老吴搭建教程

AIKE智能PHP在线客服系统WordPress插件

Fri, 28 Aug 2026 16:39:42 +0800

AIKE智能PHP在线客服系统WordPress插件:AIKE 在线客服，使用此插件可一键在WordPress网站任意地方插入客服弹窗及工单入口。（客服弹窗有3种模式可选）

使用前提：

安装部署：AIKE智能PHP在线客服系统

使用方法：

1、附件获取插件

附件解压aike-live-chat.zip到/www/wwwroot/你的目录/wp-content/plugins

2、启动插件

WordPress站点后台插件管理启动此插件即可

3、文章插入工单

把文章标签复制放到文章指定位置即可，效果如图1

获取插件：

附件为WordPress插件：aike-live-chat，使用此插件需已安装AIKE智能PHP在线客服系统。

[CommShow]

通过网盘分享的文件：WordPress插件aike-live-chat.zip
链接: https://pan.baidu.com/s/1GbDiN8FIyKouR1kKfePugw?pwd=g5c3 提取码: g5c3 复制这段内容后打开百度网盘手机App，操作更方便哦

[/CommShow]

AIKE智能PHP在线客服系统Zblog插件

Wed, 12 Aug 2026 16:50:08 +0800

AIKE智能PHP在线客服系统Zblog插件:AIKE 在线客服，使用此插件可一键在网站任意地方插入客服弹窗及工单入口。

使用前提：

安装部署：AIKE智能PHP在线客服系统

使用方法：

1、附件获取插件

附件解压aikeLiveChat.zip到/www/wwwroot/你的目录/zb_users/plugin

2、启动插件

ZBLOG后台插件管理启动此插件即可

3、文章插入工单

把文章标签复制放到文章指定位置即可，效果如图下

获取插件：

附件为ZBLOG插件aikeLiveChat，使用此插件需已安装AIKE智能PHP在线客服系统。

[CommShow]

通过网盘分享的文件：aikeLiveChat.zip
链接: https://pan.baidu.com/s/1ZJuseSPeSXfEKWpkryyMfA?pwd=e4br 提取码: e4br 复制这段内容后打开百度网盘手机App，操作更方便哦

[/CommShow]

AIKE智能PHP在线客服系统

Tue, 28 Jul 2026 16:38:46 +0800

AIKE 智能客服系统是一款面向全行业的企业级在线客服平台，系统由PHP Web 应用、实时推送、知识库与可选向量检索组成，支持 Nginx 反代与 HTTPS/WSS。

一、产品定位

AIKE 是面向全行业的企业级 AI 在线客服平台，融合大模型、知识库与实时通讯，支持私有化部署与 SaaS 多商户、多客服模式，支持售前意向咨询、售后工单及插件市场功能扩展。

适用对象：

适合所有行业，独立部署对服务器要求不高，尤其适合预算有限小微企业及超级个体
需要 7x24 智能接待、及要求多语言自动翻译聊天信息的海外独立站团队
需要PHP开源客服系统做二次开发的技术个人及工作室

二、核心能力

基础能力：

AI 智能回复 - 7*24小时在线
可接入第三方Agent智能体
多语言自动翻译
自动进化
支持后台多语言
可嵌入任意网站 - 同时支持桌面与移动端
系统支持私有化部署与多商户模式
多行业AI预设包 - 开箱即用

能力扩展：

插件市场-能力扩展，可定制功能插件

插件扩展

三、源码地址

附件为标准版（单域名），演示地址：AIKE 智能客服 — 产品白皮书

AIKE智能PHP在线客服系统安装教程

Thu, 23 Jul 2026 17:27:15 +0800

本AIKE智能PHP在线客服系统安装教程从零部署本系统所需的**环境要求**、**Web 安装向导**、**安装后必改配置文件**、**相关服务启动**及**验收检查**。演示地址：AIKE智能PHP在线客服系统

## 一、系统组成

PHP Web 应用：public/` 为网站根目录
实时推送服务：`aike_pusher/`（Workerman，WebSocket + HTTP API）
数据库结构：install/data.sql`（安装向导自动导入）
向量检索（可选）：知识库导入插件依赖 Qdrant；**一键安装：`bash install_qdrant.sh`**

## 二、环境要求

### 2.1 服务器

- **操作系统**：Linux（推荐）
- **PHP**：推荐 7.3+
- **MySQL**：5.6+，字符集 **utf8mb4**

### 2.2 PHP 扩展（安装向导会检测）

扩展名	主要用途
mbstring	多字节字符串
gd	图片处理
curl	HTTP 请求、AI 接口
pdo_mysql	数据库

建议额外启用：`json`、`openssl`、`fileinfo`、`zip`。

### 2.3 目录写权限

以下目录需对 Web 运行用户可写：

```
config/
application/extra/
public/
public/upload/
runtime/
public/assets/front/
public/assets/layer/
```

### 2.4 端口规划

端口	默认值	说明
HTTP/HTTPS	80 / 443	网站访问
WebSocket（`wport`）	456	访客端 / 客服端实时消息（`aike_pusher` 监听）
Pusher API（`aport`）	2080	PHP 后端与推送服务通讯（建议仅本机或内网）
Qdrant HTTP	6333	向量检索（可选）
Qdrant gRPC	6334	向量检索（可选，SDK 直连时用）

> **HTTPS 站点**：`whost` 建议填 `wss://你的域名`，由 Nginx 反代到本机 `456`；`wport` 填 **443**（对外）或 **456**（直连），须与 Nginx / 防火墙配置一致。

