面试鸭 MCP Server - MCP服务,MCP服务器,MCP教程

基本能力

产品定位

面试鸭MCP Server是一个基于MCP协议的面试题目搜索服务,旨在为开发者提供便捷的面试题目检索功能。

核心功能

  1. 题目搜索:将面试题目检索为面试鸭里的题目链接。
  2. 输入:题目
  3. 输出:题目

适用场景

  1. 智能体助手(如Claude、Cursor、千帆AppBuilder等)集成面试题目搜索功能。
  2. 开发者工具中需要快速检索面试题目的场景。

工具列表

  1. questionSearch:题目搜索工具,将面试题目检索为面试鸭里的题目链接。

常见问题解答

  1. 如何接入MCP协议?:通过Java SDK快速接入,支持任意支持MCP协议的智能体助手。
  2. 依赖环境:需要Java 17运行时环境。

使用教程

使用依赖

  1. 需要Java 17运行时环境。

安装教程

  1. 克隆仓库:
    bash
    git clone https://github.com/yuyuanweb/mcp-mianshiya-server
  2. 构建项目:
    bash
    cd mcp-mianshiya-server
    mvn clean package

调试方式

  1. 配置MCP服务器:
  2. 在Cherry Studio的设置中,点击MCP 服务器,编辑JSON配置文件。
  3. 示例配置:
    json
    {
    "mcpServers": {
    "mianshiyaServer": {
    "command": "java",
    "args": [
    "-Dspring.ai.mcp.server.stdio=true",
    "-Dspring.main.web-application-type=none",
    "-Dlogging.pattern.console=",
    "-jar",
    "/yourPath/mcp-server-0.0.1-SNAPSHOT.jar"
    ],
    "env": {}
    }
    }
    }
  4. 在设置-模型服务中选择模型,输入API密钥,勾选工具函数调用功能。
  5. 在输入框下面勾选开启MCP服务。
  6. 配置完成后,即可查询面试题目。

代码调用

  1. 引入依赖:
    java
    <dependency>
    <groupId>com.alibaba.cloud.ai</groupId>
    <artifactId>spring-ai-alibaba-starter</artifactId>
    <version>1.0.0-M6.1</version>
    </dependency>
    <dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-mcp-client-spring-boot-starter</artifactId>
    <version>1.0.0-M6</version>
    </dependency>
  2. 配置MCP服务器:
  3. 在application.yml中配置MCP服务器参数。
  4. 示例配置:
    yaml
    spring:
    ai:
    mcp:
    client:
    stdio:
    servers-configuration: classpath:/mcp-servers-config.json
    mandatory-file-encoding: UTF-8
  5. 初始化聊天客户端:
    java
    @Bean
    public ChatClient initChatClient(ChatClient.Builder chatClientBuilder,
    ToolCallbackProvider mcpTools) {
    return chatClientBuilder
    .defaultTools(mcpTools)
    .build();
    }
  6. 接口调用:
    java
    @PostMapping(value = "/ai/answer/sse", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
    public Flux<String> generateStreamAsString(@RequestBody AskRequest request) {
    Flux<String> content = chatClient.prompt()
    .user(request.getContent())
    .stream()
    .content();
    return content
    .concatWith(Flux.just("[complete]"));
    }

点击访问

搜索工具

Memento MCP: A Knowledge Graph Memory System for LLMs - MCP服务,MCP服务器,MCP教程

2025-4-29 12:26:27

搜索工具

mcp-google-sheets: A Google Sheets MCP server - MCP服务,MCP服务器,MCP教程

2025-4-29 12:26:35

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索