MCP Hub Documentation

🚀 MCP 控制檯文檔

MCP 控制檯是一個強大的框架，可用於創建和管理模型上下文協議（MCP）的服務器與客戶端。它藉助 uv 工具，實現了快速的包安裝與便捷的配置管理，能有效提升開發效率。

🚀 快速開始

為什麼使用 UV？

UV 極大地簡化了包管理和配置流程，並且命令執行速度極快。只需掌握幾個簡單命令，就能開啟使用之旅：

• 初始化項目：

uv init

• 同步 Python 版本和依賴項：

uv sync

更多詳情，請訪問 UV GitHub 倉庫。

如何創建一個示例 MCP 服務器

1. 創建新項目目錄

uv init XYZ
cd XYZ

2. 設置虛擬環境

uv venv
source .venv/bin/activate

3. 安裝依賴項

uv add "mcp[cli]" httpx

4. 創建服務器文件

touch XYZ.py

如何運行 MCP 服務器

要運行服務器，請使用以下命令：

uv run XYZ.py

示例：創建新 XYZ 服務器

按照上述步驟創建並運行新的 XYZ 服務器。將 XYZ 替換為您所需的項目名稱。

✨ 主要特性

MCP 控制檯利用 uv 工具，能夠高效地創建和管理模型上下文協議（MCP）的服務器和客戶端，為開發者提供了便捷的開發環境。

📦 安裝指南

初始化項目

uv init project_name

啟動開發環境

uv run -d

創建新功能模塊

uv add feature_module

📚 詳細文檔

動機

要了解 MCP 的基礎知識並開始創建 MCP 服務器，可以參考 MCP 快速入門服務器指南。

最近更新

筆記本目錄

notebooks/ 目錄已添加到項目中，其中包含配置文件和腳本用於設置和運行 JupyterHub。關鍵文件包括：

• jupyterhub_config.py：JupyterHub 的配置。
• start_jupyterhub.sh：啟動 JupyterHub 服務器的腳本。

CIFAR - 10 數據集下載器

在 ai/computer - vision/09_datasets/ 下添加了一個新腳本，用於使用 TensorFlow/Keras 下載 CIFAR - 10 數據集。要使用它，請運行：

python ai/computer-vision/09_datasets/download_cifar10.py

該腳本會下載數據集並打印確認消息。

AI 文件夾

ai/ 文件夾包含各種子文件夾和與人工智能相關的腳本。以下是其結構和內容的概述：

01_image_handling

• basic_manipulations.py：基本圖像處理技術。
• blue_image.png：測試用的示例圖。
• hello_cv.py：演示計算機視覺基礎知識的簡單腳本。
• image_representation.py：解釋圖像在計算機視覺中的表示。
• read_display_save.py：讀取、顯示和保存圖像的腳本。
• README.md：該子文件夾的說明文檔。

02_feature_detection

• corner_detection.py：角檢測示例。
• edge_detection.py：邊緣檢測示例。
• feature_detection.py：特徵檢測示例。
• README.md：該子文件夾的說明文檔。

03_image_segmentation

• image_segmentation.py：圖像分割示例。
• segmentation_methods.py：不同分割方法的實現。
• README.md：該子文件夾的說明文檔。

04_object_detection

• object_detection.py：目標檢測示例。
• detection_models.py：目標檢測模型的實現。
• README.md：該子文件夾的說明文檔。

05_face_recognition

• face_detection.py：面部檢測示例。
• face_recognition.py：面部識別示例。
• face_models.py：面部識別模型的實現。
• README.md：該子文件夾的說明文檔。