## 三、部署教程

### 3.1 上传代码

将项目上传到服务器，例如：

/www/wwwroot/your-domain.com/

网站根目录指向 **`public`**，不要将整个项目根目录直接暴露给外网。

### 3.2 创建数据库

宝塔创建数据库

安装向导也可自动创建数据库。

### 3.3 开始安装

- 若 `public/index.php` **已存在**，安装向导会提示「已经安装成功」。

重新安装：https://你的域名/install.php

修改数据库参数和管理账号即可，其它不懂的建议默认。

### 3.4 安装成功：

### 3.5总后台

https://你的域名/platform/passport/login.html

账号：安装时创建

密码：安装时创建

### 3.6 客服后台

总后台创建客服账号：

登陆客服后台：

https://你的域名/admin/login/index/business_id/1.html

## 四、Web 服务器配置

### Nginx配置

站点配置文件后面加上：

    access_log  /dev/null;
    error_log  /www/wwwlogs/ai.lw50.com.error.log;
        location /app {
        proxy_pass http://127.0.0.1:456;
        proxy_http_version 1.1;
        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "Upgrade";
        proxy_set_header X-Real-IP $remote_addr;
        proxy_read_timeout 3600s;
        }

若前端直连 `ws://IP:456`，需在安全组放行 **456** 端口。

### Linux伪静态

# ========== ThinkPHP 5 短期加固 + 原有静态规则 ==========

# 1. 禁止访问敏感目录（在原 runtime|application 基础上扩展）
location ~* ^/(runtime|application|config|thinkphp|vendor|extend)/ {
    return 403;
}

# 2. 禁止访问示例/调试目录
location ~* ^/assets/libs/myeditor/examples/ {
    return 403;
}

# 3. 禁止 uploads、assets 下直接执行 PHP
location ~* ^/upload/.*\.php$ {
    return 403;
}
location ~* ^/assets/.*\.php$ {
    return 403;
}

# 4. 拦截 ThinkPHP 5 常见 exploit 查询串
# 只拦截 s= 路由参数中的 exploit，勿扫描整段 query_string（会误伤 ?code= token）
if ($arg_s ~* "(invokefunction|call_user_func|call_user_func_array|pearcmd|config-create)") {
    return 403;
}
if ($arg_s ~* "think(%2f|%5c|/)") {
    return 403;
}
if ($arg_s ~* "(php://|phar://)") {
    return 403;
}
if ($arg_s ~* "(\.\.|%2e%2e)") {
    return 403;
}

# 5. 原有伪静态（保持不变）
location / {
    if (!-e $request_filename) {
        rewrite ^(.*)$ /index.php?s=$1 last;
    }
}

## 五、服务启动说明

### 禁用函数

在宝塔：软件商店 → PHP 7.3 → 禁用函数，删掉与进程控制相关的项，至少包括：

pcntl_fork、pcntl_waitpid、pcntl_wait、pcntl_signal、pcntl_signal_dispatch、pcntl_alarm、pcntl_exec 以及列表里其它 pcntl_*

### 修改app_secrets.php

看图修改WSS、http、端口

### 实时推送 `aike_pusher`（必须）

cd /www/wwwroot/你的目录/aike_pusher

php start.php restart -d

常用指令：

php start.php start # 前台调试
php start.php start -d # 后台守护
php start.php stop # 停止
php start.php reload # 平滑重启
php start.php status # 状态

### 进程守护

`run.sh` 每分钟检测 Workerman，未运行则启动：

cd /www/wwwroot/你的目录/
sudo bash run.sh

###添加计划任务

cd /www/wwwroot/你的目录/
sudo bash init.sh

### 前端验证

### 安装 Qdrant 向量数据库

启用知识库**语义检索 / 向量化**时需要。项目已提供**一键安装脚本**，请在**项目根目录**执行（与 `public/` 同级）：

cd /www/wwwroot/你的目录
sudo bash install_qdrant.sh

> 若系统尚未安装 Docker，脚本会先自动安装 Docker，再部署 Qdrant；Docker 已就绪则直接进入 Qdrant 安装。

### 前置条件

**Linux** 服务器（脚本不支持 Windows 直接运行）
2. 未安装 Docker 时，脚本会**自动安装并启动 Docker**（需 **root**：`sudo bash install_qdrant.sh`）
3. 已安装且 Docker 服务正常时，**跳过 Docker 步骤**，直接安装 Qdrant
4. 本机可访问 `curl`（健康检查用；安装 Docker 时脚本会尝试自动安装 curl）

### 安装后验证

bash scripts/qdrant/status.sh

或手动检查：

curl http://127.0.0.1:6333/
curl http://127.0.0.1:6333/readyz
docker ps | grep wolive-qdrant

输出 `Qdrant installed successfully` 且 REST API 为 `http://127.0.0.1:6333` 即表示就绪：

### 安装失败：Docker iptables 问题

部分云服务器 / CentOS 会出现端口映射失败，脚本会自动尝试 **host 网络模式**。若仍失败，以 root 执行修复后重试：

```bash
bash scripts/qdrant/fix_docker_iptables.sh
bash install_qdrant.sh
```

### 在系统中启用向量检索

确认 `bash scripts/qdrant/status.sh` 显示 **Health : OK**
1. 登录商户后台 → **知识库导入 / 向量设置**：
- 开启 **向量检索**
- `qdrant_url`：`http://127.0.0.1:6333`
- 填写 Embedding API（URL、Key、模型）
2. 导入 FAQ 或页面后执行向量化
3. 在 **AI 智能回复设置** 中确认已启用知识库召回

### Qdrant 常见问题

现象	处理
`Docker not found`	使用 `sudo bash install_qdrant.sh` 以自动安装 Docker
`Docker auto-install requires root`	加 `sudo` 后重试
`Docker daemon not running`	脚本会尝试 `systemctl start docker`；失败则手动检查 Docker 服务
健康检查超时	`docker logs wolive-qdrant`，或执行 `fix_docker_iptables.sh` 后重装
向量化失败	检查后台 Embedding API Key，与 Qdrant 无关时先排除 API 问题

### 手动执行（调试）

```bash
cd /www/wwwroot/your-domain.com
# 指定商户 business_id=1；-f 忽略后台「蒸馏开关=关」
php think ai:distill-human -b 1
php think ai:distill-human -b 1 -f
# 增量同步（页面 QA + 向量）
php think ai:auto-sync -b 1
php think ai:auto-sync -b 1 -f
```
成功时终端会输出 `scanned` / `pairs` / `inserted` 等统计。

