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

超全 MySQL 学习笔记（3 万字）：操作、约束、范式、连接查询全解析

超全 MySQL 学习笔记（3 万字）：操作、约束、范式、连接查询全解析

文章目录 * 一、数据库操作 * 1.1 登录 MySQL 数据库 * 1.2 查看当前服务器中的所有数据库 * 1.3 创建数据库 * 1.3.1 创建数据库的标准语法 * ⚠️ 注意：数据库名是否可以使用关键字？ * 1.3.2 utf8 与 utf8mb4 的区别（高频面试题） * 1.4 查看 MySQL 服务的默认字符集 * 1.5 查看当前正在使用的数据库 * 1.6 删除数据库（慎用） * 1.7 查看 MySQL 帮助 * 1.8 创建数据表 * 1.8.

By Ne0inhk

【使用 NVM 安装 Node.js 22 并配置国内镜像加速】

安装 NVM Windows用户可通过下载nvm-windows的.exe安装包完成安装。Linux或macOS用户使用以下命令： curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/master/install.sh |bash 安装后需重新打开终端或执行source ~/.bashrc使配置生效。 配置国内镜像源 Windows系统在CMD/PowerShell中设置环境变量： set NVM_NODEJS_ORG_MIRROR=https://npmmirror.com/mirrors/node/ Linux/macOS用户将以下内容添加到~/.bashrc或~/.zshrc： exportNVM_NODEJS_ORG_MIRROR=https://npmmirror.com/mirrors/node/ 执行source ~/.bashrc立即生效。 安装Node.js 22

By Ne0inhk

02-算电协同技术原理与架构

02-算电协同技术原理与架构 技术原理概述 算电协同的核心原理是通过人工智能技术和大数据分析，实现算力需求与电力供应的动态匹配和优化调度。其本质是构建一个智能的能源管理系统，将算力任务调度与电力系统运行有机结合。 基本原理 1. 数据驱动：采集和分析海量的电力和算力数据 2. 预测模型：基于历史数据和实时信息，预测未来的电力需求和供应 3. 优化决策：通过智能算法，在满足算力需求的同时，最小化能源成本和环境影响 4. 闭环控制：实时监测执行效果，持续优化调度策略 技术架构详解 1. 整体架构 算电协同系统通常采用分层架构设计，从上到下包括： +------------------------+ | 应用层 | +------------------------+ | 平台层 | | 算电协同智能调度平台 | | （能源大模型） | +------------------------+ | 网络层 | | 数据传输与通信网络 | +------------------------+ | 感知层 | | 智能电表、传感器等 | +----------------

By Ne0inhk
Flutter 组件 tree_iterator 适配鸿蒙 HarmonyOS 实战：高性能树状数据遍历，构建海量节点递归优化与分布式层级调度架构

Flutter 组件 tree_iterator 适配鸿蒙 HarmonyOS 实战：高性能树状数据遍历，构建海量节点递归优化与分布式层级调度架构

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 tree_iterator 适配鸿蒙 HarmonyOS 实战：高性能树状数据遍历，构建海量节点递归优化与分布式层级调度架构 前言 在鸿蒙（OpenHarmony）生态迈向万物智联、涉及海量传感器拓扑映射、复杂 UI 树状 DOM 解析及超大型目录层级处理的背景下，如何实现高效、内存友好的“非线性数据遍历”，已成为决定应用数据发现效率与算法性能表现的基石。在鸿蒙设备这类强调 AOT 极致性能与低堆内存占用的环境下，如果应用依然采用简单的递归（Recursion）进行深度数据挖掘，由于由于树状结构深度的不可控性，极易由于由于“栈溢出（Stack Overflow）”或“重复解析”导致系统的瞬时崩卡。 我们需要一种能够解耦数据结构与遍历逻辑、支持深度/广度优先算法且具备“零样板代码”调用的迭代器方案。 tree_iterator 为

By Ne0inhk