斩获 3W 星！最近爆火的 MCP 一网打尽

如果你关注 AI 领域，最近肯定经常听到 MCP 这个词。这是个啥呢？照本宣科：MCP 是 Model Context Protocol 的缩写，也就是模型上下文协议。

这是 Anthropic 所推动的一项开放标准，为大语言模型（LLMs）应用提供一个标准化的接口，使其能够连接和交互外部数据源和工具。

它是为了克服 LLMs 应用仅依赖其训练数据的局限性，使其能够访问所需的上下文信息，并执行更广泛的任务。

该协议通过定义一套通用的规则和格式，使得 LLMs 应用可以在需要时动态地获取相关信息和执行操作，从而增强其功能和应用范围。

图片来源：https://norahsakal.com/blog/mcp-vs-api-model-context-protocol-explained/

说人话：就是一个让 AI 大模型连接万物，理解和使用外部信息和工具的统一标准。

就好比你的电脑连接外部设备，一般通过 USB 接口这个标准一样。 AI 大模型想连接其它软件、工具，可以使用 MCP 这个标准。

举个例子吧。

比如你有一个很厉害的大模型，比如 ChatGPT，但它只能回答基于自己学过的知识（比如 2023 年之前的酒店和航班信息）。现在你想让它帮你规划下周去巴黎的行程，但它不知道最新的机票价格、酒店空房情况，也无法直接帮你订票。

这时候，可以通过 MCP 这个规范让 AI 大模型接入携程、高德地图等等软件（前提是这个软件支持通过 MCP 规范调用，有 MCP Server），这样它就能查实时数据，拉取最新的酒店价格和空房信息。

调用支付接口订票，最后把结果整理成你能看懂的回答。

3万人 Star！

超火的 MCP Server 列表

在逛 GitHub 的时候，发现了一个超过 3W 人 Star 的开源项目，这是一个 MCP Server 盘点列表，热度还在极速攀升。

开源地址：https://github.com/punkpeye/awesome-mcp-servers

这个开源项目系统整理了 3000+ 可以接入使用的 MCP Server，覆盖浏览器自动化、搜索、金融、游戏、安全、科研等 20+ 垂直领域，包括本地和基于云服务的。我挑几个介绍一下。

① 浏览器自动化

MCP-Playwright  这个 MCP 服务器，通过提供浏览器自动化能力，使 AI 大模型能够在真实浏览器环境中导航网页、执行点击/输入操作、截取屏幕截图以及运行 JavaScript

开源地址：https://github.com/executeautomation/mcp-playwright

② AI 解析内容生成摘要

AI摘要生成MCP服务器，支持多种内容类型：纯文本、网页、PDF文档、EPUB电子书、HTML内容。

开源地址：https://github.com/0xshellming/mcp-summarizer

③ 管理 Notion

notion_mcp 这个 MCP Server， 可以链接 AI 大模型与 Notion 平台，支持自动化页面管理、内容同步、模板生成等等。

开源地址：https://github.com/danhilse/notion_mcp
开源地址：https://github.com/suekou/mcp-notion-server

④ 地图 MCP Server

高德、腾讯、百度地图，三家地图服务商都已经布局MCP Server，为AI大模型与地图服务的结合提供了便捷的接口。这个不在这个开源项目的列表中，是我觉得比较重要，列出来了。

⑤ 搜索 ArXiv 研究论文

arxiv-mcp-server 这个 MCP Server，专为 arXiv 学术论文库设计，允许 AI 模型通过编程接口搜索论文、下载内容并进行深度分析（如摘要提炼、方法评估和结果解读），同时支持本地存储以加速访问

开源地址：https://github.com/blazickjp/arxiv-mcp-server

⑥ 更多

https://mcp.so/

 如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

五、AI产品经理大模型教程

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​