### 后台开关（必配）

Cron 只负责**按时触发**；各商户是否在任务内真正执行，由后台 **AI 智能回复设置 → 知识进化与定时任务** 控制：

开关	建议	作用
人工聊天蒸馏	开	写入「AI进化池 → 人工聊天学习候选」
仅人工回复	开	排除 AI 自动回复与常见问题预设
定时增量同步	按需	从已同步页面抽 QA、维护向量
同步向量库	开（若已装 Qdrant）	FAQ 增量写入 Qdrant
同步含蒸馏	关	auto-sync 内再跑蒸馏（与 hourly 重复，一般关）

阈值（质量分、出现次数、更新 FAQ 次数等）也在同一区块配置，保存后写入 `wolive_ai_config.distill_config_json` / `auto_sync_json`。

> **注意：** 仅注册 cron、未在后台开启对应开关时，任务会跳过该商户。向量 FAQ 直答依赖 **7.2 Qdrant** 与后台 Embedding 配置。

## 六、自动化说明

“自动 vs 人工”环节：

环节	是否自动
cron 扫描聊天、写候选	✅
cron 页面 QA、向量同步	✅（需开开关）
高质量新问题自动入 FAQ	✅（进化池开关 + 阈值）
同问不同答更新已有 FAQ	❌ 需人工点「更新 FAQ」
意图关键词应用	❌ 需人工勾选并选意图
未命中 → 加 FAQ	❌ 需人工确认

## 七、常见问题

### Q1：SQL 导入失败？

检查 MySQL 版本、账号权限、`install/data.sql` 是否完整，查看安装页报错详情。

### Q2：消息不实时？

`php start.php status` 确认 pusher 运行
2. `app_secrets.php` 中 `app_key` / `app_secret` / `aport` / `websocket_port` 正确（改完需重启 pusher）
3. `whost`、`wport`（对外）与 `websocket_port`（监听，默认 456）与 Nginx / 防火墙一致
4. 浏览器控制台查看 WebSocket 连接

###Q3：`Missing application/extra/app_secrets.php`？

重新安装，或从 `app_secrets.example.php` 复制并填写（含 `websocket_port`、`aport`）。

### Q4：HTTPS 下 WebSocket 失败？

`whost` 用 `wss://域名`，Nginx `/app` 反代到 `127.0.0.1:456`，或配置 **6.4** SSL 直连

### Q5：向量检索无结果？

确认已执行 `bash install_qdrant.sh` 且 `status.sh` 正常，后台 `qdrant_url` 为 `http://127.0.0.1:6333`，Embedding API 可用并已执行向量化。

### Q6：AI 进化 cron 不跑？

`crontab -l` 是否含 `ai:distill-human`、`ai:auto-sync`（无则 `sudo bash init.sh`）
2. 后台 **知识进化与定时任务** 对应开关是否开启
3. 查看 `runtime/log/ai_distill_cron.log`、`ai_auto_sync.log` 是否有 PHP 报错
4. 手动 `php think ai:distill-human -b 商户ID -f` 验证 CLI 是否正常

### Q7：蒸馏有候选但不会自动进 FAQ？

自动入库仅针对 **FAQ 中尚不存在的新问题**，且需同时满足：进化池开启 **高质量自动入 FAQ**、质量分 ≥ 阈值、出现次数 ≥ 阈值。同问不同答只会标「可更新 FAQ」，须人工确认。

END！！！

12条规则能将AI编程错误率降至3%

Tue, 14 Jul 2026 22:49:01 +0800

四大原则

四大原则说是能将AI编程错误率从41%降至11%。原文地址：AI 编程的“紧箍咒”：CLAUDE.md 霸榜 GitHub，7万程序员疯抄作业

减少LLM编码常见错误的行为准则。根据需要与项目特定说明合并。

权衡：这些指导原则倾向于谨慎而非速度。对于琐碎的任务，请自行判断。

1. 编码前先思考

不要妄下断言。不要掩饰困惑。坦诚地权衡利弊。

实施前：

请明确陈述您的假设。如有疑问，请提出。
如果存在多种解释，请将它们提出来——不要默默地做出选择。
如果存在更简单的方法，请提出来。必要时要坚持己见。
如果有什么不清楚的地方，停下来。说出让你困惑的地方。然后提问。

2. 简单至上

用最少的代码解决问题。不要进行任何推测。

没有超出要求的功能。
不为一次性代码进行抽象。
没有提供任何未要求的“灵活性”或“可配置性”。
对于不可能出现的情况，不进行错误处理。
如果你写了 200 行，而 50 行就可以写完，那就重写。

问问自己：“一位资深工程师会认为这过于复杂吗？” 如果答案是肯定的，那就简化它。

3. 手术改变

只碰你必须碰的东西。只收拾你自己的烂摊子。

编辑现有代码时：

不要“改进”相邻的代码、注释或格式。
不要重构没有损坏的代码。
即使你的做法不同，也要保持与现有风格一致。
如果你发现无关的死代码，请指出来——不要删除它。

当你的更改创建了孤立文件时：

删除因您的修改而不再使用的导入项/变量/函数。
除非被要求，否则不要删除已有的无效代码。

测试要求：每一行修改后的代码都应该直接追溯到用户的请求。

4. 目标驱动型执行

定义成功标准。循环直至验证通过。

将任务转化为可验证的目标：

“添加验证”→“编写针对无效输入的测试，并确保它们都能通过”
“修复漏洞”→“编写一个能够重现该漏洞的测试，然后使其通过”。
“重构 X” → “确保重构前后测试均通过”

对于多步骤任务，请简要说明计划：

1. [Step] → verify: [check]
2. [Step] → verify: [check]
3. [Step] → verify: [check]

明确的成功标准能让你独立循环迭代。而模糊的标准（“只要能行就行”）则需要不断澄清。

如果以下情况发生，则这些指导原则是有效的：差异中不必要的更改减少，由于过于复杂而导致的重写减少，并且在实施之前而不是在出错之后提出澄清问题。

下载原文档

8条进阶规则

在4条核心法则的基础上，开发者通过实测又增加了8条进阶规则，进一步提升了AI编程可靠性，号称能将错误率降至3%。

法则：	核心要求：
只做判断，不写死逻辑	避免硬编码，保持代码灵活性。
严格控制Token消耗	用最精炼的方式完成任务。
代码冲突时不妥协	遇到冲突应提示，而非擅自修改。
先读懂源码再动手	确保理解现有代码结构
拒绝假测试	测试用例必须能真正验证功能。
分步设置检查点	将大任务分解，逐步验证。
严格遵守代码风格	保持与现有代码风格一致。
遇到问题绝不隐瞒	发现无法解决的问题时必须报告。

...

