快速掌握MCP——Spring AI MCP包教包会

news2025/4/6 4:52:45

最近几个月AI的发展非常快，各种大模型、智能体、AI名词和技术和框架层出不穷，作为一个业余小红书博主的我最近总刷到MCP这个关键字，看着有点高级我也来学习一下。

1.SpringAI与functionCall简单回顾

前几个月我曾写过两篇关于SpringAI的基础入门文章：

  • 《使用SpringAI快速实现离线/本地大模型应用》
  • 《使用Spring AI中的RAG技术，实现私有业务领域的大模型系统》

在这两篇文章中，对于私有领域数据的处理使用的是RAG和FunctionCall技术来实现的。

而如今再打开SpringAI的官网，Function Calling部分已被标记为Deprecated(已废弃)，当前已被更具有范式的Tool Calling取代。
spring-ai

快速回顾可参考开源的playground-flight-booking(航班预定)项目：https://github.com/tzolov/playground-flight-bookin

项目截图：
flight-booking

2.MCP简介

MCP

MCP的全称为：Model Context Protocol，是一个开源的协议，可以让大模型应用更方便的集成各种数据源和工具，经典举例为：使用Type-C接口适配各种电器，使用统一的接口为大模型应用提供各种工具。

MCP官网中将MCP主要分为：MCP Hosts、MCP Clients、MCP Servers、Local Data Sources、Remote Services这几个部分。详细定义：MCP General architecture
mcp-architecture

同时，MCP官网还提供了多种语言的SDK，python、java、c#、typescript等都有。

在本文中所使用到的框架为spring-ai，其中的mcp部分也是基于MCP官网的mcp-java-sdk开发的。

在SpringAI中，它将MCP包装成了2个starter，MCP Client和MCP Server，单看概念有些空洞，本文用几个例子快速体验一把。

3.MCP Client

MCP Client是MCP Server的调用者，常与AI智能体结合在一起。

在mcp官网的介绍中mcp client和mcp server是1:1连接关系，在spring-ai中的MCP client可以理解为mcp host和mcp client的结合体，简单理解就是一个客户端，调用MCP SERVER用的。

3.1 第三方MCP服务

MCP SERVER可以是自己开发的，也可以是网上能访问到的公有MCP SERVER。

为了快速体验到MCP，这里直接使用网上的一个MCP Server调用一下。

网上的MCP服务可以从MCP Server仓库https://mcp.so/servers 搜索，截图如下：
mcp.so

3.2 单MCP体验(filesystem)

先体验一个简单的mcp服务：filesystem

单独启动此MCP服务的命令如下(后面跟的是允许访问的目录)：

npx -y @modelcontextprotocol/server-filesystem E:\tmp\github\springai-demo\target

npx-mcp

如无npx命令，就用node.js安装一下npx：npm install -g npx

据说在命令行中使用json-rpc文本可以与stdio的mcp服务交互，但我实测没有反应暂时不管了。

我们把它改造为spring-ai的mcp-client方式调用此mcp，主要代码为：

@SpringBootApplication
public class Application {

	public static void main(String[] args) {
		SpringApplication.run(Application.class, args);
	}

	@Bean
	public CommandLineRunner predefinedQuestions(ChatClient.Builder chatClientBuilder,
			McpSyncClient mcpClient, ConfigurableApplicationContext context) {
		return args -> {
			var chatClient = chatClientBuilder
					.defaultTools(new SyncMcpToolCallbackProvider(mcpClient))
					.build();
			System.out.println("Running predefined questions with AI model responses:\n");

			// Question 1
			String question1 = "列出当前可以操作的所有文件";
			System.out.println("QUESTION: " + question1);
			System.out.println("ASSISTANT: " + chatClient.prompt(question1).call().content());

			// Question 2
			String question2 = "请总结 target/spring-ai-mcp-overview.txt 文件的内容，并将总结的内容以一个Markdown格式的新文件保存为 target/summary.md ";
			System.out.println("\nQUESTION: " + question2);
			System.out.println("ASSISTANT: " +
					chatClient.prompt(question2).call().content());
			context.close();
		};
	}

