Amo Chen

從開發者角度理解 Model Context Protocol (MCP)

Model Context Protocol（簡稱 MCP） 是一項由 Anthropic 於 2024 年 11 月 25 日開源的協定。

MCP 旨在提升 AI 助手（assistants）與各種系統的整合能力，使其能夠存取外部資料、商業工具、開發環境等，從而提供更精確且具相關性的回應。

目前，許多 AI 工具與 IDE 已開始支援 MCP，並與符合 MCP 規格的工具進行整合，讓 AI 助手能夠更貼近實際應用情境並執行各類任務。例如，Cursor、Cline、OpenManus 等工具皆可透過 MCP 進行擴充，使 AI 助手變得更加強大。

未來隨著 AI 技術的發展，MCP 勢必將在 AI 應用開發領域佔據一席之地。

因此本文將深入淺出地介紹 MCP 的核心概念，幫助大家理解 MCP 的運作方式，並能透過 Python 簡單打造專屬的 MCP 工具。

Last updated on  Apr 1, 2025  by  Amo Chen  ‐ 12 min read

好文推薦 — My LLM codegen workflow atm

推薦 1 篇關於如何與 LLM 開發協作的好文章 — “My LLM codegen workflow atm” 隨著 LLM 不斷地演進，以及它所帶來的效率提升，我個人認為未來的開發團隊會朝短小精悍的方

Posted on  Mar 1, 2025  by  Amo Chen  ‐ 2 min read

Marimo — 不可忽視的下一代 Python Notebook

儘管 Jupyter Notebook 已經是 Python 社群廣為人知的互動式開發工具，但我覺得大家也可以試試看 Marimo。 p.s. Marimo 是毬藻的意思 Marimo 是開源的新一代 Python Notebook，有著

Posted on  Jan 23, 2025  by  Amo Chen  ‐ 1 min read

白話文解說 Levenshtein Distance（萊文斯坦距離）

不知道你是否曾好奇，像 Google 或 Bing 這類搜尋引擎，是如何辨識你輸入的錯別字？例如，當你輸入 “seperate”（錯誤拼字）時，搜尋引擎能夠自動修正為正確的 “separate”，並以正確拼字進行搜尋和呈現結果。

本文將介紹一種演算法 — Levenshtein Distance（或稱萊文斯坦距離）！透過這個演算法，我們可以了解搜尋引擎如何尋找相似的單字，而且這個演算法也被知名的 Elasticsearch 所使用，相當值得認識！

接下來，本文將從編輯距離(edit distance)的概念出發，逐步帶你深入了解 Levenshtein Distance。

Posted on  Jan 18, 2025  in  演算法  by  Amo Chen  ‐ 7 min read