本地pdf、Word、ppt文档转MarkItDown格式工具：MarkItDown

Wed, 08 Jul 2026 08:46:03 +0800

MarkItDown 原是微软官方的一个轻量级的 Python 工具，用于将各种本地文档转换为 Markdown 格式，以便在 LLM 和结构化知识提取中使用，侧重于保留文档的重要结构和内容（包括标题、列表、表格、链接等）。主要用于方便文本分析工具，主流语言学习模型（LLM），如 OpenAI、deepseek，能够很好原生“理解”Markdown这种格式。

支持格式：

PDF
PowerPoint
Word
Excel
Images (EXIF metadata and OCR)
Audio (EXIF metadata and speech transcription)
HTML
Text-based formats (CSV, JSON, XML)
ZIP files (iterates over contents)
Youtube URLs
EPubs

工具说明

本MarkItDown工具是老吴站修改过的版本，并增加了图形操作面板，看下图，可以手动选择要转换的文档及选择保存目录，对新手友好！

本地安装方法

1、进入项目目录

文章附件获取源码，解压后打开CMD窗口，CD到文件根目录。

2、可编辑模式（Editable Mode）安装

pip install -e 'packages/markitdown[all]'

-e 参数表示以“可编辑模式”安装，这意味着你在源码中所做的任何修改都会立即反映到你的环境中，非常适合开发调试。
[all] 表示安装所有处理格式（如 PDF、Word、PPT 等）所需的完整依赖。如：pip install 'markitdown[pdf, docx, pptx]'

使用方法

安装好后，双击启动转换器.bat即可。

工具地址

[CommShow]

原版本地址：https://github.com/microsoft/markitdown

老吴站版本：https://pan.baidu.com/s/1ZfKrsBUgcOprEv7nCWG1RQ?pwd=vsc4

[/CommShow]

MySQL 8.0.46部署工具

Thu, 25 Jun 2026 14:40:52 +0800

windows下单独安装MySQL到新手可能不太友好，有了这个MySQL 8.0.46安装工具就方便多了。MySQL 8.0.46是8.0 系列的最后一个维护版本(于 2026 年 4 月 21 日发布)，所以这个版本应该是比较稳定的。

工具功能：

调整配置文件my. ini
初始化MySQL(会清空数据)
安装系统服务(默认类型自动)
系统服务：启动、停止、卸载

该程序需要以管理员身份执行。

工具参数：

工具名称：	MySQL 8.0.46部署工具
运行系统：	windows
文件格式：	exe
文件大小:	1M
工具截图:	有

工具地址：

[CommShow]

MySQL8.0.46官方下载链接：https://dev.mysql.com/get/Downloads/MySQL-8.0/mysql-8.0.46-winx64.zip
MySQL自制部署工具下载：https://liyitong.lanzout.com/i46C23sx3yuh

[/CommShow]

Graphify：如何将代码库与文档一键转化为可查询的知识图谱？

Mon, 22 Jun 2026 08:44:12 +0800

这是一个代码知识图谱生成工具（AI 编程助手）。该工具在GitHub上有70+K星标，这玩意能将项目中任何包含代码、SQL模式、R脚本、shell脚本、文档、论文、图像或视频的文件夹转换为可查询的知识图谱，自动发现模块间的依赖关系和隐藏连接。

如何让 AI 更好地阅读我的项目？

它能把你项目里的代码整成一份能点能拽的知识图谱。并且自动扒拉出模块之间的依赖关系、隐藏连接。
它不光告诉你这段代码是“干哈的”，还能给你解释“为啥非得这么设计”。
这基本就相当于给AI装了个“项目大脑”，属于是降维打击了。
让AI理解项目的时候，不再跟没头苍蝇似的瞎翻文件。
只要瞅一眼那个图谱，整个项目的结构立马就门儿清。
同时它跟Claude Code、Codex这些主流工具都能搭上线，兼容性挺到位。

总结

对程序员来说，不管是刚接手一个陌生项目，还是想快速摸清老项目的底细，Graphify能帮助 AI 更好地理解复杂代码中的逻辑关系，这玩意儿都贼拉实用。

项目地址

Github项目：graphify

728电玩全套源码

Sun, 14 Jun 2026 00:41:58 +0800

728全套源码的后端好像跟电玩63游戏源码后端一样的，前端UI不一样，用Cocos简单看了一下源码，这一套是仿官方的728。内含多种玩法，支持Cocoscreator开发，完整前端代码一键部署，适合有二开需求的用户。

搭建环境

运行环境：linux CentOS7X
源码后端：mysql+php
前端：cocos dashboard 2.4.5

服务器要求

硬件	测试要求	运营要求
CPU	CPU4核	CPU8核
内存	内存8G	内存16G
带宽	5Mbp以上	20Mbp以上
硬盘	D盘50G以上	D盘100G以上

附件截图

附件地址

附件为源码，无教程！

MCP 原理及 Java 开发指南

Wed, 10 Jun 2026 13:25:52 +0800

目的：帮助 Java / Spring Boot 开发者快速理解 MCP 的设计动机、协议细节、以及如何在 Spring AI 中落地。

为什么需要 MCP？

MCP 助力开发者在 LLM 之上构建智能体和复杂工作流。由于 LLM 需要频繁与外部数据和工具集成，MCP 提供了以下核心价值：

开箱即用的集成能力：提供丰富的预置集成方案，LLM 可直接接入使用

灵活的供应商切换：支持在不同 LLM 服务商之间无缝迁移

安全最佳实践：内置数据安全防护机制，确保基础设施安全可控

MCP 用 JSON‑RPC 2.0 + 能力发现 的模式，把「模型 ↔ 应用 ↔ 工具」之间的交互标准化，实现 一次接入，多处复用。

MCP 协议就好比 USB 接口，USB 设备可以通过 USB Hub 连接到不同的计算机上，而不需要重新设计接口。
- 我们在电脑上可以同时使用多个 USB 设备（鼠标、键盘、硬盘、游戏手柄），这些 USB 设备有不同的功能，只要实现了标准的 USB 接口协议即可。
- 电脑可以类比成 LLM，USB Hub 可以类比成 MCP Server，USB 设备可以类比成 Tool、Resource、Prompt 等。
- 通过 MCP 协议，LLM 可以通过 USB Hub 访问不同的 USB 设备，从而扩展出各种各样的能力（发邮件、打电话、地图旅行规划、订票）。