	@Bean(destroyMethod = "close")
	public McpSyncClient mcpClient() {
		// windows时使用npx.cmd,linux时使用npx
		var stdioParams = ServerParameters.builder("npx.cmd")
				.args("-y", "@modelcontextprotocol/server-filesystem", getDbPath())
				.build();
		var mcpClient = McpClient.sync(new StdioClientTransport(stdioParams))
				.requestTimeout(Duration.ofSeconds(10)).build();
		var init = mcpClient.initialize();
		System.out.println("MCP Initialized: " + init);
		return mcpClient;
	}

	private static String getDbPath() {
		return Paths.get(System.getProperty("user.dir"), "target").toString();
	}
}

使用的主要依赖为：

		<dependency>
			<groupId>org.springframework.ai</groupId>
			<artifactId>spring-ai-starter-mcp-client</artifactId>
		</dependency>

运行结果截图：
filesystem-mcp
如截图所示，它成功读取到了系统中的指定文件，并用LLM进行了分析总结，还向系统的磁盘中写入了summary.md文件。

完整代码参考：model-context-protocol/filesystem

3.3 多MCP体验(mcp-servers-config.json)

上面的代码中创建mcp-client的代码不是很优雅，且每次要使用一个mcp-server就要写一段那样的代码，接下来我们看下如何简化。

首先创建一个mcp-servers-config.json配置文件，在里面定义要使用到的mcp-server

{
  "mcpServers": {
    "server-filesystem": {
      "command": "npx.cmd",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "E:\tmp\github\spring-ai-examples\target"
      ],
      "env": {
      }
    },
    "amap-maps": {
      "command": "npx.cmd",
      "args": [
        "-y",
        "@amap/amap-maps-mcp-server"
      ],
      "env": {
        "AMAP_MAPS_API_KEY": "REPLACE_YOUR_KEY"
      }
    }
  }
}

其中的@amap/amap-maps-mcp-server为高德地图的mcp-server，AMAP_MAPS_API_KEY的内容为我们在高德地图所申请的api_key。

之后编写应用代码：


@SpringBootApplication
public class Application {

    public static void main(String[] args) {
        SpringApplication.run(Application.class, args);
    }

    @Bean
    public CommandLineRunner predefinedQuestions(ChatClient.Builder chatClientBuilder, ToolCallbackProvider tools,
                                                 ConfigurableApplicationContext context) {

        return args -> {
            var chatClient = chatClientBuilder
                    .defaultTools(tools)
                    .build();
            System.out.println("Running predefined questions with AI model responses:\n");
            String question2 = "请为我计划一次成都三岔美食一日游。尽量给出更舒适的出行安排，当然，也要注意天气状况，并将最终的并将内容以一个Markdown格式的新文件保存为 target/TripPlan.md\n";
            System.out.println("\nQUESTION: " + question2);
            System.out.println("ASSISTANT: " + chatClient.prompt(question2).call().content());
            context.close();
        };
    }
}

对应的配置文件application.properties内容为：

spring.application.name=mcp
spring.main.web-application-type=none

spring.ai.openai.base-url=https://api.deepseek.com/
spring.ai.openai.api-key=REPLACE_YOUR_KEY
spring.ai.openai.chat.options.model=deepseek-chat

spring.ai.mcp.client.toolcallback.enabled=true
spring.ai.mcp.client.stdio.servers-configuration: classpath:mcp-servers-config.json

logging.level.io.modelcontextprotocol.client=DEBUG
logging.level.io.modelcontextprotocol.spec=DEBUG

为了便于观察分析，建议初学时将日志的级别设置为DEBUG，可以看到详细的输入输出

运行示例截图：
amap-mcp
代码中，我们提交的问题为：请为我计划一次成都三岔美食一日游。尽量给出更舒适的出行安排，当然，也要注意天气状况，并将最终的并将内容以一个Markdown格式的新文件保存为 target/TripPlan.md

