VSCode扩展工具Copilot MCP使用教程【MCP】

VSCode扩展工具Copilot MCP使用教程【MCP】
在这里插入图片描述


MCP(Model Context Protocol,模型上下文协议) ,2024年11月底,由 Anthropic 推出的一种开放标准,旨在统一大型语言模型(LLM)与外部数据源和工具之间的通信协议。本文章教你使用VSCode扩展工具Copilot MCP快速上手MCP应用!

1. VSCode中安装Copilot MCP

在这里插入图片描述


Copilot MCP是一个适用于 VSCode 的 MCP Client。

2. Copilot MCP使用

安装之后会出现Coplilot授权,并在左侧菜单中出现MCP Server按钮

在这里插入图片描述

3. Add Server

点击Add Server,MCP Server分为两种建立方式,Process和SSE

在这里插入图片描述


以Process为例,输入必要信息:

在这里插入图片描述


其中Server Name是你给Server起的任意名字,需要注意的是Start Command。
这里我的输入为:

npx -y @modelcontextprotocol/server-filesystem /path 

注意path修改为自己的文件路径,并确保你已安装node.js从而可以使用npx命令
这个Command怎么来的呢?
可从来自MCP Server官方社区获得自己想要的Server:

https://github.com/modelcontextprotocol/servers?tab=readme-ov-file
在这里插入图片描述


以Filesystem为例,点进去可查看其调用方式,以NPX为例:

在这里插入图片描述


其要求我们输入npx命令,并附加上文件路径,可以为多个文件路径,显然,Command格式举例如下:

npx -y @modelcontextprotocol/server-filesystem /path 

注意path修改为自己的文件路径,并确保你已安装node.js从而可以使用npx命令
在Start Command中输入以上命令即可。
输入完成后点击 Add Server
成功后列表显示刚刚添加Server,不显示意味着添加失败。

在这里插入图片描述


点开后可查看该Server提供的Tools列表:

在这里插入图片描述

4. 调用Server

准备一个测试文件,我在/path下创建了个mcp_test.txt文件,里面包含一句话:

在这里插入图片描述


之后,在VSCode 右侧Copilot对话框中出入:

@mcp <内容>
在这里插入图片描述

例如:

@mcp 请读取"/root/xxx"下的“mcp_test.txt”中的内容
在这里插入图片描述

发送后得到回应:

在这里插入图片描述

成功!!!

Read more

AMD显卡终极调优秘籍:llama.cpp高性能配置实战指南

AMD显卡终极调优秘籍:llama.cpp高性能配置实战指南 【免费下载链接】llama.cppPort of Facebook's LLaMA model in C/C++ 项目地址: https://gitcode.com/GitHub_Trending/ll/llama.cpp 在本地设备上部署大语言模型时,AMD显卡往往因为驱动兼容性和配置复杂性而让用户头疼。本文为你带来一套完整的AMD显卡配置方案,让你在llama.cpp项目中获得媲美高端GPU的推理性能。 🎯 配置速成:三分钟完成基础部署 环境准备检查清单 在开始优化之前,请确保你的系统满足以下要求: 组件最低要求推荐配置AMD显卡RX 580 8GBRX 6800 XT系统内存16GB32GB驱动版本22.5.123.11.1+存储空间20GB可用50GB可用 一键部署脚本 创建快速部署脚本 amd_quick_setup.sh:

文言文大模型诞生记:LLaMA Factory微调古汉语特化版

文言文大模型诞生记:LLaMA Factory微调古汉语特化版 如果你是一位汉语言研究者,想要构建一个能够精准对对联的AI助手,但发现现成的大模型对平仄规则和古汉语韵律理解不佳,那么这篇文章正是为你准备的。本文将详细介绍如何使用"文言文大模型诞生记:LLaMA Factory微调古汉语特化版"镜像,快速搭建一个支持《全唐诗》数据集加载和自定义评价指标的古汉语大模型微调环境。这类任务通常需要GPU环境支持,目前ZEEKLOG算力平台提供了包含该镜像的预置环境,可快速部署验证。 为什么需要古汉语特化的大模型? 现代通用大语言模型虽然在日常对话和文本生成上表现优异,但在处理古汉语这类特殊文本时往往力不从心: * 平仄规则理解偏差:现成模型对古诗词的平仄、对仗规则缺乏专业训练 * 文言文语料不足:预训练数据中古汉语占比通常很低 * 评价指标不匹配:通用语言评价指标无法准确衡量对联质量 "文言文大模型诞生记:LLaMA Factory微调古汉语特化版"镜像正是为解决这些问题而生,它预装了: 1. 基于LLaMA架构的古汉语优化基础模型 2. 完整的《全唐诗》数据集及预处理

VsCode远程连接服务器后安装Github Copilot无法使用

VsCode远程连接服务器后安装Github Copilot无法使用

VsCode远程连接服务器后安装Github Copilot无法使用 1.在Vscode的settings中搜索Extension Kind,如图所示: 2.点击Edit in settings.json,添加如下代码: "remote.extensionKind":{"GitHub.copilot":["ui"],"GitHub.copilot-chat":["ui"],} remote.extensionKind 的作用 这是 VS Code 的远程开发配置项,用于控制扩展在远程环境(如 SSH、容器、WSL)中的运行位置。可选值: “ui”:扩展在本地客户端运行 “workspace”:扩展在远程服务器运行 这两个扩展始终在 本地客户端运行,

MacOS 安装 OpenClaw 并接入飞书机器人(保姆级教程 + 常见问题解决)

MacOS 安装 OpenClaw 并接入飞书机器人(保姆级教程 + 常见问题解决)

MacOS 安装 OpenClaw 并接入飞书机器人(保姆级教程 + 常见问题解决) 在 AI Agent 和自动化工具越来越普及的今天,越来越多开发者希望拥有一个 能够自动处理任务、接入团队协作工具的 AI 助手。 最近OpenClaw火的一塌糊涂,我也跟风研究了一下这个开源项目。它可以理解为一个 可扩展的 AI Agent 框架,支持接入各种工具、自动执行任务,并且可以和企业协作平台(如飞书)打通,实现 AI 自动回复、自动化工作流。 本文将带大家 从 0 开始,在 MacOS 上安装 OpenClaw,并接入飞书机器人。 同时我也整理了自己在安装过程中遇到的 终端报错问题与完整解决方案,让你一次性避坑。 本文包含: * MacOS 安装 OpenClaw * 接入飞书机器人 * 配置开机自启 * 终端报错解决(