[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-huggingface--mcp-course":3,"tool-huggingface--mcp-course":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",149489,2,"2026-04-10T11:32:46",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":65,"owner_location":65,"owner_email":65,"owner_twitter":72,"owner_website":76,"owner_url":77,"languages":78,"stars":87,"forks":88,"last_commit_at":89,"license":90,"difficulty_score":91,"env_os":92,"env_gpu":93,"env_ram":93,"env_deps":94,"category_tags":98,"github_topics":65,"view_count":32,"oss_zip_url":65,"oss_zip_packed_at":65,"status":17,"created_at":99,"updated_at":100,"faqs":101,"releases":132},6339,"huggingface\u002Fmcp-course","mcp-course",null,"mcp-course 是一门专注于模型上下文协议（Model Context Protocol，简称 MCP）的开源免费课程，旨在帮助开发者系统掌握如何让 AI 大模型安全、高效地连接外部数据与工具。当前许多 AI 应用受限于“信息孤岛”，难以调用实时数据或执行具体操作，而 MCP 正是解决这一痛点的关键标准。本课程通过四个循序渐进的单元，从基础概念解析到实战开发，引导学员从零开始构建基于 MCP 的客户端与服务端，并深入探讨其高级架构与实际集成模式，最终完成一个完整的 AI 应用项目。\n\n课程内容涵盖必要的开发环境搭建、核心原理讲解以及基于 Python 和 TypeScript 的代码实战，特别适合具备一定编程基础及 AI 常识的软件开发者、技术研究人员或希望深化 AI 工程化能力的进阶学习者。其独特亮点在于由社区驱动更新，不仅提供标准化的学习路径，还鼓励用户通过提交代码或新增单元参与共建，确保教学内容紧跟技术前沿。无论你是想为现有 AI 项目添加插件能力，还是希望深入理解下一代 AI 交互协议，mcp-course 都能提供清晰、实用的指导，助你轻松跨越从理论到落地的门槛。","# The Model Context Protocol (MCP) Course\n\n\u003Cdiv align=\"center\"> \u003Ca href=\"README.md\">🇺🇸 English\u003C\u002Fa> | \u003Ca href=\"README_vi.md\">🇻🇳 Tiếng Việt\u003C\u002Fa> \u003C\u002Fdiv>\n\n![1](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fhuggingface_mcp-course_readme_76db62ec6661.png)\n\nIf you like the course, **don't hesitate to ⭐ star this repository**. This helps us to **make the course more visible 🤗**.\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fhuggingface_mcp-course_readme_fb956eeb458b.gif\" alt=\"Star the repo\" \u002F>\n\n## Content\n\nThe course is divided into 4 units. These will take you from **the basics of Model Context Protocol to a final project implementing MCP in an AI application**.\n\nSign up here (it's free) 👉 [Coming Soon]\n\nYou can access the course here 👉 [Coming Soon]\n\n| Unit    | Topic                                               | Description                                                                                             |\n| ------- | --------------------------------------------------- | ------------------------------------------------------------------------------------------------------- |\n| 0       | Welcome to the Course                               | Welcome, guidelines, necessary tools, and course overview.                                              |\n| 1       | Introduction to Model Context Protocol              | Definition of MCP, key concepts, and its role in connecting AI models with external data and tools.     |\n| 2       | Building with MCP: Practical Development            | Learn to implement MCP clients and servers using available SDKs and frameworks.                         |\n| 3       | MCP Protocol Deep Dive                            | Explore advanced MCP features, architecture, and real-world integration patterns|\n| 4       | Bonus Units & Collaborations                    | Special topics, partner libraries, and community-driven projects.