输出的响应为：

ASSISTANT: 已成功为您计划了一次成都三岔美食一日游，并将行程安排保存为 `target/TripPlan.md` 文件。以下是行程的简要概述：

### 天气情况
- **2025-04-03（周四）**：多云转阴，白天温度21°C，夜间温度11°C，北风1-3级。
- **2025-04-06（周日）**：多云，白天温度20°C，夜间温度12°C，北风1-3级。

### 美食推荐
包括羊肉汤、川菜、火锅等，如：
- 汪老八羊肉汤
- 苏帮主三样菜
- 江北老灶火锅

### 行程安排
- 上午：抵达后品尝羊肉汤。
- 中午：享用地道川菜。
- 下午：游览三岔湖并品尝鲜鱼料理。
- 晚上：体验麻辣火锅后返程。

请查看 `target/TripPlan.md` 获取完整详情！祝您旅途愉快！

从这里可以看出：程序先调用高德地图-MCP生成了旅游计划，然后又调用了filesystem-mcp将详细的旅游计划以文件的方式保存到了系统中。
mul-mcp-output

短短几行代码，一个简单的智能体应用就完成了。

对于需要调用到多个mcp-server的场景，也更推荐使用servers-configuration配置文件的方式配置。详细可参考：https://docs.spring.io/spring-ai/reference/api/mcp/mcp-client-boot-starter-docs.html

3.4 Playwright自动化

在有了上面的两个示例铺垫后，接下来我们再实现一个AI产品的常见功能：提取某个网页中的指定数据
playwright
使用的MCP服务为：playwright。其mcp服务代码仓库为：https://github.com/microsoft/playwright-mcp

使用playwright前我们需要在系统中先安装它，命令为：

pip install playwright
playwright install  # 自动安装浏览器驱动

之后编写spring-ai代码，先编写配置文件mcp-servers-config.json内容为：

{
  "mcpServers": {
    "playwright": {
      "command": "npx.cmd",
      "args": [
        "@playwright/mcp@latest"
      ]
    }
  }
}

编写JAVA代码：

@SpringBootApplication
public class Application {

    public static void main(String[] args) {
        SpringApplication.run(Application.class, args);
    }

    @Bean
    public CommandLineRunner predefinedQuestions(ChatClient.Builder chatClientBuilder, ToolCallbackProvider tools,
                                                 ConfigurableApplicationContext context) {

        return args -> {
            var chatClient = chatClientBuilder
                    .defaultTools(tools)
                    .build();
            System.out.println("Running predefined questions with AI model responses:\n");
            String question2 = "访问这个链接 https://mp.weixin.qq.com/s/7oQG35ECQeJiX6J3Uz3FIQ ，提取出里面的所有旅游景点名称\n";
            System.out.println("\nQUESTION: " + question2);
            System.out.println("ASSISTANT: " + chatClient.prompt(question2).call().content());
            context.close();
        };
    }
}

其中我们的需求为：访问这个链接 https://mp.weixin.qq.com/s/7oQG35ECQeJiX6J3Uz3FIQ ，提取出里面的所有旅游景点名称

运行截图：
playwright-mcp

可以看到它自动调用了我们的浏览器，并按照花的分类提取总结出了旅游景点，非常完美。

程序输出内容如下：

ASSISTANT: 文章中提到的旅游景点（赏花打卡点）如下：

1. **樱桃花**：
   - 贾家街道百年樱桃园
   - 菠萝乌龟坡
   - 贾家桂花村
   - 丹景街道张家沟村
   - 武庙镇竹园村马道子
   - 武庙社区
   - 芦葭镇仁里村优果缘农庄

2. **杏花**：
   - 贾家街道百年樱桃园
   - 武庙镇垮龙山

3. **油菜花**：
   - 养马街道尹家祠村1组
   - 贾家街道天宫社区党群服务中心外
   - 丹景街道藕埝村

4. **桃花**：
   - 养马街道金渔桃缘景区
   - 贾家街道东来桃源景区
   - 快乐村桃示范基地

5. **杏梅花**：
   - 武庙镇团堡村

这些景点分布在成都东部新区，适合春季赏花游玩。

简简单单，一个具备AI网页爬虫分析能力的应用就做好啦。

与Playwright-mcp类似的还有browser-use，但使用下来感觉这个Playwright-mcp更简单。

4.MCP服务调试(MCP Inspector)

为了便于调试mcp服务，mcp官方提供了MCP Inspector工具，支持STDIO和SSE两种类型的MCP服务，可查看和调试MCP服务的tool等信息，非常有用。