从某种程度上说，MCP 就像是设计模式中的命令（Command）模式 + 外观（Facade）模式。

基本概念

关键术语

MCP 主机：需要通过 MCP 访问数据的程序，如 Claude Desktop、IDE 或 AI 工具

MCP 客户端：与服务器保持 1:1 连接的协议客户端

MCP 服务器：通过标准化的模型上下文协议暴露特定能力的轻量级程序

本地数据源：MCP 服务器可以安全访问的计算机文件、数据库和服务

远程服务：MCP 服务器可以通过互联网连接的外部系统（例如通过 API）

分层架构

┌────────────────────────────┐

│  Client / Server API 层    │ ← McpClient / McpServer

├────────────────────────────┤

│  Session 会话层            │ ← 会话 & 状态管理

├────────────────────────────┤

│  Transport 传输层          │ ← Stdio / SSE / WebSocket / gRPC

└────────────────────────────┘

MCP 采用分层架构设计，每一层都有其特定的职责：

1. Client / Server API 层

提供 McpClient 和 McpServer 接口

处理高层业务逻辑和协议交互

负责能力发现和工具调用

2. Session 会话层

管理客户端和服务器之间的会话状态

处理会话的生命周期（初始化、运行、关闭）

维护会话上下文和状态信息

3. Transport 传输层

提供多种传输机制支持：

Stdio：标准输入输出，适合本地进程间通信

SSE (Server-Sent Events)：单向服务器推送

WebSocket：全双工通信

gRPC：高性能 RPC 框架

处理底层通信细节和协议转换

这种分层设计使得 MCP 具有：

良好的可扩展性：可以轻松添加新的传输机制

清晰的职责分离：各层专注于自己的功能

灵活的部署方式：支持多种通信场景

传输机制

| 传输 | 场景 | 特点 |
|------|------|------|
| Stdio | 本地 CLI / 子进程 | 零网络开销，启动快 |
| HTTP + SSE | 微服务 / Web 应用 | POST 请求 + SSE 推流，部署友好 |
| 自定义 | WebSocket / gRPC | 只需实现 Transport 接口即可 |

Java Spring AI 集成实践

使用 Spring AI 开发，详细说明可以参考官网文档。

MCP 分为 Stdio 和 SSE 两种传输方式，下面的例子使用 SSE 方式，最简化开发一个发票助手 MCP，并展示如何通过模型自动调用这个 MCP。

POM 依赖

<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-starter-mcp-server-webflux</artifactId>
</dependency>

配置示例 `application.properties`

spring.main.banner-mode=off
# logging.pattern.console=
spring.ai.mcp.server.name=my-invoice-server
spring.ai.mcp.server.version=0.0.1

详细的配置参数及默认值可以参考官方文档：Spring AI / Model Context Protocol (MCP) / MCP Server Boot Starters)。

暴露 Tool

这里就模拟一个非常简单的功能，仅拼装对应参数，返回发票链接。

@Service
public class InvoiceService {

    @Tool(description = "获取发票链接")
    public String getInvoiceUrl(@ToolParam(required = true, description = "发票 id") String invoiceId) {
        return "https://www.example.com/invoice/" + invoiceId;
    }
}

@SpringBootApplication
public class McpServerApplication {

    public static void main(String[] args) {
        SpringApplication.run(McpServerApplication.class, args);
    }

    @Bean
    public ToolCallbackProvider invoiceTools(InvoiceService invoiceService) {
        return MethodToolCallbackProvider.builder().toolObjects(invoiceService).build();
    }
}

启动服务

执行 java -jar mcp-server.jar 启动服务，默认监听 8080 端口。

在 MCP client 中配置 mcp.setting

cursor、VS code 中的 cline 插件都算是 MCP client。本文展示 cline 插件如何配置。

cline_mcp_setting.json 增加如下配置：

{
  "mcpServers": {
    "invoice-local": {
      "url": "http://localhost:8080/sse",
      "autoApprove": [
        "getInvoiceUrl"
      ]
    }
  }
}

我们可以看到对应的 getInvoiceUrl 方法已经被自动注册到 MCP Server 中。

使用 MCP！

在 cline 中输入问题：“我有一个发票 id 是 123456，发票链接是多少？”，可以看到模型会自动判断是否需要调用 MCP Server 中的 getInvoiceUrl 方法，并拼装参数，获取结果。

说明

1. JDK 版本必须 >= 17
2. Spring Boot 版本必须 >= 3.2
3. Spring AI 底层使用 modelcontextprotocol / java-sdk)
4. MCP 协议等都在快速发展中，上面的代码示例仅供参考，具体实现可能会有所不同

完整配置示例

Application.java：

package com.example.mcp;

import org.springframework.ai.mcp.server.tool.ToolCallbackProvider;
import org.springframework.ai.mcp.server.tool.MethodToolCallbackProvider;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.context.annotation.Bean;
import org.springframework.web.reactive.function.client.WebClient;

@SpringBootApplication
public class McpServerApplication {
    
    public static void main(String[] args) {
        SpringApplication.run(McpServerApplication.class, args);
    }
    