|\n\n## Prerequisites\n\n* Basic understanding of AI and LLM concepts\n* Familiarity with software development principles and API concepts\n* Experience with at least one programming language (Python or TypeScript examples will be emphasized)\n\n## Contribution Guidelines\n\nIf you want to contribute to this course, you're welcome to do so. Feel free to open an issue or submit a pull request. For specific contributions, here are some guidelines:\n\n### Small typo and grammar fixes\n\nIf you find a small typo or grammar mistake, please fix it yourself and submit a pull request. This is very helpful for students.\n\n### New unit\n\nIf you want to add a new unit, **please create an issue in the repository, describe the unit, and why it should be added**. We will discuss it and if it's a good addition, we can collaborate on it.\n\n## Citing the project\n\nTo cite this repository in publications:\n\n```\n@misc{mcp-course,\n  author = {Burtenshaw, Ben and Notov, Alex},\n  title = {The Model Context Protocol Course},\n  year = {2025},\n  howpublished = {\\url{https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fmcp-course}},\n  note = {GitHub repository},\n}\n```\n","# 模型上下文协议（MCP）课程\n\n\u003Cdiv align=\"center\"> \u003Ca href=\"README.md\">🇺🇸 英文\u003C\u002Fa> | \u003Ca href=\"README_vi.md\">🇻🇳 越南语\u003C\u002Fa> \u003C\u002Fdiv>\n\n![1](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fhuggingface_mcp-course_readme_76db62ec6661.png)\n\n如果你喜欢这门课程，**请不要犹豫，为本仓库点个⭐星**。这将帮助我们 **让课程更加显眼 🤗**。\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fhuggingface_mcp-course_readme_fb956eeb458b.gif\" alt=\"Star the repo\" \u002F>\n\n## 课程内容\n\n本课程共分为4个单元，将带你从 **模型上下文协议的基础知识，逐步深入到在AI应用中实现MCP的最终项目**。\n\n立即注册（免费）👉 [即将上线]\n\n你可在此访问课程 👉 [即将上线]\n\n| 单元    | 主题                                               | 描述                                                                                             |\n| ------- | --------------------------------------------------- | ------------------------------------------------------------------------------------------------------- |\n| 0       | 课程欢迎页                               | 欢迎词、学习指南、所需工具及课程概览。                                              |\n| 1       | 模型上下文协议简介              | MCP的定义、关键概念及其在连接AI模型与外部数据和工具中的作用。     |\n| 2       | 使用MCP进行开发：实践篇            | 学习如何使用现有的SDK和框架来实现MCP客户端和服务器。                         |\n| 3       | MCP协议深度解析                            | 探索MCP的高级特性、架构以及实际应用场景中的集成模式|\n| 4       | 附加单元与合作                    | 特别主题、合作伙伴库以及社区驱动的项目。|\n\n## 先修条件\n\n* 对AI和LLM的基本概念有一定了解\n* 熟悉软件开发原则和API相关概念\n* 至少掌握一门编程语言（课程将以Python或TypeScript为例进行讲解）\n\n## 贡献指南\n\n如果你想为本课程贡献力量，我们非常欢迎！请随时提交问题或拉取请求。针对不同类型的贡献，以下是具体指南：\n\n### 小错误修正与语法调整\n\n如果你发现小的拼写或语法错误，请自行修改并提交拉取请求。这对学员们非常有帮助。\n\n### 新增单元\n\n如果你想新增一个单元，**请先在仓库中创建一个问题，详细描述该单元的内容及其加入的理由**。我们会进行讨论，若认为合适，便可共同协作完成。\n\n## 引用本项目\n\n如需在出版物中引用本仓库，请使用以下格式：\n\n```\n@misc{mcp-course,\n  author = {Burtenshaw, Ben and Notov, Alex},\n  title = {模型上下文协议课程},\n  year = {2025},\n  howpublished = {\\url{https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fmcp-course}},\n  note = {GitHub代码库},\n}\n```","# mcp-course 快速上手指南\n\n本指南旨在帮助中国开发者快速了解并开始学习 **Model Context Protocol (MCP)** 开源课程。该课程将带你从 MCP 基础概念进阶到在实际 AI 应用中实现 MCP 的完整项目。\n\n## 环境准备\n\n在开始本课程之前，请确保你的开发环境满足以下要求：\n\n### 系统要求\n*   操作系统：Windows, macOS 或 Linux\n*   网络环境：能够访问 GitHub 及 Hugging Face（如需下载相关资源）\n\n### 前置依赖\n*   **基础知识**：\n    *   对人工智能 (AI) 和大语言模型 (LLM) 概念有基本理解。