PythonFastMCP快速入门教程
FastMCP 快速入门课程指南 课程概述 本课程将带您快速入门 FastMCP 框架，从基础概念到实际部署，帮助您快速构建和部署功能强大的 MCP 应用服务。无论您是初学者还是有经验的开发者，都能通过本课程轻松上手。 一、理解 MCP 协议 什么是 MCP？ MCP（模型上下文协议）是一个创新的开放协议，专门设计用于桥接大型语言模型与外部世界。想象一下，MCP 就像是 AI 应用的通用接口标准，正如 USB-C 为电子设备提供了统一的连接方案，MCP 为 AI 模型访问各种数据源和工具建立了标准化通道。MCP 的核心价值 * 标准化连接：统一AI模型与外部服务的交互方式 * 灵活扩展：轻松集成各种数据源和功能工具 * 协议无关：与具体的AI模型解耦，提供通用解决方案 二、FastMCP 框架介绍 FastMCP 是什么？ FastMCP 是基于 MCP 协议构建的生产级框架，它将复杂的协议细节封装成简洁的 Pythonic 接口，让开发者能够专注于业务逻辑而非底层实现。 为什么选择 FastMCP？ 极速开发 高级接口设计显著减少代码量，提升开发效率，让您快速从概念验证进入生产环境。 简洁优雅 告别繁琐的样板代码，用最直观的方式构建功能完整的 MCP 服务端。 Pythonic 体验 专为 Python 开发者设计，符合 Python 编程习惯，学习曲线平缓，开发体验自然流畅。 企业级功能 提供生产环境所需的完整解决方案，包括多重身份认证体系、专业部署工具、完善的测试框架和强大的客户端库。 三、FastMCP 安装指南 环境准备 确保您的系统满足以下要求： * Python 3.8 或更高版本 * 稳定的网络连接 * 基本的 Python 开发环境 安装步骤 通过简单的 pip 命令即可完成 FastMCP 的安装，整个过程自动化处理所有依赖关系。安装完成后，您可以通过命令行工具验证安装是否成功。 开发环境配置 我们推荐使用虚拟环境来管理项目依赖，确保开发环境的纯净性和可重复性。 四、FastMCP 服务端开发 创建第一个服务端 从创建一个基础服务器实例开始，您只需要几行代码就能搭建起 MCP 服务的骨架。 工具函数开发 通过简单的装饰器语法，将普通的 Python 函数转化为 MCP 工具。这些工具可以执行各种任务，从简单的问候功能到复杂的业务逻辑处理。 资源管理 除了工具函数，FastMCP 还支持资源定义，让您能够以统一的方式提供数据源访问能力。 服务器运行方式 FastMCP 提供多种运行模式： * 标准输入输出模式：适合本地开发和客户端集成 * HTTP 服务模式：支持远程访问和网络调用 * 命令行工具：提供便捷的开发测试体验 每种模式都有其适用场景，您可以根据具体需求灵活选择。 五、FastMCP 客户端开发 客户端连接配置 学习如何建立与 MCP 服务器的连接，无论是本地服务还是远程部署，都能轻松对接。 工具调用方法 掌握异步调用模式，了解如何向服务器发送请求并处理响应结果。FastMCP 客户端采用现代化的异步编程模型，确保高并发场景下的性能表现。 错误处理与调试 学习常见的错误类型和处理策略，掌握调试技巧，确保客户端应用的稳定性。 最佳实践 了解客户端开发的最佳实践，包括连接管理、超时设置、重试机制等生产环境必备知识。 六、部署到 FastMCP Cloud FastMCP Cloud 简介 FastMCP Cloud 是由官方团队运营的专业托管服务，专门为 FastMCP 应用优化，提供安全、稳定、高效的运行环境。 部署准备工作 * GitHub 账户准备 * 代码仓库整理 * 依赖关系确认 三步部署流程 * 代码推送：将开发完成的服务端代码推送到 GitHub 仓库 * 项目创建：通过 FastMCP Cloud 平台创建新项目并配置服务器入口点 * 自动部署：平台自动完成构建、测试和部署流程 部署后管理 成功部署后，您将获得一个安全的访问地址，可以通过任何支持 MCP 协议的客户端进行连接测试。平台还提供监控、日志和版本管理等高级功能。 七、课程特色 实战导向 本课程注重实际操作，每个概念都配有具体的实践指导，确保学以致用。 渐进式学习 从基础概念到高级特性，课程内容层层递进，适合不同水平的开发者。 配套资料 所有教学视频内容配套文档资料 + 代码，确保您能够获取到一手资料。 持续支持 课程内容会随着 FastMCP 框架的更新而持续维护，确保您始终掌握最新的技术和特性。 八、学习目标 完成本课程后，您将能够： * 深入理解 MCP 协议的核心概念和价值 * 熟练使用 FastMCP 框架开发服务端应用 * 掌握客户端调用和服务集成的各种技巧 * 独立完成从开发到部署的完整流程 开始您的 FastMCP 之旅，解锁 AI 应用开发的无限可能！
