随着人工智能技术的不断进步,构建个性化智能体的需求日益增加。国内虽然已有一些智能体平台,如豆包扣子,但这些平台要求开发者将代码和数据上传到第三方服务器,对于一些商业信息敏感的客户来说,这种做法可能带来数据泄露的风险。而在国际市场上,Anthropic 开源的 MCP 协议Cline 插件,则为开发者提供了一种更加简单、安全、可控的方式来创建智能体。本文将详细介绍如何使用 ClineMCP 协议 来快速搭建智能体,并通过实战案例展示其强大能力。

1. 为什么说 MCP 协议让创建智能体变得空前简单?

1.1 为什么要使用 MCP 协议

MCP 协议(Model Context Protocol)是一个开放协议,它标准化了 AI 应用与大语言模型(LLM)之间的连接方式。可以将 MCP 协议比作 USB-C 接口,它为 AI 应用提供了一个统一、灵活的接入方式,无论是本地数据源还是外部服务,都可以通过这个协议与大语言模型进行高效的对接。

为什么选择 MCP 协议?

  • 简化开发流程:开发者不需要编写复杂的代码即可实现 LLM 与数据源、工具的连接。

  • 跨平台支持:MCP 协议让开发者能够自由选择不同的大语言模型提供商,不再受限于单一平台。

  • 数据安全:通过本地服务器与数据源的连接,避免了将敏感数据上传到第三方平台,最大限度保障数据隐私。

MCP 架构简图

1.2 什么是 Cline?

Cline 是一款开源的 VSCode 插件,它不仅能够帮助开发者进行代码编辑,还具备了强大的 AI 助手功能。借助 Claude 3.5 Sonnet 的代理编程能力,Cline 可以执行复杂的软件开发任务,如创建和编辑文件、浏览项目、执行终端命令等。最重要的是,Cline 通过与 MCP 协议的结合,使得开发者能够轻松扩展 AI 的功能,甚至创建完全自定义的智能体。

Cline 的主要优势:

  • 易于集成:通过简单的配置,开发者可以在 VSCode 中轻松集成 AI 助手。

  • 人机协作:在执行操作时,Cline 需要开发者的授权确认,确保开发过程中的安全性。

  • 自定义能力强:开发者可以通过 MCP 协议创建新的工具和扩展,提升 AI 助手的功能。

1.3 使用 Cline 创建和使用 MCP 服务

通过以下简单的两步操作,开发者即可在 Cline 中创建自己的 MCP 服务并开始使用:

  1. 配置大语言模型:以 DeepSeek v3 为例,选择 API 提供商为“OpenAI Compatible”,并配置以下参数:
  • Base URLhttps://api.deepseek.com

  • API Key:从 DeepSeek 获取的 API 密钥

  • Model IDdeepseek-chat

  • Custom Instructions:选择“请使用中文回答”以便生成中文内容

  1. 创建 MCP 服务:输入以下简单的提示词,即可创建一个 MCP 服务器:

    Create a MCP server that can download the transcript of a youtube video when the video's URL is given.  
    
    

创建成功后,Cline 会自动启动 MCP 服务,开发者只需通过输入视频 URL 来获取该视频的文字记录:

get transcript of https://www.youtube.com/watch?v=GBR6pHZ68Ho  

这种方式极大简化了智能体的创建过程,开发者可以快速搭建和定制所需的功能。

2. 实战案例:为军事博主生成外媒评论

通过使用 Cline + MCP 协议,我们可以轻松制作各种智能体来执行特定任务。以下是为军事博主生成外媒评论的案例,我们通过创建两个智能体来实现:一个用来下载国外最大视频网站的解说词(Transcript),另一个用来根据给定的参考文字生成文章。

2.1 制作下载国外最大视频网站解说词的 Agent

为了下载视频的解说词,我们创建了一个简单的 MCP 服务,通过以下提示词:

Create a MCP server that can download the transcript of a youtube video when the video's URL is given.  

Cline 会自动生成一个能够根据 YouTube 视频 URL 获取文字记录的智能体,并在任务完成后返回成功消息:

Task Completed

已成功创建一个 MCP 服务器,该服务器可以根据给定的 YouTube 视频 URL 下载视频的文字记录。该服务器已添加到 MCP 设置中,可以使用 get_transcript 工具来获取文字记录。

下载解说词的 Agent (MCP Server)

2.2 制作生成文章的 Agent

为了生成外媒评论文章,我们创建了一个根据参考文字生成文章的 MCP 服务。以下是创建该 Agent 的提示词:

Create a MCP server that can use reference text to create a article. Here is the prompt for the article creation:  
## 角色:你是一位知名军事微信公众号的博主,笔名XXX。  
## 气氛:应该站在一个中国军迷的角度来看待国外军事博主的评价。要充满对中国的自信。  
## 任务:根据参考视频的解说词,编写一篇军事评论文章  
## 指令:让我们分两个阶段完成这个任务  
### 第一阶段:提示词优化  
请为这个写作任务生成一个优化的提示词模板,考虑:  
1. 文章结构要求  
2. 内容深度要求  
3. 论证方式要求  
4. 语言风格要求  
5. 目标读者定位  
  
### 第二阶段:根据优化后的提示词完成写作  
使用第一阶段生成的提示词模板来写作文章。  

Cline 会根据该提示词自动生成一个智能体,并通过与大模型 API 的对接来生成文章:

Task Completed

I have created the article-generator MCP server, configured it to use the Gemini API, and used it to generate an article based on the provided YouTube video transcript. The article is a military commentary written from a Chinese perspective, as requested.

生成文章的 agent (MCP Server)

2.3 使用我们的 Agent 来生成文章

最后,使用以下提示词,我们可以生成文章 (用中文也没问题的哦):

generate an article from this video: https://www.youtube.com/watch?v=ZXuuqyHcDdk&t=72s  

  • 模型自动使用下载解说词的第一个agent

  • Cline 自动使用第2个 agent基于第一个agent下载的解说词创建文章

  • 最后生成的文章

通过这一系列简单的步骤,Cline + MCP 协议让我们轻松创建了用于军事评论文章生成的智能体。

3. 结论

通过 Cline 和 MCP 协议,开发者可以更加高效、安全地创建智能体,而不需要担心数据泄露和平台依赖性。与国内的智能体平台如豆包扣子相比,这一方案不仅更加简洁可控,而且开发者可以完全掌控自己的数据和代码。无论是下载解说词,还是生成文章,Cline + MCP 协议都能帮助开发者快速实现自定义需求,提升工作效率。

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

在这里插入图片描述

Logo

Agent 垂直技术社区,欢迎活跃、内容共建,欢迎商务合作。wx: diudiu5555

更多推荐