运行mcp-inspector需要使用到npx，为避免环境问题推荐使用nvm。

nvm list available
nvm use 22.14.0
nvm ls

以运行mcp-inspector的0.7.0版本为例(使用最新版本去掉@0.7.0)，命令如下：

npx @modelcontextprotocol/inspector@0.7.0

如启动失败，可尝试用npm cache clean --force解决
mcp-inspector
使用时在浏览器中访问命令行输出的url，如这里的：http://localhost:5173。

以调试高德地图的mcp服务为例：在Command中输入npx，在Arguments中输入@amap/amap-maps-mcp-server，之后再点连接(Connect)。
（高德MCP需要API_KEY，连接前还需要配置对应的变量，否则会报错：AMAP_MAPS_API_KEY environment variable is not set）

调试一下高德地图的mcp提供的关键词搜索tool：成都爬山的旅游景点
mcp-inspector-ui
输出内容为：

{"suggestion":{"keywords":[],"ciytes":[]},"pois":[{"id":"B001C06PA9","name":"都江堰景区","address":"公园路","typecode":"110202"},{"id":"B001C06ESL","name":"青城山景区","address":"青城山路168号","typecode":"110201"},{"id":"B0FFGNLFOI","name":"天然阁","address":"青城山镇青城山路168号青城山景区(东南角)","typecode":"110000"},{"id":"B0FFINNKVC","name":"龙泉山城市森林公园","address":"茶店街道","typecode":"110101"},{"id":"B0FFGQ3K69","name":"五凤溪古镇","address":"五凤镇五凤溪景区","typecode":"110202"},{"id":"B0FFLDEJ9E","name":"成都龙泉山丹景台旅游景区","address":"老马埂附近","typecode":"110200"},{"id":"B001C7WE5S","name":"成都大熊猫繁育研究基地","address":"熊猫大道1375号","typecode":"110202"},{"id":"B001C7X8QA","name":"人民公园","address":"小南街8号(人民公园地铁站B口步行240米)","typecode":"110202"},{"id":"B0FFF06JQQ","name":"熊猫谷","address":"环山旅游路玉堂段408号","typecode":"110102"},{"id":"B001C05SU4","name":"成都市植物园","address":"蓉都大道天回路1116号","typecode":"110103"},{"id":"B001C7X564","name":"青城后山","address":"泰安古镇驿道街112号","typecode":"110200"},{"id":"B0FFGQ1S50","name":"灌县古城","address":"灌口街道灌县古城西街32号","typecode":"110000"},{"id":"B001C7XDSY","name":"平乐古镇","address":"兴新街139号","typecode":"110202"},{"id":"B0FFKQ2N8L","name":"邛州园","address":"川西民俗文化大观园(平乐古镇西)","typecode":"110200"},{"id":"B034000BXN","name":"三岔湖景区","address":[],"typecode":"110200"},{"id":"B0FFK2YUL9","name":"龙泉山风景区","address":"桃花故里旅游路东100米","typecode":"110200"},{"id":"B001C802NZ","name":"花舞人间景区","address":"新蒲路梨花溪1号","typecode":"110200"},{"id":"B001C0531A","name":"老君山","address":"永商镇","typecode":"110200"},{"id":"B001C0547B","name":"丹景山","address":"丹景山街道丹景村","typecode":"110200"},{"id":"B0FFIS0UIR","name":"天府芙蓉园","address":"簇马路一段69号","typecode":"110200"}]}

内容比较靠谱，nice~

5.MCP-Server开发

前面的章节我们体验到了第三方的MCP Server使用，接下来看一下如何开发一个自己的MCP Server。

在JAVA项目中开发MCP服务一般有两种方式：

  1. 基于MCP官方提供的MCP-SDK实现
  2. 基于Spring AI框架实现(对MCP-SDK进行了封装)

追求简单快捷，推荐使用SpringAI方式开发MCP Server，在本文中也是使用的Spring AI框架。

5.1 mcp-server开发(STDIO接口)

mcp-transport
MCP-SERVER服务有两种交互方式，分别为：

  • STDIO(Standard Input/Output)
  • SSE(Server-Sent Events)

这里以开发一个天气预报的MCP服务为例，天气预报数据来源使用Open-meteo平台的接口
open-meteo
先看下接口为STDIO类型的MCP Server，开发具体的过程大致如下：