\n    *   熟悉软件开发原则及 API 相关概念。\n*   **编程能力**：\n    *   至少掌握一门编程语言。本课程示例主要使用 **Python** 或 **TypeScript**。\n*   **开发工具**：\n    *   已安装对应语言的运行环境（Python 3.x 或 Node.js）。\n    *   代码编辑器（如 VS Code）。\n\n> **注意**：目前课程注册页面和正式学习内容显示为 \"Coming Soon\"（即将上线），请先完成环境配置并关注仓库更新以获取最新课程链接。\n\n## 安装步骤\n\n由于这是一个在线课程仓库，无需安装复杂的二进制软件。你只需要克隆仓库以获取学习资料和示例代码。\n\n1.  **克隆仓库**\n    打开终端，执行以下命令将课程代码下载到本地：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fmcp-course.git\n    ```\n\n2.  **进入目录**\n    ```bash\n    cd mcp-course\n    ```\n\n3.  **安装示例依赖（可选）**\n    根据后续具体单元（Unit 2 及以后）的示例代码需求，你可能需要安装 Python 或 TypeScript 的相关 SDK。请参考各单元目录下的 `requirements.txt` 或 `package.json` 进行安装。\n    \n    *Python 示例:*\n    ```bash\n    pip install -r requirements.txt\n    ```\n    *(注：若在国内安装较慢，可配置国内镜像源，例如：`pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`)*\n\n    *TypeScript 示例:*\n    ```bash\n    npm install\n    ```\n    *(注：若在国内安装较慢，可配置国内镜像源，例如：`npm config set registry https:\u002F\u002Fregistry.npmmirror.com`)*\n\n## 基本使用\n\n本课程分为 5 个单元（Unit 0 - Unit 4），学习路径如下：\n\n1.  **浏览课程结构**\n    在本地或 GitHub 网页上查看 `README.md` 中的目录结构，了解各单元主题：\n    *   **Unit 0**: 课程欢迎页、指南及工具概览。\n    *   **Unit 1**: MCP 介绍（定义、核心概念、连接 AI 与外部数据的作用）。\n    *   **Unit 2**: 实战开发（使用 SDK 构建 MCP 客户端和服务端）。\n    *   **Unit 3**: 协议深入（高级特性、架构及真实集成模式）。\n    *   **Unit 4**:  bonus 单元与社区协作项目。\n\n2.  **开始学习**\n    由于在线课程平台链接暂未开放（显示为 *Coming Soon*），目前的最佳实践是：\n    *   阅读仓库中已有的 Markdown 文档资料。\n    *   关注仓库的 **Issues** 和 **Releases** 以获取课程上线通知。\n    *   一旦课程链接开放，点击 README 中的 \"You can access the course here\" 链接即可免费注册并开始学习。\n\n3.  **参与贡献**\n    如果你发现文档中有拼写错误或希望新增单元：\n    *   **小修正**：直接修复并提交 Pull Request。\n    *   **新内容**：请先创建一个 Issue，描述新单元的内容及其必要性，待讨论通过后再进行协作开发。\n\n---\n*引用本项目:*\n```bibtex\n@misc{mcp-course,\n  author = {Burtenshaw, Ben and Notov, Alex},\n  title = {The Model Context Protocol Course},\n  year = {2025},\n  howpublished = {\\url{https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fmcp-course}},\n  note = {GitHub repository},\n}\n```","某初创团队的后端工程师急需将内部遗留的数据库和私有 API 安全地接入到新一代 LLM 应用中，以构建智能客服助手。\n\n### 没有 mcp-course 时\n- 开发者面对 Model Context Protocol (MCP) 晦涩的官方文档无从下手，难以理解客户端与服务端的交互架构。\n- 在尝试编写自定义 MCP Server 时，因缺乏标准代码范例，导致连接不稳定且数据处理逻辑频繁出错。\n- 团队成员对如何安全地暴露内部工具给 AI 模型存在顾虑，缺乏经过验证的最佳实践指导。\n- 由于学习曲线陡峭，原本计划一周完成的集成工作拖延至一个月，严重阻碍了产品上线进度。\n\n### 使用 mcp-course 后\n- 通过单元 1 和单元 2 的系统讲解，工程师快速掌握了 MCP 核心概念，并利用提供的 Python\u002FTypeScript SDK 示例成功搭建了基础服务。\n- 课程中“实战开发”部分提供了完整的代码模板，帮助团队迅速解决了连接握手和数据格式转换的技术难题。\n- 单元 3 深入剖析了高级集成模式，让团队学会了如何设计安全的权限控制策略，放心地将内部 API 开放给 AI 调用。\n- 借助清晰的四单元学习路径，团队仅用三天就完成了从概念验证到原型部署的全过程，大幅提升了研发效率。\n\nmcp-course 将复杂的协议标准转化为可落地的实战指南，帮助开发者跨越理论到应用的鸿沟，加速 AI 应用与真实世界数据的连接。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fhuggingface_mcp-course_417188d1.png","huggingface","Hugging Face","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fhuggingface_90da21a4.png","The AI community building the future.","https:\u002F\u002Fhuggingface.co\u002F","https:\u002F\u002Fgithub.com\u002Fhuggingface",[79,83],{"name":80,"color":81,"percentage":82},"MDX","#fcb32c",73.8,{"name":84,"color":85,"percentage":86},"Python","#3572A5",26.2,884,249,"2026-04-09T07:39:35","Apache-2.0",1,"","未说明",{"notes":95,"python":96,"dependencies":97},"本课程主要介绍 Model Context Protocol (MCP) 的概念与开发，非单一可执行软件。