返回首页
一周热榜
SICP = 计算机程序的结构与解释
我曾读到，这本书的作者们也遗憾地承认，现代大学必须专注于处理复杂的黑箱，因此这门课程的相关性降低了。
话虽如此，考虑到你目前的经验和知识，你还会推荐SICP给一位有一定经验的开发者吗？
有没有更好的替代书籍？
大家好，
这是我之前在 Show HN 上发布的 MBCompass 首个版本的后续更新。
自那时以来，我根据用户反馈和社区意见添加了多个新功能……
我刚刚发布了 MBCompass 的 v1.1.9 版本——一个简约的开源导航应用。
本版本的新功能包括：
- 通过设置切换主题（深色/浅色）
- 修复当前位置箭头的可见性
- 指南针精度警报
- 传感器状态指示器
- 显示 GPS 当前位置信息的专用按钮
- 平滑的过渡效果以及更多功能……
文件大小仍然只有 [1.35MB]，没有广告，没有内购，也没有追踪器。
我还：
- 将项目代码库迁移到 GitHub 组织，以便于团队协作和管理
- 为 MBCompass 启动了一个专门的网站，提供功能概述和应用背后的故事：
如往常一样，欢迎反馈。感谢大家的持续支持！
[访问网站](https://compassmb.github.io/MBCompass-site/)
模型上下文协议（MCP）生态系统正在迅速发展——包括Git服务器、数据库、API和文件系统。但存在一个空白：如何将MCP工具与您现有的业务逻辑结合起来？
我有MCPOmni Connect——一个强大的MCP客户端，具备隐藏的代理功能（ReAct和Orchestrator模式）。但开发者们总是面临同样的问题：
- “我可以连接到MCP服务器，但如何添加我的Python函数？”
- “代理可以读取文件和查询数据库，但它不知道我的业务规则。”
- “我需要能够理解MCP工具和我的自定义逻辑的代理。”
架构差距
MCPOmni Connect拥有强大的代理功能，但在CLI命令中隐藏，缺少了连接的桥梁：
MCP生态系统 ← 缺失的桥梁 → 您的业务逻辑
其他平台要么：
- 提供自定义工具但没有MCP集成
- 提供MCP集成但没有自定义工具系统
- 同时提供两者但没有智能编排
OmniAgent解决方案：本地工具 + MCP + 智能记忆
我没有再构建一个新的AI平台，而是通过添加缺失的桥梁来完善已有的强大功能：
本地工具系统：将Python函数注册为AI工具
```python
@tool_registry.register_tool("calculate_shipping_cost")
def calculate_shipping_cost(weight: float, zone: str) -> str:
# 您的业务逻辑
return f"运费: ${cost}"
```
现在，AI可以将您的业务逻辑与MCP工具结合使用。
智能编排：代理理解何时使用：
- MCP工具（文件系统、数据库、API）
- 您的自定义业务逻辑
- 两者的组合
多层记忆：代理记住：
- 哪些工具组合适用于您的特定用例
- 您的业务上下文和偏好
- 之前对类似问题的解决方案
与众不同之处
1. MCP + 自定义工具集成
其他平台让您做出选择，而OmniAgent则将两者结合：
- 完整的MCP生态系统访问（100多种服务器类型）
- 注册您现有的Python函数
- 两者之间的智能编排
2. 业务逻辑理解
通用AI代理无法理解您的领域。通过本地工具：
- 代理学习您的业务规则
- 记住您的特定工作流程
- 将外部数据（MCP）与内部逻辑（您的工具）结合
3. 为两者构建的生产基础设施
- 事件流监控MCP和自定义工具的使用
- 向量记忆，记住成功的MCP + 自定义工具组合
- 可以自主使用您业务逻辑的后台代理
演变路径
MCPOmni Connect（之前）：
- 强大的MCP客户端，具备隐藏的代理功能
- CLI中的ReAct和Orchestrator模式
- 无法添加自定义业务逻辑
OmniAgent（之后）：
- 相同的MCP基础 + 本地工具桥梁
- 为两种工具类型提供智能记忆
- 完整的可编程平台
真实用例：电子商务代理
```python
# 您的业务逻辑
@tool_registry.register_tool("check_inventory")
def check_inventory(product_id: str) -> str:
return inventory_status
@tool_registry.register_tool("calculate_discount")
def calculate_discount(customer_tier: str, amount: float) -> str:
return discount_amount
# 代理结合：
# - MCP文件系统工具（读取订单文件）
# - MCP数据库工具（客户数据）
# - 您的业务逻辑（库存、定价规则）
```
技术基础
- 工具集成：MCP生态系统与本地Python函数之间的无缝桥梁
- 记忆系统：向量数据库记住成功的工具组合
- 事件流：监控MCP和自定义工具的使用
- 执行引擎：基于XML的编排用于复杂工具链
真正的创新
不是另一个AI代理平台，而是一个桥梁，让您结合：
- 不断增长的MCP生态系统
- 您现有的业务逻辑
- 学习您模式的智能记忆
GitHub: https://github.com/Abiorh001/mcp_omni_connect
嗨，我是一名新手网页开发者（只有两个项目经验）。我有个问题：我想创建一个关于特定领域的新“目录”网站，使用一些新潮的可视化效果（例如，用图表来展示数据），在人工智能助手、集成开发环境和易于使用的Postgre数据库提供商盛行的时代，我应该使用什么技术栈？此外，我是否总是需要一个带有英雄图的登录页面，还是应该直接切入主题？谢谢，Ben
在过去的一年里，我一直在开发一个使用 Rust 和 React 制作的临时邮件服务。邮件服务器是一个自定义构建的 SMTP 服务器（用 Rust 编写），邮件存储在 Valkey 中。在闲暇时做类似的项目，我绝对会推荐给大家 :)
我们注意到OpenAI的GPT-5 API明显比GPT-4.1和GPT-4o要慢。这是一个已知的问题还是预期中的情况？