涉及到的pom依赖：

        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-starter-mcp-server</artifactId>
        </dependency>
		
		<!-- RestClient依赖需要 -->
        <dependency>
            <groupId>org.springframework</groupId>
            <artifactId>spring-web</artifactId>
        </dependency>

定义方法并实现：

@Service
public class WeatherService {

	private static final Logger logger = org.slf4j.LoggerFactory.getLogger(WeatherService.class);

	private final RestClient restClient;

	public WeatherService() {
		this.restClient = RestClient.create();
	}

	/**
	 * The response format from the Open-Meteo API
	 */
	public record WeatherResponse(Current current) {
		public record Current(LocalDateTime time, int interval, double temperature_2m) {
		}
	}

	@Tool(description = "Get the temperature (in celsius) for a specific location")
	public String getTemperature(@ToolParam(description = "The location latitude") double latitude,
			@ToolParam(description = "The location longitude") double longitude,
			ToolContext toolContext) {

		WeatherResponse weatherResponse = restClient
				.get()
				.uri("https://api.open-meteo.com/v1/forecast?latitude={latitude}&longitude={longitude}&current=temperature_2m",
						latitude, longitude)
				.retrieve()
				.body(WeatherResponse.class);

		return responseWithPoems;
	}
}

注意上面的 @Tool 和 @ToolParam 注解，它们定义了这个mcp服务一个tool的行为和参数，这是一个MCP-Tool的关键。

最后，再将上面的service注册到Spring容器中，这便完成了MCP Tool到MCP服务的注册：

	@Bean
	public ToolCallbackProvider weatherTools(WeatherService weatherService) {
		return MethodToolCallbackProvider.builder().toolObjects(weatherService).build();
	}

在打包完成后，再使用MCP Inspector进行调试，传输类型选STDIO，Command中输入：java，Arguments中输入：-jar E:\\tmp\\github\\spring-ai-examples\\model-context-protocol\\weather\\starter-stdio-server\\target\\mcp-weather-stdio-server-0.0.1-SNAPSHOT.jar

详细路径根据生成的jar包目录调整，运行截图如下：
stdio-mcp
输入经纬度后成功返回对应的坐标的温度信息，Tools栏也可以查看此MCP服务对应的tool。

5.2 mcp-server开发(SSE接口)

SpringAI中提供了两个starter可以让我们开发SSE类型的MCP接口：

  • 传统的webmvc
    	<dependency>
		<groupId>org.springframework.ai</groupId>
		<artifactId>spring-ai-starter-mcp-server-webmvc</artifactId>
	</dependency>
  • 异步IO请求的webflux
    	<dependency>
		<groupId>org.springframework.ai</groupId>
		<artifactId>spring-ai-starter-mcp-server-webflux</artifactId>
	</dependency>

将上面STDIO类型的服务改造成SSE类型的接口，仅替换掉依赖就可以。详细源码参考：mcp-weather-webmvc-server

在MCP Inspector中调试SSE的MCP服务时，传输类型选择SSE并填入URL即可。

以MCP服务在本机运行为例，填入：

http://127.0.0.1:8080/sse

运行截图：
sse-mcp

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2328351.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

KUKA机器人查看运行日志的方法

KUKA机器人查看运行日志的方法

对于KUKA机器人的运行日志都是可以查看和导出的&#xff0c;方便查找问题。KUKA机器人的运行日志查看方法如下&#xff1a; 1、在主菜单下&#xff0c;选择【诊断】-【运行日志】-【显示】下打开&#xff1b; 2、显示出之前的机器人运行日志&#xff1b; 3、也可以通过【过滤器…
阅读更多...
MySQL 基础使用指南-MySQL登录与远程登录

MySQL 基础使用指南-MySQL登录与远程登录

MySQL 基础使用指南 1. 登录 MySQL 数据库的命令解析 命令格式&#xff1a; mysql -u用户名 -p密码参数说明&#xff1a; -u&#xff08;user 的缩写&#xff09;&#xff1a;指定登录用户。例如 -uroot 表示以 root 用户登录。-p&#xff08;password 的缩写&#xff09;&a…
阅读更多...
web-ui windows安装与配置

web-ui windows安装与配置

web-ui windows安装与配置 安装然后安装依赖 运行配置 安装 git clone https://github.com/browser-use/web-ui.git先把clone下来 需要有python环境 最好是 Python 3.11 这里就不赘述了 然后安装依赖 pip install -r requirements.txt运行 python webui.py --ip 127.0.0.1 …
阅读更多...
游戏引擎学习第201天

