超详细图文教程:用vscode+copilot(代理模式)便捷使用mcp+一个范例:用自然语言进行3d建模

超详细图文教程:用vscode+copilot(代理模式)便捷使用mcp+一个范例:用自然语言进行3d建模

在vscode使用claude mcp吧!

在vscode更新到最新版本(注意,这是前提)后,内置的copilot可以使用mcp了!!!

关于mcp(Model Context Protocol 模型上下文协议),可以参考我的上一篇文章:

MCP个人理解+示例+集成管理+在python中调用示例,给AI大模型装上双手-ZEEKLOG博客

以下是使用教程:

1.点击左下角的齿轮状设置按钮,点击设置

2.在输入面板输入chat.agent.enabled,勾上勾选框

3.点击Ctrl+shift+P,输入reload,点击重新加载窗口,刷新窗口

4.打开copilot后,在右下角将模式改为代理即可。

5.点击工具按钮,开始安装mcp

先去github找到自己想要添加的mcp服务,以blender MCP为例,打开https://github.com/ahujasid/blender-mcp,可以在readme文档里看到详细的安装过程。可以看到,此mcp的安装过程是uvx blender-mcp

点击copilot下方的工具按钮

可以看到,我已经安装一堆mcp了,点击添加更多工具

选择添加MCP服务器

选择命令

填入uvx blender-mcp,回车确认

给mcp服务起个名称,回车确认

点击用户设置,这样所有的工作区都可以访问

配置完成,自动弹出配置文件窗口,点击蓝色的启动按钮

启动成功

6.安装 Blender 插件

(1)下载插件文件
从本仓库下载 addon.py 文件。

(2)打开 Blender
启动 Blender 应用程序。

(3)进入插件管理界面
点击顶部菜单栏的 编辑 (Edit) > 偏好设置 (Preferences) > 插件 (Add-ons)

(4)安装插件
点击 “安装...” (Install...) 按钮,然后选择下载的 addon.py 文件。

(5)启用插件
在插件列表中找到 “界面: Blender MCP” (Interface: Blender MCP),勾选旁边的复选框以启用。

(6)点击n,选择BlenderMCP,点击连接

点击获取免费试用的api key

7.开始使用copilot进行3d建模

先测试一下mcp,可见运行正常

然后输入提示词:使用blender mcp,建模:一条龙守护一袋金币。我在blender里面配置了api

这时copilot会发出任务请求,我们需要点同意。可见,已经成功了!

打开blender看一下:可以看到,建模成功了?

附录:前往网站生成api

访问fal.ai | The generative media platform for developers

点击 API key

点击Add key

将生成的key复制粘贴到相应位置,选择fal.ai

该网站注册后会送一美元的余额,想多次使用就得花钱了

生成一次0.4美金

另外一个模型申请网站是Get started with Rodin | Hyper3D API Documentation,但是需要成为支持者才能获取api,最便宜的都要12美金一个月。

Read more

【大数据存储与管理】分布式文件系统HDFS:05 HDFS存储原理

【大数据存储与管理】分布式文件系统HDFS:05 HDFS存储原理

【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈大数据技术原理与应用 ⌋ ⌋ ⌋专栏系统介绍大数据的相关知识,分为大数据基础篇、大数据存储与管理篇、大数据处理与分析篇、大数据应用篇。内容包含大数据概述、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库HBase、NoSQL数据库、云数据库、MapReduce、Hadoop再探讨、数据仓库Hive、Spark、流计算、Flink、图计算、数据可视化,以及大数据在互联网领域、生物医学领域的应用和大数据的其他应用。 【GitCode】专栏资源保存在我的GitCode仓库:https://gitcode.com/Morse_Chen/BigData_principle_application。 文章目录 * 一、数据的冗余存储 * 二、数据存取策略 * (一)数据存放 * (二)数据读取 * (三)数据复制 * 三、数据错误与恢复 * (一)

By Ne0inhk

Python金融数据获取终极方案:问财API全解析与实战应用

还在为获取股票数据而烦恼吗?🤔 每天手动整理财务报表、股价信息,是不是让你感觉效率低下?作为金融科技开发者和数据分析师,我们经常面临这样的困境: 【免费下载链接】pywencai获取同花顺问财数据 项目地址: https://gitcode.com/gh_mirrors/py/pywencai 问题场景:我需要分析A股市场的低市净率股票,但数据获取过程繁琐,手动操作耗时耗力... 解决方案:PyWenCai工具库应运而生!这个专为Python开发者打造的金融数据利器,让你能够像调用普通函数一样轻松获取同花顺问财平台的丰富数据。 🔥 为什么选择PyWenCai? 传统方法的痛点 * 数据源分散:不同平台数据格式不一,整合困难 * 更新不及时:手动操作无法保证数据的实时性 * 技术门槛高:API接口复杂,学习成本大 PyWenCai的核心优势 * 一站式解决方案:统一接口获取多种金融数据 * 实时数据更新:与问财平台同步,确保信息时效 * 简单易用:Pythonic设计,几行代码搞定复杂查询 🚀 快速上手:5分钟搞定环境配置 环境要求检查清单

By Ne0inhk

uv vs conda 终极对决:谁才是 Python 环境管理的王者?

📌 摘要 还在为 Python 项目该用 conda 还是 uv 而纠结吗?本文带你深入剖析两大热门工具的核心差异、性能对比、适用场景。conda 是数据科学的“老将”,自带 Python 发行版,支持跨语言包管理;而 uv 是由 Ruff 团队打造的“新锐战神”,用 Rust 编写,速度比 pip 快 10-100 倍!我们将从虚拟环境管理、包安装速度、项目初始化、工具链整合等维度全面对比,帮你选出最适合你项目的那一个。无论你是 AI 工程师还是 Web 开发者,这篇都能让你豁然开朗! 🚀 一句话总结:本质不同 conda 是一个“全能型选手”,自带 Python

By Ne0inhk