最新

也许，会有更多人愿意学习BASIC吗？

物质之所以能够呈现出任何形状，是因为它包含信息……这些信息是在粒子之间交换的，描述了该物质的每一个属性。<p>宇宙不断寻求最大化随机性……也就是熵。<p>因此，信息就是对熵的抵抗。<p>噪声是熵。<p>信号则是缺乏熵。<p>生命与宇宙试图最大化熵的力量抗争，因为如果我们只是散乱的粒子，我们就会死去。<p>当然，也有一些非生物的物质，但它们是否散乱并不影响它们不是生命的事实。由于所有事物最终都会朝着最大熵状态发展，即使是它们也会随着时间的推移而散乱。<p>但生物体不能处于最大熵状态，因为维持生命需要复杂的结构。<p>因此，生命就是对熵的抵抗。<p>而对熵的抵抗就是信息，否则它就会是噪声。<p>所以我们就是信息，因为否则我们就会死去。

在过去的一年里，我和我的远程团队一直在构建LaunchWith，这是一个旨在超越联合创始人匹配的平台，通过结构化的协作帮助早期阶段的创业者与合适的团队合作。 LaunchWith支持两类用户： - 远见者：有想法但没有团队的人 - 贡献者：有技能但没有项目的人 该平台的功能包括项目仪表板、团队管理（看板、团队聊天等）以及技能标签，以帮助连接合适的合作者。它就像是联合创始人匹配、Upwork和Trello的结合体——专为学生和早期团队打造。 我们已经在不同时间区域和背景的全球用户中进行了测试，发现它在初创基础设施有限的地方尤其有帮助。 希望能得到HN社区的反馈、批评或合作。欢迎提问！

大家好， 我是一名长跑运动员，为了激励自己参加第一次马拉松，我开发了一个简单的应用程序，能够根据你的跑步情况奖励你植物和树木，并为你种植一个虚拟花园（类似于 Forest 和 Duolingo）。 希望大家喜欢这个应用。欢迎分享你们的想法。 谢谢！

大家好！几个月前，我们分享了 mcp-agent（<a href="https://github.com/lastmile-ai/mcp-agent">https://github.com/lastmile-ai/mcp-agent</a>）[1][2]，这是一个轻量级框架，能够实现 Anthropic 的《构建有效代理》博客中提到的所有代理模式 [3]，并无缝处理 MCP 服务器/客户端管理。我们的核心理念是，连接大型语言模型（LLMs）与工具、资源和外部系统将很快成为 MCP 原生的默认功能。 今天，我们推出了一个重要更新：代理作为 MCP 服务器。 目前，“代理行为”仅存在于 MCP 客户端侧——像 Claude 或 Cursor 这样的客户端使用 MCP 服务器来解决任务。通过此次更新，代理本身可以作为 MCP 服务器，这样任何 MCP 客户端都可以以与其他 MCP 服务器相同的方式调用、协调和编排代理。 这一范式转变使得以下功能成为可能： 1. 代理组合：在相同的基础协议（MCP）上构建复杂的多代理系统。 2. 平台独立性：可以从任何兼容 MCP 的客户端使用你的代理。 3. 可扩展性：在专用基础设施上运行代理工作流，而不仅限于客户端环境。 4. 自定义：开发自己的代理工作流，并在任何 MCP 客户端中重复使用。 代理服务器的实现方式： 我们在 mcp-agent 中通过工作流实现了这一功能。每个工作流都是一个代理应用，可以与其他 MCP 服务器交互（例如：总结 GitHub 问题 → Slack 消息）。mcp-agent 将工作流作为 MCP 工具暴露在 MCP 代理服务器上 [5]： - workflows/list – 列出可用的工作流 - workflows/{WorkflowName}/run – 执行工作流（异步） - workflows/{WorkflowName}/get_status – 检查工作流状态 - workflows/{WorkflowName}/resume – 恢复暂停的工作流（例如：需要人工输入时） - workflows/{WorkflowName}/cancel – 终止工作流 我们还实现了 Temporal 以支持持久执行 [6]，因此代理工作流可以在生产环境中暂停、恢复和重试。 这个演示 [7] 展示了 Claude 调用 MCP 代理服务器，在适当的时候运行工作流，并轮询状态。它基本上展示了 MCP 客户端和 MCP 服务器两侧的代理行为。 我们对这一潜力感到兴奋——尤其是随着越来越多的应用程序成为兼容 MCP 的客户端。我们期待您的反馈和想法！ [1] - <a href="https://news.ycombinator.com/item?id=42867050">https://news.ycombinator.com/item?id=42867050</a> [2] - <a href="https://github.com/lastmile-ai/mcp-agent">https://github.com/lastmile-ai/mcp-agent</a> [3] - <a href="https://www.anthropic.com/research/building-effective-agents" rel="nofollow">https://www.anthropic.com/research/building-effective-agents</a> [4] - <a href="https://github.com/github/github-mcp-server">https://github.com/github/github-mcp-server</a> [5] - <a href="https://github.com/lastmile-ai/mcp-agent/tree/main/examples/mcp_agent_server/asyncio">https://github.com/lastmile-ai/mcp-agent/tree/main/examples/...</a> [6] - <a href="https://github.com/lastmile-ai/mcp-agent/tree/main/examples/temporal">https://github.com/lastmile-ai/mcp-agent/tree/main/examples/...</a> [7] - <a href="https://youtu.be/pLe2GAjEoYs" rel="nofollow">https://youtu.be/pLe2GAjEoYs</a> [演示]