VSCode扩展工具Copilot MCP使用教程【MCP】

VSCode扩展工具Copilot MCP使用教程【MCP】
在这里插入图片描述


MCP(Model Context Protocol,模型上下文协议) ,2024年11月底,由 Anthropic 推出的一种开放标准,旨在统一大型语言模型(LLM)与外部数据源和工具之间的通信协议。本文章教你使用VSCode扩展工具Copilot MCP快速上手MCP应用!

1. VSCode中安装Copilot MCP

在这里插入图片描述


Copilot MCP是一个适用于 VSCode 的 MCP Client。

2. Copilot MCP使用

安装之后会出现Coplilot授权,并在左侧菜单中出现MCP Server按钮

在这里插入图片描述

3. Add Server

点击Add Server,MCP Server分为两种建立方式,Process和SSE

在这里插入图片描述


以Process为例,输入必要信息:

在这里插入图片描述


其中Server Name是你给Server起的任意名字,需要注意的是Start Command。
这里我的输入为:

npx -y @modelcontextprotocol/server-filesystem /path 

注意path修改为自己的文件路径,并确保你已安装node.js从而可以使用npx命令
这个Command怎么来的呢?
可从来自MCP Server官方社区获得自己想要的Server:

https://github.com/modelcontextprotocol/servers?tab=readme-ov-file
在这里插入图片描述


以Filesystem为例,点进去可查看其调用方式,以NPX为例:

在这里插入图片描述


其要求我们输入npx命令,并附加上文件路径,可以为多个文件路径,显然,Command格式举例如下:

npx -y @modelcontextprotocol/server-filesystem /path 

注意path修改为自己的文件路径,并确保你已安装node.js从而可以使用npx命令
在Start Command中输入以上命令即可。
输入完成后点击 Add Server
成功后列表显示刚刚添加Server,不显示意味着添加失败。

在这里插入图片描述


点开后可查看该Server提供的Tools列表:

在这里插入图片描述

4. 调用Server

准备一个测试文件,我在/path下创建了个mcp_test.txt文件,里面包含一句话:

在这里插入图片描述


之后,在VSCode 右侧Copilot对话框中出入:

@mcp <内容>
在这里插入图片描述

例如:

@mcp 请读取"/root/xxx"下的“mcp_test.txt”中的内容
在这里插入图片描述

发送后得到回应:

在这里插入图片描述

成功!!!

Read more

NotebookLM类似产品全览:AI研究与知识管理工具对比

NotebookLM类似产品全览:AI研究与知识管理工具对比 NotebookLM是Google推出的AI增强型研究笔记本,核心功能包括文档上传与分析、基于内容的问答、AI生成摘要/播客、知识关联发现和团队协作。以下是功能相近的主流产品,按类型与核心优势分类整理,便于快速匹配需求。 一、开源平替(私有化部署首选) 产品名称核心优势支持模型特色功能Open Notebook暴涨12k+ GitHub Star,高度可定制OpenAI、Claude、Gemini等16种,支持Ollama本地部署多笔记本管理,PDF/Word/视频内容整合,离线运行PageLM教育场景优化,社区驱动支持多种开源模型自动生成康奈尔笔记、互动测验、间隔重复闪卡、AI播客KnowNote轻量本地优先,Electron构建本地LLM隐私保护,快速文档处理,简单易用CookbookLM专注PDF处理,隐私优先Qwen 2.5、Google开源模型高级OCR与表格提取,高速推理优化,本地运行 二、商业SaaS产品(开箱即用) 1. 全能研究助手 * Claude Projects(Anthro

人工智能:预训练语言模型与BERT实战应用

人工智能:预训练语言模型与BERT实战应用

人工智能:预训练语言模型与BERT实战应用 1.1 本章学习目标与重点 💡 学习目标:掌握预训练语言模型的核心思想、BERT模型的架构原理,以及基于BERT的文本分类任务实战流程。 💡 学习重点:理解BERT的双向注意力机制与掩码语言模型预训练任务,学会使用Hugging Face Transformers库调用BERT模型并完成微调。 1.2 预训练语言模型的发展历程与核心思想 1.2.1 为什么需要预训练语言模型 💡 传统的自然语言处理模型(如LSTM+词嵌入)存在两个核心痛点:一是需要大量标注数据才能训练出高性能模型,二是模型对语言上下文的理解能力有限。 预训练语言模型的出现解决了这些问题。它的核心思路是先在大规模无标注文本语料上进行预训练,学习通用的语言知识和语义表示,再针对特定任务进行微调。这种“预训练+微调”的范式,极大降低了对标注数据的依赖,同时显著提升了模型在各类NLP任务上的性能。 预训练语言模型的发展可以分为三个阶段: 1. 单向语言模型阶段:以ELMo为代表,通过双向LSTM分别学习正向和反向的语言表示,再拼接得到词向量。但ELMo本质还

AI如何帮你快速生成机械零件3D模型?

快速体验 1. 打开 InsCode(快马)平台 https://www.inscode.net 2. 点击'项目生成'按钮,等待项目生成完整后预览效果 输入框内输入如下内容: 创建一个能够根据用户输入的自然语言描述自动生成机械零件3D模型的Web应用。用户可以通过简单的文字描述(如'生成一个M6螺栓,长度30mm,六角头'),系统自动转换为3D模型代码(如STL或STEP格式),并提供实时预览和下载功能。应用需包含常见机械零件库(螺栓、齿轮、轴承等)的预设模板,支持参数化调整。使用Three.js或类似库实现3D渲染,后端处理用户输入并生成对应模型代码。 最近在做一个机械设计项目,需要频繁创建各种零件的3D模型。传统建模软件虽然强大,但学习成本高、操作繁琐。于是我开始探索AI辅助开发的可能性,发现用自然语言描述就能自动生成3D模型代码的方案特别实用。以下是具体实现思路和经验分享。 1. 核心功能设计 这个Web应用的核心是让用户用日常语言描述零件(比如&

国内已有至少9家AI Agent平台,你用过几家?

国内已有至少9家AI Agent平台,你用过几家?

国内已有至少9家AI Agent平台,你用过几家? 随着人工智能(AI)技术的不断进步,越来越多的国内AI Agent平台应运而生。AI智能体(AI Agent)作为生成式AI的重要应用,正在帮助企业、开发者和各类机构快速构建、部署和管理智能化应用。无论是在对话型AI、智能客服、还是自动化任务处理等领域,AI智能体都显示出了巨大的应用潜力。 在这篇文章中,我们将盘点国内9大主流AI Agent平台,包括文心智能体平台、智谱清言、Kimi+ 等,看看它们如何帮助开发者提升效率、降低开发门槛,实现更高效的智能体创建和管理。你是否已经体验过这些平台中的一些,或者已经在自己的项目中应用了它们的AI能力呢?一起探索一下这些平台的特色与优势吧! 文章目录 * 国内已有至少9家AI Agent平台,你用过几家? * 作者简介 * 猫头虎是谁? * 作者名片 ✍️ * 加入我们AI共创团队 🌐 * 加入猫头虎的AI共创变现圈,一起探索编程世界的无限可能! 🚀 * 正文 * 1. **文心智能体平台** * 2. **智谱清言**