共6节 6人已学习超级会员免费 免费试学
AIGC/LLMAI智能体开发实战（开源版）
腾飞智能助手开源版是基于钉钉平台的AI助手，集成了大型语言模型、知识库、记忆系统和多种工具能力，提供智能问答、任务处理和信息检索服务。 一、核心特性 * 智能对话：基于 DeepSeek-V3 671B 大模型的自然语言理解与生成，支持多轮对话 * 记忆系统：Redis实现的用户对话历史记忆存储 * 知识库集成：基于 BAAI/bge-m3 嵌入模型，Qdrant向量数据库支持的知识检索 * 情感分析：实时用户情绪侦测 * 意图识别：分析用户意图，触发工作流 * 工具执行：基于 LangGraph 架构，支持多工具执行 * RAG增强：知识库和网络搜索结合，提升知识 recall * 插件系统：可扩展工具框架 * 可观测性：LangSmith集成实现全链路监控 * 容器化部署：Docker一键部署 二、系统架构 三、钉钉消息处理流程 四、Agent决策流程 五、开源版与企业版 六、核心功能 1、情感分析 利用 DeepSeek-V3 大语言模型实时分析用户输入消息，根据情感分类指标进行分类（例如：happy、sad、angry、confused、neutral等），再根据情绪强度评分标准进行评分，并且提供分析依据和评分的标准，准确率高达 92%。 <https://gitee.com/flyoss/flyoss-assistant#2%E6%84%8F%E5%9B%BE%E8%AF%86%E5%88%AB>2、意图识别 利用 DeepSeek-V3 大语言模型实时分析用户输入消息，根据意图分类标准（例如：聊天、指令、问题、调用工具等），通过决策流程控制准备识别用户意图，并且提供识别用户意图的依据，准确率高达 95%。 <https://gitee.com/flyoss/flyoss-assistant#3%E9%A9%B1%E5%8A%A8%E5%B7%A5%E4%BD%9C%E6%B5%81>3、驱动工作流 通过计情感分析和准确识别用户意图，动态驱动Agent工作流。 聊天： 据对用户情感分析，根据情感分类和评分提供智能调整语气机制，生成符合用户情绪、结合上下文信息（对话记忆）的自然对话响应。用户产生负面情绪时钉钉创建待办响应提升 300%，显著提升用户体验。指令： 根据对用户意图识别（例如：天气、新闻、查找附近、翻译等），调用搜索工具进行实时查询，利用 DeepSeek-V3 大语言模型将实时查询数据、用户情绪、结合上下文信息（对话记忆）进行 RAG 增强的自然对话响应。问题： 根据对用户意图识别（纯知识性问题例如：LangGraph快速入门、MySQL安装教程），先从知识库（Qdrant）进行相似度检索，如果检索到结果，则利用 DeepSeek-V3 大语言模型将将检索结果、用户情绪、结合上下文信息（对话记忆）进行 RAG 增强的自然对话响应；否则调用搜索工具进行实时查询，利用 DeepSeek-V3 大语言模型将实时查询数据、用户情绪、结合上下文信息（对话记忆）进行 RAG 增强的自然对话响应。调用工具： 根据对用户意图识别（例如钉钉工具：待办、日程、日志、审批等），通过LLM指令解析实现待办/日程/日志/审批的自动化管理（支持15种语义场景），工具调用成功率达98.5%，减少用户操作路径50%以上。 <https://gitee.com/flyoss/flyoss-assistant#4%E7%9F%A5%E8%AF%86%E5%BA%93%E6%9E%84%E5%BB%BA>4、知识库构建 使用本地上传和网页批量抓取的方式，并整合Qdrant（向量存储）来构建的知识库，利用DeepSeek大模型进行RAG增强问答，准确率提升至95%。 <https://gitee.com/flyoss/flyoss-assistant#5%E5%AF%B9%E8%AF%9D%E8%AE%B0%E5%BF%86%E5%AD%98%E5%82%A8>5、对话记忆存储 构建混合记忆架构，结合BGE-M3嵌入模型与Redis向量数据库，实现短期对话记忆（30天）与长期知识库（10万+条目）的协同检索，问答准确率提升至90%。 <https://gitee.com/flyoss/flyoss-assistant#6%E6%8F%92%E4%BB%B6%E7%B3%BB%E7%BB%9F>6、插件系统 可扩展工具框架，实现工具动态注册，构建工具节点动态图，实现工具高度复用，减低代码耦合度，提高系统可维护性和可扩展性。 <https://gitee.com/flyoss/flyoss-assistant#7%E5%8F%AF%E8%A7%82%E6%B5%8B%E6%80%A7>7、可观测性 集成LangSmith实现全链路追踪，建立情感分析准确率、工具调用延迟、知识检索召回率等12项核心监控指标，推动系统迭代周期缩短40%。 <https://gitee.com/flyoss/flyoss-assistant#8%E5%AE%B9%E5%99%A8%E5%8C%96%E9%83%A8%E7%BD%B2>8、容器化部署 基于Docker-Compose设计生产环境部署方案，优化GPU资源利用率（推理服务资源消耗降低35%），支持秒级弹性伸缩，系统可用性达99.95%。
共13节 76人已学习超级会员免费 免费试学
FlaskFlask快速入门教程（人人都能学系列）
一、告别“从入门到放弃”，这才是你梦寐以求的Flask快速入门课！你是否也曾这样？对Python Web开发充满好奇，却被复杂的框架和晦涩的文档劝退？看了很多教程，代码能“照猫画虎”，但一到自己动手就寸步难行？渴望拥有一个能部署上线的个人项目，却总在环境配置和项目部署上栽跟头？如果你的答案是“是”，那么请停下漫无目的的搜索。因为你寻找的，正是我们为你精心打造的——二、《Flask快速入门教程（人人都能学系列）》：一门真正让小白也能“学得会、用得上”的Flask实战课程我们坚信，学习的最大障碍不是知识的难度，而是教学的方式。这门课程彻底抛弃了传统教材的枯燥说教，采用一种 “手把手、心连心” 的沉浸式教学法，确保你不仅能看懂每一行代码，更能理解其背后的逻辑，最终亲手构建出属于自己的Web应用。三、为什么这门课能让你“这一次，真的学会”？1. 保姆级教学，把“通俗易懂”刻在基因里我们拒绝炫技，只说“人话”。讲师拥有多年开发和教学经验，深知每一个初学者的困惑点。课程从“为什么要用Web框架”开始讲起，用生动的比喻和真实的场景，将Flask的核心概念娓娓道来，即使你从未接触过Flask，甚至是Web开发新手，也能无压力跟上。2. “理论 → 实战 → 应用”三位一体学习闭环光听不练假把式。我们为你提供了最完善的学习支持： * 精讲视频： 每一节都是知识点密集的实战演示，而非枯燥的PPT朗读。 * 配套文档： 课后随时查阅的“武功秘籍”，快速回顾核心要点。 * 完整源码： 每一课的代码都提供下载，方便你对照、调试和二次开发。3. 站在技术最前沿，学就学最新的你的技能库不应该存放过时的技术。本课程基于： * Python 3.12 * Flask 3.10你学到的每一个语法、每一个特性都是当前企业开发的主流选择，确保你的技能与市场无缝接轨，投资的学习时间绝不浪费。 四、这门课，专为这样的你而设计✅ 已经掌握了Python基础，想向Web开发领域迈出第一步的你。✅ 了解一些HTML和CSS，渴望让后端程序“动”起来的你。✅ 对Django等“重型”框架感到畏惧，希望从轻量、灵活的Flask入门的你。✅ 想快速打造个人博客、小型API或内部工具的你。请放心，我们不需要你是天才，只需要你有一颗渴望创造的心。
共17节 29人已学习超级会员免费 免费试学
AIGC/LLMAI智能体实战开发教程（从0到企业级项目落地）