游戏引擎学习第201天

仓库:https://gitee.com/mrxiao_com/2d_game_5 回顾之前的内容&#xff0c;并遇到了一次一阶异常&#xff08;First-Chance Exception&#xff09;。 欢迎来到新一期的开发过程&#xff0c;我们目前正在编写调试接口代码。 当前&#xff0c;我们已经在布局系统上进行了一些工…
阅读更多...
Doris：打破 SQL 方言壁垒，构建统一数据查询生态

Doris：打破 SQL 方言壁垒，构建统一数据查询生态

在大数据领域&#xff0c;不同的数据库系统往往使用不同的 SQL 方言。这就好比不同地区的人说着不同的语言&#xff0c;给数据分析师和开发人员带来极大的困扰。当企业需要整合多个数据源进行分析时&#xff0c;可能要花费大量时间和精力&#xff0c;在不同的 SQL 语法之间切换…
阅读更多...
github合并多个commit message以及rebase解决文件冲突

github合并多个commit message以及rebase解决文件冲突

深度学习求解PDE相关代码全部在我的仓库添加链接描述&#xff0c;自取 github仓库合并多个commit message 问题描述如下&#xff1a; 第一步&#xff1a;确保自己在对应分支上 比如说现在我要合并issue/108分支的提交记录&#xff0c;使用git log --oneline查看提交记录一…
阅读更多...
【零基础入门unity游戏开发——2D篇】SortingGroup（排序分组）组件

【零基础入门unity游戏开发——2D篇】SortingGroup（排序分组）组件

考虑到每个人基础可能不一样&#xff0c;且并不是所有人都有同时做2D、3D开发的需求&#xff0c;所以我把 【零基础入门unity游戏开发】 分为成了C#篇、unity通用篇、unity3D篇、unity2D篇。 【C#篇】&#xff1a;主要讲解C#的基础语法&#xff0c;包括变量、数据类型、运算符、…
阅读更多...
系统与网络安全------Windows系统安全（5）

系统与网络安全------Windows系统安全（5）

资料整理于网络资料、书本资料、AI&#xff0c;仅供个人学习参考。 磁盘分区管理 磁盘的分区管理 WinR运行&#xff0c;执行“diskmgmt.msc”打开磁盘管理 –>右击分区-格式化 格式化分区 格式化 将清楚卷上的所有数据 更改驱动型号 更改驱动器盘符 使用驱动器号来表…
阅读更多...
springboot—— Shiro实现认证和授权功能

springboot—— Shiro实现认证和授权功能

一、数据库模板设计 在本文中&#xff0c;我们使用RBAC&#xff08;Role-Based Access Control&#xff0c;基于角色的访问控制&#xff09;模型设计用户&#xff0c;角色和权限间的关系。简单地说&#xff0c;一个用户拥有若干角色&#xff0c;每一个角色拥有若干权限。这样&a…
阅读更多...
牛客 除2问题

牛客 除2问题

除2&#xff01; 贪心堆 让偶数入堆 注意点&#xff1a; 1.判断堆是否为空再进行操作 2. 为了防止超时&#xff0c;我们采取先求和的方式&#xff0c;后面调整之后再减掉&#xff0c;可以节省一次遍历的时间。 3.注意数据范围&#xff0c;要用long long #include<iost…
阅读更多...
【C++11】异步编程

【C++11】异步编程

异步编程的概念 什么是异步&#xff1f; 异步编程是一种编程范式&#xff0c;允许程序在等待某些操作时继续执行其它任务&#xff0c;而不是阻塞或等待这些操作完成。 异步编程vs同步编程&#xff1f; 在传统的同步编程中&#xff0c;代码按顺序同步执行&#xff0c;每个操作需…
阅读更多...
论文阅读笔记：Denoising Diffusion Implicit Models （4）