    /**
     * 注册所有 Tools
     */
    @Bean
    public ToolCallbackProvider toolCallbackProvider(
            DatabaseTools databaseTools,
            FileTools fileTools,
            HttpTools httpTools
    ) {
        return MethodToolCallbackProvider.builder()
            .toolObjects(databaseTools, fileTools, httpTools)
            .build();
    }
    
    /**
     * WebClient for HTTP tools
     */
    @Bean
    public WebClient webClient() {
        return WebClient.builder()
            .defaultHeader("User-Agent", "MCP-Server/1.0")
            .build();
    }
}

application.yml：

spring:
  application:
    name: mcp-server-demo
  
  ai:
    mcp:
      server:
        name: "Enterprise MCP Server"
        version: "1.0.0"
        description: "Comprehensive MCP server with database, file, and HTTP capabilities"
        
server:
  port: 8080
  
logging:
  level:
    org.springframework.ai.mcp: DEBUG
    com.example.mcp: DEBUG

MCP Client 配置与使用

Claude Desktop 配置

Claude Desktop 是最早支持 MCP 的应用之一。配置文件位置：

macOS：

~/Library/Application\ Support/Claude/claude_desktop_config.json

Windows：

%APPDATA%\Claude\claude_desktop_config.json

配置示例：

{
  "mcpServers": {
    "enterprise-server": {
      "command": "java",
      "args": [
        "-jar",
        "/path/to/mcp-server.jar"
      ],
      "env": {
        "SERVER_PORT": "8080"
      }
    },
    "database-server": {
      "url": "http://localhost:8080/sse",
      "headers": {
        "Authorization": "Bearer YOUR_TOKEN"
      }
    }
  }
}

Cursor IDE 配置

Cursor 通过 .cursor/mcp.json 文件配置 MCP 服务器：

{
  "mcpServers": {
    "local-dev": {
      "command": "java",
      "args": ["-jar", "mcp-server.jar"],
      "env": {
        "WORKSPACE_ROOT": "${workspaceFolder}"
      }
    },
    "remote-api": {
      "url": "https://api.example.com/mcp/sse",
      "autoApprove": ["read_file", "list_directory"]
    }
  }
}

Cline/Continue 配置

VS Code 插件 Cline 的配置文件：~/.cline/mcp_settings.json

{
  "mcpServers": {
    "development": {
      "url": "http://localhost:8080/sse",
      "autoApprove": [
        "query_database",
        "read_file",
        "list_directory"
      ],
      "alwaysAllow": ["get_table_schema"]
    }
  }
}

实际使用示例

场景 1：数据库查询

用户: 查询用户表中所有活跃用户的数量

AI: 我会帮你查询数据库。
[调用 query_database]
参数: sql = "SELECT COUNT(*) as count FROM users WHERE status = 'active'"

结果: {"rowCount": 1, "rows": [{"count": 1234}]}

AI: 当前有 1,234 个活跃用户。

场景 2：文件操作

用户: 帮我创建一个 README.md 文件,包含项目介绍

AI: 好的,我会创建 README 文件。
[调用 write_file]
参数:
  path = "README.md"
  content = "# Project Name\n\nThis is a comprehensive guide..."
  create_dirs = true

AI: README.md 文件已创建成功!

场景 3：代码审查

用户: 使用 code-review prompt 审查这段代码

AI: 我会使用专业的代码审查模板。
[调用 code-review prompt]
参数:
  language = "Java"
  code = "public class User { ... }"
  focus_areas = "安全性和性能"

AI: [提供详细的代码审查反馈...]

最佳实践

安全考虑

1. 输入验证

public class SecurityValidator {
    
    public static void validateSqlQuery(String sql) {
        // 防止 SQL 注入
        String lowerSql = sql.toLowerCase();
        String[] dangerousKeywords = {
            "drop", "delete", "update", "insert", 
            "truncate", "alter", "create"
        };
        
        for (String keyword : dangerousKeywords) {
            if (lowerSql.contains(keyword)) {
                throw new SecurityException(
                    "不允许的 SQL 操作: " + keyword
                );
            }
        }
    }
    
    public static Path validatePath(Path basePath, String userPath) {
        Path resolved = basePath.resolve(userPath).normalize();
        
        // 防止路径遍历攻击
        if (!resolved.startsWith(basePath)) {
            throw new SecurityException(
                "路径超出允许范围: " + userPath
            );
        }
        
        return resolved;
    }
}

2. 权限控制

@Configuration
public class McpSecurityConfig {
    
    @Bean
    public McpAuthorizationManager authorizationManager() {
        return new McpAuthorizationManager() {
            @Override
            public boolean canExecuteTool(String toolName, Principal user) {
                // 基于用户角色的权限控制
                return switch (toolName) {
                    case "query_database" -> 
                        user.hasRole("DATA_ANALYST");
                    case "write_file" -> 
                        user.hasRole("DEVELOPER");
                    default -> true;
                };
            }
        };
    }
}

3. API 速率限制

@Aspect
@Component
public class RateLimitAspect {
    
    private final RateLimiter rateLimiter = 
        RateLimiter.create(10.0); // 每秒 10 个请求
    
    @Around("@annotation(Tool)")
    public Object rateLimit(ProceedingJoinPoint joinPoint) 
            throws Throwable {
        if (!rateLimiter.tryAcquire()) {
            throw new RateLimitException(
                "请求过于频繁,请稍后再试"
            );
        }
        return joinPoint.proceed();
    }
}

性能优化

1. 结果缓存

@Service
public class CachedDatabaseTools {
    
    @Cacheable(value = "tableSchema", key = "#tableName")
    public TableSchema getTableSchema(String tableName) {
        // 缓存表结构,避免重复查询
        return databaseService.getSchema(tableName);
    }
    
    @Cacheable(
        value = "queryResults",
        key = "#sql",
        condition = "#sql.toLowerCase().startsWith('select')"
    )
    public QueryResult executeQuery(String sql) {
        return databaseService.execute(sql);
    }
}

2. 异步处理

@Service
public class AsyncFileTools {
    
    @Tool(description = "异步搜索文件")
    public CompletableFuture<List<String>> searchFilesAsync(
            @ToolParam(name = "pattern") String pattern
    ) {
        return CompletableFuture.supplyAsync(() -> {
            // 耗时的文件搜索操作
            return fileService.search(pattern);
        });
    }
}