一、腾飞智能助手是什么 腾飞智能助手是基于钉钉平台的AI助手，集成了大型语言模型、知识库、对话记忆储存和多种工具能力，提供智能问答、任务处理和信息检索服务。深度集成钉钉构建智能待办/日程/日志/审批系统等，实现自然语言到API的自动转换，用户操作步骤减少70%。二、技术选型 基础架构：Flask + LangGraph（多智能体工作流架构） 大型语言模型：DeepSeek-V3（671B 满血版） 嵌入模型：BAAI/bge-m3 知识库：Qdrant（向量存储） 对话记忆存储：Redis 搜索引擎：SearchApi、Tavily 客户端：dingtalk-stream + dingtalkchatbot（钉钉机器人） 全链路监控：LangSmith 一件部署：Docker + Docker Compose 三、技术支持 1、技术文档（架构设计、开发指南、部署方案等） 2、源代码 3、视频教程四、总体设计 1、系统架构2、钉钉消息处理流程3、Agent决策流程 4、工具执行确认决策流程五、核心功能 1、情感分析 利用 DeepSeek-V3 大语言模型实时分析用户输入消息，根据情感分类指标进行分类（例如：happy、sad、angry、confused、neutral等），再根据情绪强度评分标准进行评分，并且提供分析依据和评分的标准，准确率高达 92%。2、意图识别 利用 DeepSeek-V3 大语言模型实时分析用户输入消息，根据意图分类标准（例如：聊天、指令、问题、调用工具等），通过决策流程控制准备识别用户意图，并且提供识别用户意图的依据，准确率高达 95%。3、驱动工作流 通过计情感分析和准确识别用户意图，动态驱动Agent工作流。 聊天：根据对用户情感分析，根据情感分类和评分提供智能调整语气机制，生成符合用户情绪、结合上下文信息（对话记忆）的自然对话响应。用户产生负面情绪时钉钉创建待办响应提升 300%，显著提升用户体验。指令：根据对用户意图识别（例如：天气、新闻、查找附近、翻译等），调用搜索工具进行实时查询，利用 DeepSeek-V3 大语言模型将实时查询数据、用户情绪、结合上下文信息（对话记忆）进行 RAG 增强的自然对话响应。问题：根据对用户意图识别（纯知识性问题例如：LangGraph快速入门、MySQL安装教程），先从知识库（Qdrant）进行相似度检索，如果检索到结果，则利用 DeepSeek-V3 大语言模型将将检索结果、用户情绪、结合上下文信息（对话记忆）进行 RAG 增强的自然对话响应；否则调用搜索工具进行实时查询，利用 DeepSeek-V3 大语言模型将实时查询数据、用户情绪、结合上下文信息（对话记忆）进行 RAG 增强的自然对话响应。调用工具：根据对用户意图识别（例如钉钉工具：待办、日程、日志、审批等），通过LLM指令解析实现待办/日程/日志/审批的自动化管理（支持15种语义场景），工具调用成功率达98.5%，减少用户操作路径50%以上。4、知识库构建 使用本地上传和网页批量抓取的方式，并整合Qdrant（向量存储）来构建的知识库，利用DeepSeek大模型进行RAG增强问答，准确率提升至95%。 5、对话记忆存储 构建混合记忆架构，结合BGE-M3嵌入模型与Redis向量数据库，实现短期对话记忆（30天）与长期知识库（10万+条目）的协同检索，问答准确率提升至90%。6、插件系统 可扩展工具框架，实现工具动态注册，构建工具节点动态图，实现工具高度复用，减低代码耦合度，提高系统可维护性和可扩展性。 7、人工干预 通过配置，工具调用前可进行人工干预，提供人机交互的用户确认机制，用户可确认、取消工具的调用，也可以对调用工具的参数进行调整后再确认是否调用。 8、可观测性 集成LangSmith实现全链路追踪，建立情感分析准确率、工具调用延迟、知识检索召回率等12项核心监控指标，推动系统迭代周期缩短40%。 9、容器化部署 基于Docker-Compose设计生产环境部署方案，优化GPU资源利用率（推理服务资源消耗降低35%），支持秒级弹性伸缩，系统可用性达99.95%。
共62节 102人已学习¥999.0 免费试学
- 1
罗荣熙
架构师
从事一线互联网研发工作10多年，其中具有8年技术架构、方案设计、技术团队管理和研发进度管控经验；另外具有3年人工智能产品研发经验、6年医疗行业软件产品研发。注重解决技术问题的方法，有着较强的独立解决问题的能力，关注开源社区的技术动向，喜欢研究新技术，乐于与团队成员分享技术成果。只有不断努力前行，才能遇到更好的自己。
课程数 4 学生数 213