东营市网站建设_网站建设公司_表单提交_seo优化

mcp是啥

Model Context Protocol
MCP：AI Agent 工具托管协议及应用

简单来说 就是让ai可以调用外部服务，比如你们公司的cicd功能、让你部署的deepseek连上A股实时行情 变成你的ai炒股小助理 抓取网页爬虫……

MCP 协议概述

• 定义: MCP (Model Context Protocol) 是一种旨在促进 AI Agent 与工具之间交互的托管协议。

• 核心作用: 将 AI Agent 与具体工具实现解耦，提升系统灵活性，允许 Agent 自由更换或组合工具。

• 工作机制:

1. 用户向 AI Agent 提出问题。

2. Agent 从 MCP Server 收集所有可用的工具信息。

3. 工具信息被转换为 AI 模型可理解的格式，并与用户请求一同发送给 AI 模型。

4. AI 模型根据需求返回指令，引导 Agent 调用本地工具函数。

怎么写mcp

最简单例子 官方demo

# server.pyfrom fastmcpimportFastMCP mcp=FastMCP("Demo 🚀")@mcp.tool def add(a: int, b: int)->int:"""Add two numbers"""returna + bif__name__=="__main__":mcp.run()

运行： fastmcp run server.py

实际就是定义一些方法 让ai能够拿到数据、处理数据
作为接口给外部使用

比如：

案例 1：极简加法工具（5 行核心代码）
目的：让 LLM 能调用你写的 add_2_numbers 工具完成两数相加。
安装依赖
python -m pip install fastmcp
创建 add_server.py
from fastmcp import FastMCP
app = FastMCP(“AddDemo”)
@app.tool()
def add_2_numbers(a: int, b: int) -> int:
“”“返回 a + b 的和”“”
return a + b
if name == “main”:
app.run(transport=“stdio”) # 本地stdio通信
运行测试
python add_server.py
窗口会卡住等待客户端，说明服务已就绪
在 Claude Desktop / Cursor 等 MCP 客户端里把 add_server.py 加进去，就能直接对话：“请帮我算 3+5”，LLM 会自动调用工具返回 8。
案例 2：天气查询服务器（带真实 API）
目的：让 LLM 能查美国任意坐标点的 7 天天气预报与预警。
安装依赖
python -m pip install fastmcp httpx
创建 weather_server.py
from fastmcp import FastMCP
import httpx
app = FastMCP(“WeatherDemo”)
@app.tool(name=“get_forecast”)
async def get_forecast(lat: float, lon: float) -> str:
“”“获取七天天气预报”“”
url = f"https://api.weather.gov/points/{lat},{lon}/forecast"
async with httpx.AsyncClient() as client:
data = (await client.get(url)).json()
periods = data[“properties”][“periods”]
return “\n”.join(f"{p[‘name’]}: {p[‘detailedForecast’]}" for p in periods)
@app.tool(name=“get_alerts”)
async def get_alerts(zone: str) -> str:
“”“查询指定地区天气预警（zone 格式如 CAZ015）”“”
url = f"https://api.weather.gov/alerts/active/zone/{zone}"
async with httpx.AsyncClient() as client:
data = (await client.get(url)).json()
return f"{len(data[‘features’])} 条预警"
if name == “main”:
app.run(transport=“stdio”)
运行并接入客户端
python weather_server.py
在 Claude Desktop 配置里把 weather_server.py 路径填上，保存后重启。
对话示例：
“洛杉矶未来一周天气如何？”
→ LLM 先调用 get_forecast(34.0522, -118.2437)，拿到逐日预报后自然语言回答。
小结
两段代码分别演示了「工具型」与「资源+工具型」两种 MCP 服务器写法。
只要记住“@app.tool() 装饰器 + 异步函数”就能让任何 Python 函数秒变 LLM 可调用的外部工具。
把 transport 换成 sse 即可远程部署，供多人共用。

具体案例

比如 写一个ai炒股的mcp

然后run

怎么给DeepSeek接通实时行情
接下来就告诉你，你得先有一个支持DeepSeek和MCP的客户端，这里以Trae为例
https://www.trae.cn/从这里下载安装包