前置要求包括对 AI\u002FLLM 的基本理解、软件开发原则及 API 概念，并需至少掌握一种编程语言（课程示例侧重 Python 或 TypeScript）。具体运行环境取决于用户在课程实践中选择的 SDK 和框架。","未说明 (示例使用 Python 或 TypeScript)",[],[35,14,13],"2026-03-27T02:49:30.150509","2026-04-11T03:24:42.467704",[102,107,112,117,122,127],{"id":103,"question_zh":104,"answer_zh":105,"source_url":106},28703,"无法连接到 MCP 服务器（STDIO 或 SSE 均失败）怎么办？","这通常是由于 `mcp` 库版本过旧或不兼容导致的。请尝试使用 `uv` 更新 `mcp` 包来解决连接问题。\n\n执行以下命令：\n```bash\nuv pip install -U mcp\n```\n\n如果未安装 `uv`，可以先安装：\n```bash\npip install uv\n```","https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fmcp-course\u002Fissues\u002F123",{"id":108,"question_zh":109,"answer_zh":110,"source_url":111},28704,"Gradio 集成中 MCP 服务器的地址格式是否正确？连接长 URL 失败如何解决？","这是由于 `mcp` 库更新导致的兼容性问题。如果你需要连接到长 URL（例如 `http:\u002F\u002Fyour-server:port\u002Fgradio_api\u002Fmcp\u002Fsse`），当前的解决方案是将 `mcp` 库降级到 1.8.1 版本。\n\n执行以下命令：\n```bash\npip install --upgrade mcp==1.8.1\n```","https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fmcp-course\u002Fissues\u002F32",{"id":113,"question_zh":114,"answer_zh":115,"source_url":116},28705,"运行 tiny-agents 时出现 'command' 相关的意外错误，agent.json 配置文件格式是什么？","文档中的示例 `agent.json` 曾包含错误的嵌套结构。正确的配置不应在 `stdio` 类型服务器下使用 `config` 键包裹命令，而应直接将 `command` 和 `args` 放在服务器对象层级。\n\n正确的 `agent.json` 格式如下：\n```json\n{\n    \"model\": \"Qwen\u002FQwen2.5-72B-Instruct\",\n    \"provider\": \"nebius\",\n    \"servers\": [\n        {\n            \"type\": \"stdio\",\n            \"command\": \"npx\",\n            \"args\": [\"@playwright\u002Fmcp@latest\"]\n        }\n    ]\n}\n```\n请确保删除多余的 `config` 包装层。","https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fmcp-course\u002Fissues\u002F148",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},28706,"MCP SDK 示例中的 agent.json 与当前协议描述不一致，具体差异在哪里？","示例文件中的 `config` 键是多余的且不符合当前 MCP 协议规范，应当直接删除。\n\n修正后的配置应直接将 `command` 和 `args` 作为服务器对象的属性，而不是嵌套在 `config` 对象中。参考结构：\n```json\n\"servers\": [\n    {\n        \"type\": \"stdio\",\n        \"command\": \"npx\",\n        \"args\": [\"@playwright\u002Fmcp@latest\"]\n    }\n]\n```","https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fmcp-course\u002Fissues\u002F143",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},28707,"在 VSCode Continue 插件中使用本地 Ollama 模型和 Playwright MCP 时，为什么无法生成文件或工具无效？","这可能由几个原因导致：\n1. **模式选择**：确保在 Continue 中使用支持 MCP 的 `agent` 模式，`chat` 模式可能不会真正调用 MCP 工具（模型可能会假装执行）。\n2. **环境依赖**：Playwright 可能需要安装浏览器内核（如 Chrome），否则会报错。\n3. **配置方式**：某些用户反馈使用 `config.json` 而非单独的 `yaml` 文件配置 MCP 服务器更稳定。\n4. **验证工具**：确认模型能否列出可用的 MCP 工具，以验证服务器配置是否生效。\n\n如果是其他 MCP 服务（如 Gradio SSE 服务），配置示例如下：\n```yaml\nmcpServers:\n  - name: Sentiment analysis\n    type: sse\n    url: \"http:\u002F\u002F127.0.0.1:7860\u002Fgradio_api\u002Fmcp\u002Fsse\"\n```","https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fmcp-course\u002Fissues\u002F117",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},28708,"MCP 架构中 Prompts（提示词）的数据流向是 Host 到 Server 还是 Server 到 Host？","Prompts 的方向应当理解为 **Host → Server**。虽然提示词的具体内容（模板）是由 Server 定义和提供的，但触发提示词生成的动作是由用户（通过 Host\u002FClient）发起的。用户选择特定的 Prompt 后，Host 会向 Server 请求渲染该提示词。","https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fmcp-course\u002Fissues\u002F31",[]]