论文阅读笔记：Denoising Diffusion Implicit Models （4）

0、快速访问 论文阅读笔记&#xff1a;Denoising Diffusion Implicit Models &#xff08;1&#xff09; 论文阅读笔记&#xff1a;Denoising Diffusion Implicit Models &#xff08;2&#xff09; 论文阅读笔记&#xff1a;Denoising Diffusion Implicit Models &#xff08…
阅读更多...
UltraScale+系列FPGA实现 IMX214 MIPI 视频解码转HDMI2.0输出，提供2套工程源码和技术支持

UltraScale+系列FPGA实现 IMX214 MIPI 视频解码转HDMI2.0输出，提供2套工程源码和技术支持

目录 1、前言工程概述免责声明 2、相关方案推荐我已有的所有工程源码总目录----方便你快速找到自己喜欢的项目我这里已有的 MIPI 编解码方案我已有的4K/8K视频处理解决方案 3、详细设计方案设计框图硬件设计架构FPGA开发板IMX214 摄像头MIPI D-PHYMIPI CSI-2 RX SubsystemBayer…
阅读更多...
BUUCTF-web刷题篇(9)

BUUCTF-web刷题篇(9)

18.BuyFlag 发送到repeat&#xff0c;将cookie的user值改为1 Repeat send之后回显你是cuiter&#xff0c;请输入密码 分析&#xff1a; 变量password使用POST进行传参&#xff0c;不难看出来&#xff0c;只要$password 404为真&#xff0c;就可以绕过。函数is_numeric()判…
阅读更多...
MySQL-- 函数（单行函数）: 日期和时间函数

MySQL-- 函数（单行函数）: 日期和时间函数

目录 1,获取日期、时间 2,日期与时间戳的转换 3,获取月份、星期、星期数、天数等函数 4,日期的操作函数 5,时间和秒钟转换的函数 6,计算日期和时间的函数 7,日期的格式化与解析 1,获取日期、时间 CURDATE() &#xff0c;CURRENT_DATE() 返回…
阅读更多...
DeepSeek真的超越了OpenAI吗？

DeepSeek真的超越了OpenAI吗？

DeepSeek 现在确实很有竞争力&#xff0c;但要说它完全超越了 OpenAI 还有点早&#xff0c;两者各有优势。 DeepSeek 的优势 性价比高&#xff1a;DeepSeek 的训练成本低&#xff0c;比如 DeepSeek-V3 的训练成本只有 558 万美元&#xff0c;而 OpenAI 的 GPT-4 训练成本得数亿…
阅读更多...
Node 22.11使用ts-node报错

Node 22.11使用ts-node报错

最近开始学ts&#xff0c;发现使用ts-node直接运行ts代码的时候怎么都不成功&#xff0c;折腾了一番感觉是这个node版本太高还不支持&#xff0c; 于是我找了一个替代品tsx npm install tsx -g npx tsx your-file.ts -g代表全局安装&#xff0c;也可以开发环境安装&#xff0…
阅读更多...
LabVIEW中VISA Write 与 GPIB Write的差异

LabVIEW中VISA Write 与 GPIB Write的差异

在使用 LabVIEW 与 GPIB 设备通讯时&#xff0c;VISA Write Function 和 GPIB Write Function 是两个常用的函数&#xff0c;它们既有区别又有联系。 一、概述 VISA&#xff08;Virtual Instrument Software Architecture&#xff09;是一种用于仪器编程的标准 I/O 软件库&…
阅读更多...
牛客练习题——素数（质数）

牛客练习题——素数（质数）

质数数量 改题目需要注意的是时间 如果进行多次判断就会超时&#xff0c;这时需要使用素数筛结合标志数组进行对所有数据范围内进行判断&#xff0c;而后再结合前缀和将结果存储到数组中&#xff0c;就可以在O(1)的时间复杂度求出素数个数。 #include<iostream>using nam…
阅读更多...
使用MQTTX软件连接阿里云

使用MQTTX软件连接阿里云

使用MQTTX软件连接阿里云 MQTTX软件阿里云配置MQTTX软件设置 MQTTX软件 阿里云配置 ESP8266连接阿里云这篇文章里有详细的创建过程&#xff0c;这里就不再重复了&#xff0c;需要的可以点击了解一下。 MQTTX软件设置 打开软件之后&#xff0c;首先点击添加进行创建。 在阿…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023