3. 连接池管理

@Configuration
public class DatabaseConfig {
    
    @Bean
    public DataSource dataSource() {
        HikariConfig config = new HikariConfig();
        config.setJdbcUrl(jdbcUrl);
        config.setUsername(username);
        config.setPassword(password);
        
        // 优化连接池配置
        config.setMaximumPoolSize(20);
        config.setMinimumIdle(5);
        config.setConnectionTimeout(30000);
        config.setIdleTimeout(600000);
        
        return new HikariDataSource(config);
    }
}

错误处理

统一异常处理：

@ControllerAdvice
public class McpExceptionHandler {
    
    @ExceptionHandler(SecurityException.class)
    public ResponseEntity<ErrorResponse> handleSecurityException(
            SecurityException ex
    ) {
        return ResponseEntity
            .status(HttpStatus.FORBIDDEN)
            .body(new ErrorResponse(
                "SECURITY_ERROR",
                ex.getMessage()
            ));
    }
    
    @ExceptionHandler(IllegalArgumentException.class)
    public ResponseEntity<ErrorResponse> handleValidationException(
            IllegalArgumentException ex
    ) {
        return ResponseEntity
            .status(HttpStatus.BAD_REQUEST)
            .body(new ErrorResponse(
                "VALIDATION_ERROR",
                ex.getMessage()
            ));
    }
    
    @ExceptionHandler(Exception.class)
    public ResponseEntity<ErrorResponse> handleGenericException(
            Exception ex
    ) {
        log.error("Unexpected error", ex);
        return ResponseEntity
            .status(HttpStatus.INTERNAL_SERVER_ERROR)
            .body(new ErrorResponse(
                "INTERNAL_ERROR",
                "服务暂时不可用,请稍后重试"
            ));
    }
}

record ErrorResponse(
    String code,
    String message
) {}

监控与日志

@Aspect
@Component
public class McpMonitoringAspect {
    
    @Around("@annotation(tool)")
    public Object monitorToolExecution(
            ProceedingJoinPoint joinPoint,
            Tool tool
    ) throws Throwable {
        String toolName = tool.name();
        long startTime = System.currentTimeMillis();
        
        try {
            Object result = joinPoint.proceed();
            long duration = System.currentTimeMillis() - startTime;
            
            // 记录成功的工具调用
            log.info(
                "Tool executed: {} | Duration: {}ms",
                toolName, duration
            );
            
            // 发送指标到监控系统
            metricsService.recordToolExecution(
                toolName, duration, "success"
            );
            
            return result;
            
        } catch (Exception ex) {
            long duration = System.currentTimeMillis() - startTime;
            
            // 记录失败的工具调用
            log.error(
                "Tool failed: {} | Duration: {}ms | Error: {}",
                toolName, duration, ex.getMessage()
            );
            
            metricsService.recordToolExecution(
                toolName, duration, "failure"
            );
            
            throw ex;
        }
    }
}

典型应用场景

1. IDE 智能助手

功能描述： 在 IDE 中提供代码生成、重构、调试等智能辅助功能。

实现示例：

@Service
public class IdeTools {
    
    @Tool(description = "生成单元测试")
    public String generateUnitTest(
            @ToolParam(name = "source_code") String sourceCode,
            @ToolParam(name = "test_framework") String framework
    ) {
        // 分析源代码
        CodeAnalysis analysis = codeAnalyzer.analyze(sourceCode);
        
        // 生成测试代码
        return testGenerator.generate(analysis, framework);
    }
    
    @Tool(description = "代码重构建议")
    public List<RefactoringSuggestion> suggestRefactoring(
            @ToolParam(name = "code") String code
    ) {
        return refactoringService.analyzePotentialImprovements(code);
    }
}

2. 企业数据分析

功能描述： 提供自然语言到 SQL 的转换,支持数据可视化。

@Service
public class DataAnalyticsTools {
    
    @Tool(description = "自然语言查询")
    public QueryResult nlQuery(
            @ToolParam(name = "question") String question
    ) {
        // 将自然语言转换为 SQL
        String sql = nlToSqlConverter.convert(question);
        
        log.info("Generated SQL: {}", sql);
        
        // 执行查询
        return databaseService.executeQuery(sql);
    }
    
    @Tool(description = "生成数据可视化")
    public ChartConfig generateChart(
            @ToolParam(name = "data") List<Map<String, Object>> data,
            @ToolParam(name = "chart_type") String chartType
    ) {
        return chartGenerator.generate(data, chartType);
    }
}

3. 文档生成与管理

@Service
public class DocumentationTools {
    
    @Tool(description = "生成 API 文档")
    public String generateApiDocs(
            @ToolParam(name = "swagger_spec") String swaggerSpec
    ) {
        return apiDocGenerator.generate(swaggerSpec);
    }
    
    @Tool(description = "更新用户手册")
    public UpdateResult updateUserManual(
            @ToolParam(name = "section") String section,
            @ToolParam(name = "content") String content
    ) {
        Path manualPath = docsPath.resolve("user-manual.md");
        return documentService.updateSection(manualPath, section, content);
    }
}

4. DevOps 自动化

@Service
public class DevOpsTools {
    
    @Tool(description = "部署应用")
    public DeploymentResult deploy(
            @ToolParam(name = "environment") String environment,
            @ToolParam(name = "version") String version
    ) {
        return deploymentService.deploy(environment, version);
    }
    
    @Tool(description = "查看日志")
    public List<LogEntry> getLogs(
            @ToolParam(name = "service") String service,
            @ToolParam(name = "lines") int lines
    ) {
        return logService.getTailLogs(service, lines);
    }
    
    @Tool(description = "检查服务健康状态")
    public HealthStatus checkHealth(
            @ToolParam(name = "service") String service
    ) {
        return healthCheckService.check(service);
    }
}