然后配置Trae的MCP服务
这是MCP的配置文件

{
“mcpServers”: {
“xtquant-mcp”: {
“command”: “cmd”,
“args”: [
“/c”,
“H:\program\anaconda\envs\pymcp\python.exe”,
“H:\huajie_python\xtquant_mcp\main.py”
],
“env”: {
“FASTMCP_PORT”: “8080”
}
}
}
}
一键获取完整项目代码

H:\program\anaconda\envs\pymcp\python.exe"替换成你的Python虚拟环境地址
H:\huajie_python\xtquant_mcp\main.py 替换成你mcp服务的Python脚本文件
其它参数不变

运行的时候记得把miniQMT软件打开

让DeepSeek给我的股票提出操作建议
这是我写的一个提示词，供大家参考：

你是一名专业量化交易员，请基于以下实时行情数据（日线/分钟线），结合量价关系理论，分析{002074.SZ}的买卖信号。请逐步执行：

数据确认
获取日线数据(200个交易日)

获取60分钟线数据（100个K线）

量价核心指标计算
计算OBV能量潮（累加每日成交量方向）[6,8]

计算VPT量价趋势（价差百分比×成交量累加）[6]

标记关键位置：前期高点/低点、成交密集区、突破阈值（>3%）[1,7]

买卖信号检测
买入条件（需同时满足）：

突破信号：当日收盘价 > 前高 + 3%，且成交量 > 前5日均量150%[1]

量价共振：价格上涨伴随OBV创新高（无顶背离）[8]

位置验证：处于底部初升期（近3月跌幅>20%）或主升浪中继[7,8]

卖出条件（满足任一）：

假突破信号：单日放量突破前高但次日回落至突破位下方[1]

量价背离：价格新高但OBV/VPT未新高（顶背离）[6,8]

高位滞涨：连续3日量能>均量120%但价格波动<2%[7]

风险控制规则
止损位：买入价下方支撑位（最近放量阳线最低点）[7]

仓位建议：底部突破配仓10%，主升浪中继配仓5%[5]

输出结构化结果
{
“交易信号”: “buy/sell/hold”,
“可信度”: “0-100%”, // 基于量价配合度
“价格区间”: [支撑位, 压力位],
“亮点”: “突破前高8.5元放量150%”,
“风险提示”: [“MACD顶背离”, “换手率超15%”]
}
————————————————
版权声明：本文为CSDN博主「花小姐的春天（同公众号）」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/zai_yuzhong/article/details/149189929

再往下怎么玩？
当然你也可以把下单写成MCP服务，这样你只需要一句话

帮我买入贵州茅台10000股

然后DeepSeek就会通知MCP，MCP去调用下单接口帮你实现股票操作。更牛B的方式是，你给DeepSeek接入语音，这样你只需要说句话就把钱给赚了！

更多案例

skill

一、Skills 是啥？
先别急着对比，得先搞清楚它是什么。

根据官方文档，Claude Skills 是一种模块化的能力包（modular skill package）， 用简单点的比喻：它就像给 AI 装插件。

每个 Skill 是一个文件夹，通常包含：

SKILL.md：说明书，描述用途、操作流程
脚本 / 模板：执行自动化任务的逻辑，比如处理 Excel、生成 PPT
资源文件：脚本依赖的代码片段、样式、流程图等

Claude 会在执行任务时动态加载所需的 Skill， 也就是说，它不会一次性加载全部，而是“按需装配”。

有点像是给 AI 打开一个“技能商城”

通俗讲： 以前 Claude 要靠 prompt 临场发挥，现在是调用现成工具包来解决问题。

Claude Skills

就像是给 Claude 安装的 “专家记忆包”，能将它从一个通用 AI 变为精准执行特定任务的专家。

核心功能：将重复性工作流程（如公司品牌风格、代码规范、报告格式）打包成可复用的指令，让 Claude 能自动、可靠地完成任务，无需每次都重复提醒。 工作原理：一个 Skill 就是一个带说明书 (SKILL.md) 的文件夹。Claude 只在需要时才会加载完整的指令，平时只记忆一个简短的描述。这种设计 极其节省 Token，让你可以安装大量 Skills 而不影响性能。 与工具 (Tools / APIs) 的区别：Skills 教会 Claude “如何做” 一件事（内部知识和流程），而工具让 Claude “去做” 一件事（调用外部数据或执行动作）。两者可以互补。 最大优势：简单、高效、实用。它将复杂的 AI 定制过程简化为写文档，让 AI 能真正融入并标准化你的日常工作。

