO格式数据集百度AI stduio下载链接：https://aistudio.baidu.com/datasetdetail/226107/0 Visdrone-YOLO格式数据集下载链接：https://aistudio.baidu.com/

By Ne0inhk