生态系统与工具

官方工具

1. MCP Inspector - 调试和测试 MCP 服务器

网址: inspector
功能: 实时查看工具调用、测试 prompts、监控资源

2. MCP CLI - 命令行工具
``bash npm install -g @modelcontextprotocol/cli mcp test http://localhost:8080/sse``

社区服务器

访问 mcp.so 浏览 1000+ 社区 MCP 服务器:

数据库: PostgreSQL, MySQL, MongoDB, Redis

云服务: AWS, Azure, GCP

开发工具: GitHub, GitLab, Jira

通信: Slack, Discord, Email

数据处理: Pandas, NumPy, Excel

客户端支持

| 客户端 | 支持程度 | 配置方式 |
|--------|---------|----------|
| Claude Desktop | ✅ 完整支持 | JSON 配置文件 |
| Cursor | ✅ 完整支持 | .cursor/mcp.json |
| Cline (VS Code) | ✅ 完整支持 | 插件配置 |
| Continue | ✅ 完整支持 | config.json |
| Zed | ✅ 实验性支持 | 内置配置 |

常见问题

Q: MCP 与 OpenAI Function Calling 有什么区别？

A: MCP 是一个开放协议,不绑定特定 AI 提供商。Function Calling 是 OpenAI 特定的实现。MCP 支持更丰富的能力(Tools, Resources, Prompts),而 Function Calling 主要聚焦于函数调用。

Q: stdio 和 SSE 传输方式如何选择？

stdio: 适合本地命令行工具,零网络开销,启动快

SSE: 适合 Web 服务,支持远程访问,易于部署和扩展

Q: MCP 服务器如何处理长时间运行的任务？

A: 建议使用异步模式:

@Tool(description = "异步任务")
public TaskId startAsyncTask(
        @ToolParam(name = "input") String input
) {
    // 返回任务 ID
    return taskService.submit(input);
}

@Tool(description = "查询任务状态")
public TaskStatus getTaskStatus(
        @ToolParam(name = "task_id") String taskId
) {
    return taskService.getStatus(taskId);
}

Q: 如何调试 MCP 服务器？

A:
1. 使用 MCP Inspector 工具
2. 启用详细日志: logging.level.org.springframework.ai.mcp=DEBUG
3. 使用 Postman 测试 SSE 端点
4. 添加监控和追踪

Q: MCP 服务器的性能瓶颈在哪里？

A: 常见瓶颈:

数据库连接池不足

未使用缓存

同步阻塞操作

大数据传输

优化建议见"性能优化"章节。

未来展望

即将到来的特性

1. 细粒度权限控制

基于工具的 ACL

资源级别的访问控制

审计日志

2. 多模态支持

图像分析工具

音频处理

视频内容理解

3. 增强的上下文管理

会话状态持久化

跨工具上下文共享

智能缓存策略

4. 更好的可观测性

内置追踪和指标

性能分析工具

实时监控面板

技术演进方向

协议版本 2.0: 更高效的二进制传输

边缘计算: 在浏览器中运行 MCP 服务器

联邦学习: 跨服务器的知识共享

AI Agent 框架: 与 LangChain, AutoGPT 等深度集成

生态发展

企业采用: 更多企业级 MCP 服务器

标准化: 行业标准和最佳实践

认证体系: MCP 服务器质量认证

市场生态: MCP 服务器市场和交易平台

参考资源

官方资源

MCP 官方网站: modelcontextprotocol
MCP 规范: modelcontextprotocol
MCP GitHub: modelcontextprotocol
MCP 服务器目录: mcp

Spring AI 相关

Spring AI 文档: reference
MCP 集成指南: mcp
示例仓库: spring-ai-examples
Spring AI MCP Server Starter: mcp-server-boot-starter-docs.html

技术规范

JSON-RPC 2.0: specification
Server-Sent Events: Server-sent_events
OpenAPI 3.0: specification

社区资源

MCP Discord: modelcontextprotocol
MCP Reddit: reddit
Stack Overflow: 标签 model-context-protocol
YouTube 教程: 搜索 "MCP Tutorial"

老吴搭建教程

AIKE智能PHP在线客服系统WordPress插件

使用前提：

使用方法：

1、附件获取插件

2、启动插件

3、文章插入工单

相关文章：

获取插件：

AIKE智能PHP在线客服系统Zblog插件

使用前提：

使用方法：

1、附件获取插件

2、启动插件

3、文章插入工单

相关文章：

获取插件：

AIKE智能PHP在线客服系统

一、产品定位

二、核心能力

基础能力：

能力扩展：

插件扩展

三、源码地址

AIKE智能PHP在线客服系统安装教程

## 一、系统组成

## 二、环境要求

### 2.1 服务器

### 2.2 PHP 扩展（安装向导会检测）

### 2.3 目录写权限

### 2.4 端口规划

## 三、部署教程

### 3.1 上传代码

### 3.2 创建数据库

### 3.3 开始安装

### 3.4 安装成功：

### 3.5总后台

### 3.6 客服后台

## 四、Web 服务器配置

### Nginx配置

### Linux伪静态

## 五、服务启动说明

### 禁用函数

### 修改app_secrets.php

### 实时推送 `aike_pusher`（必须）

### 进程守护

###添加计划任务

### 前端验证

### 安装 Qdrant 向量数据库

### 前置条件

### 安装后验证

### 安装失败：Docker iptables 问题

### 在系统中启用向量检索

### Qdrant 常见问题

### 手动执行（调试）

### 后台开关（必配）

## 六、自动化说明

## 七、常见问题

### Q1：SQL 导入失败？

### Q2：消息不实时？

###Q3：`Missing application/extra/app_secrets.php`？

### Q4：HTTPS 下 WebSocket 失败？

### Q5：向量检索无结果？

### Q6：AI 进化 cron 不跑？

### Q7：蒸馏有候选但不会自动进 FAQ？

12条规则能将AI编程错误率降至3%

四大原则

1. 编码前先思考

2. 简单至上

3. 手术改变

4. 目标驱动型执行

8条进阶规则

本地pdf、Word、ppt文档转MarkItDown格式工具：MarkItDown

支持格式：

工具说明

本地安装方法

1、进入项目目录

2、可编辑模式（Editable Mode）安装

使用方法

工具地址