Claude Skills 的定位

核心理念：Skills 将通用模型转变为领域专家

它是面向具体任务的 “技能包”，以文件夹形式存在，通过轻量的说明与可执行工具，让 Claude 在需要时加载并执行，从而实现可重复、可定制的工作流。它们既 “简单”（就是 Markdown 和脚本）、又 “复杂”（能驱动多步的智能代理任务）。

二、Skills 有啥用？
它的核心价值在于——标准化、自动化、可复用。

对于开发、测试、运维这些岗位来说，Skills 是生产力提升器。

具体能干的事包括：

专业化任务执行：自动生成 Excel 报表、制作品牌规范的 PPT、分析用户反馈
组合执行：多个 Skills 可以叠加使用，比如先用「数据分析」再用「报告生成」
跨平台复用：同一 Skill 可以在 Claude 网页、Claude Code、API 中通用
性能高：按需加载 + 预定义逻辑，减少重复推理和 token 消耗
举几个常见场景：

测试同学一句话让 Claude 生成符合模板的测试报告。
研发同学用「代码审查 Skill」批量检查函数命名规范。
产品经理上传 CSV 文件，Claude 用「数据分析 Skill」自动生成结论 + PPT。
一句话总结：它让 AI 从“会聊天”变成“会干活”。

三、为什么 Skills 比传统方式高效
传统方式下，Claude 需要多轮推理—— 你要描述任务 → 它生成代码 → 执行 → 报错 → 你再修正。

使用 Skill 后，这些脚本、模板都封装在里面，Claude 只需一句话：

“请帮我从这个 PDF 提取表格并导出 Excel 文件。”
Claude 识别后直接调用现成脚本。 无须多轮交互，也不用重新编写代码。

根据官方测试数据：

使用 Skills 后，任务执行效率提升约 40%，错误率下降 35% 以上。

四、Skills vs MCP：谁更强？差在哪？
别被名字吓到，它俩其实不是竞争关系。

先看定义：

MCP（Model Context Protocol）：让 Claude 能访问外部系统，比如数据库、API、网盘。它更像是一个“桥梁协议”。
Skills：让 Claude 能执行特定任务模块，比如“做报告”“格式校验”。
一句话对比：

MCP 负责“连通外部世界”， Skills 负责“干具体的事”。

Skills 与模型上下文协议（MCP）的关键区别

虽然 Skills 和 MCP（Model Context Protocol

）都是扩展 AI 能力的方式，但它们的设计哲学和适用场景截然不同。

两者的本质区别是：Skills 把 “人类流程/SOP” 转为可触发的模块；MCP 把 “外部工具/API/数据源” 转为可调用的标准接口。

Skills 擅长程序化写作、格式化、合规、数据整理等 “内部可编码” 的流程；MCP 擅长访问 GitHub
、CI / CD

、Slack、数据库等外部系统、实时数据与动作。

Skills 重点在于 “如何完成任务” 的内部指令 Skills 更像是给 Claude 的一本 “操作手册”，它告诉模型完成某项任务的具体步骤、最佳实践和注意事项。 它关注的是过程和方法。 MCP 重点在于连接外部工具与数据源 MCP 是一个开放协议，旨在标准化 AI 与外部世界（如数据库、SaaS 工具、API）的交互方式。 它关注的是访问和行动，让 Claude 能够调用外部工具来获取实时信息或执行操作。 Skills 轻量且高效；MCP 可能消耗大量 Tokens 如前所述，Skills 通过 “渐进式披露” 机制实现了极高的 Token 效率。 相比之下，一些 MCP 的实现可能需要在提示中加载数万 Token 的 API 文档和定义，这会严重挤占模型处理实际任务的上下文空间。 Skills 和 MCP 可以协同工作 Skills 和 MCP 并非相互排斥，而是互补的。 在一个复杂的工作流中，您可以使用 MCP 从 GitHub 或公司的数据库中获取实时数据，然后利用 Skill 来分析这些数据并生成符合特定格式的报告。

我们来个表格直观看看👇

在实际应用中，最强的是组合拳：Skills + MCP = 模块执行 + 系统联动。

例如： 用 Skill 生成测试报告 → 用 MCP 自动上传到 Jira 或 TestRail。

五、怎么用 Skills（上手指南）
官方已经开源了 12 个 Skills 示例，覆盖常见场景：

PDF / Word / PPT / Excel 处理
创意设计 / 代码生成 / 报告生成等
安装也非常简单：

/plugin marketplace add anthropics/skills
装完后，在 Claude Code 里问：

“你有哪些 Skills？” 它就会列出可用的技能包。

如果你想自定义：

创建一个文件夹
写好 SKILL.md 描述用途
加上脚本、模板、资源文件
上传到你的 Claude 工作区或团队仓库
这样就能让整个团队复用你写的 Skill。

六、AI 工程化的下一步
Claude 的 Skills 让我们看到了一个趋势：

Prompt 不再是核心，模块化的 AI 能力复用才是未来。

对 IT 从业者来说，这意味着：

工作流能被标准化和复用；
测试和研发文档能自动生成；
团队内部能构建自己的“AI 工具库”。
未来，AI 的竞争，不再是谁 prompt 写得好， 而是谁的 Skill 库更全、更标准化。

七、“渐进式披露” 机制使 Skills 极为高效

Skill 通过三层结构（YAML 前言、正文、文件引用）逐步、按需地把信息送入模型上下文，避免一次性塞满，提升效率与 token 经济性。

Skills 的设计极其注重 Token 效率。 初始加载时，每个 Skill 只占用几十个 Token 来存储其元数据。 只有在被触发时，Skill 的详细指令才会进入上下文窗口。 这种按需加载的机制意味着您可以安装大量的 Skills，而不会因为上下文窗口被占满而影响模型性能。 对于更复杂的 Skill，还可以将不同的指令拆分到多个文件中，Claude 只会读取当前任务所需的部分，进一步节省了 Token。

八、应用场景举例
应用场景：Skills 擅长自动化内部工作流

Skills 的核心价值在于自动化那些有固定流程和规范的重复性任务，从而大幅提升效率。

案例一：确保文档的品牌风格一致 你可以创建一个 Skill 来封装公司的品牌指南。 当要求 Claude 创建演示文稿或新闻稿时，它会自动调用这个 Skill，确保所用颜色、字体、徽标和行文语气都符合公司标准，无需人工检查和修改。 案例二：自动化财务报告流程 日本电商巨头乐天（Rakuten）使用 Skills 将一项原先需要一整天时间的财务报告流程缩短到了一个小时。 该 Skill 封装了处理多份电子表格、发现异常数据以及根据公司内部流程生成报告的全部逻辑。 案例三：标准化软件开发任务 一个开发团队可以创建 Skills 来统一代码审查标准、生成符合特定架构的样板代码，或指导如何与内部 API 交互。 例如，一个 mcp-builder Skill 可以指导 Claude 如何创建高质量的 MCP

服务器。

快速上手

快速上手：用一个简单的 Markdown 文件创建你的第一个 Skill

创建一个基础 Skill 非常简单，您只需要创建一个包含 SKILL.md 文件的文件夹即可。

以下是一个模板：

--- name: my-first-skill description: 这是一个关于此 Skill 能做什么以及何时使用它的清晰描述。 ---# 我的第一个 Skill[在这里添加您的指令，Claude 在激活此 Skill 时会遵循这些指令]## 示例- 用法示例1- 用法示例2

只需填写 name 和 description 字段，然后在 Markdown 主体中用自然语言描述操作步骤，一个可用的 Skill 就完成了。

安全须知：使用第三方 Skills 时需保持谨慎

Skills 可以执行代码，这意味着它们拥有强大的能力，同时也带来了安全风险。 一个恶意的 Skill 可能会被设计用来执行非预期的操作，例如访问敏感文件或泄露数据。 因此，强烈建议只使用来自可信来源的 Skills，例如由你自己或 Anthropic 创建的。 在使用任何第三方 Skill 之前，请务必仔细审查其包含的所有文件（包括脚本和说明）。

实战应用

可看
https://www.bilibili.com/opus/1132124852115734530

其他

官方提示的 skills : https://github.com/anthropics/skills

这个没用过 之后看看 github.com/YYH211/Claud 开源了一个 skill 仓库，里面有 创建 skill 的 skill 和提示词优化以及 问题分析 skill 等，欢迎 pr 和 star