DevTang | 唐巧修改

2025-10-21 08:36:13

一、序言

最近读完了一本讲解 MCP 实现原理的书：《这就是 MCP》，它帮助我更好地理解了 MCP，以下是一些笔记。

二、什么是 MCP

MCP 的全称是 Model Context Protocol，之所以叫这个名字，是因为它可以成为大模型调用外部工具的协议，让大模型能够补充自己的上下文（即 Context）。

在没有 MCP 之前，每个大模型都在为自己扩展调用外部工具的能力，最常见的能力就是调用搜索引擎。但是这就会造成一个麻烦：每个大模型都需要自己开发一遍调用工具（重复造轮子），而且由于协议不开放，第三方开发者无法为大模型提供更多工具。

在有了 MCP 之后，整个开发流程变成了：

• 大模型都适配 MCP 协议
• 各种工具都适配 MCP 协议

这样，一个新的工具出来，立刻可以为所有大模型可用，而一个新的大模型也可以立刻调用市面上公开的 MCP（下图）。

有人把这个比作 “AI 时代的 HTTP 协议”，我是比较认同的。

三、MCP 的实现细节

3.1 角色

不同于 HTTP协议的浏览器 / 服务器（B/S）架构，MCP 的协议多了一个 “主机” 的角色，一共包含三个角色，分别是：主机，客户端，服务器。

主机：创建和管理多个客户端。负责鉴权相关工作。负责多个客户端内容的聚合，

客户端：一个客户端是一个进程，负责与对应的 MCP 服务器交互数据，管理会话的状态。

服务器：为客户端提供服务。可以部署成本地服务或远程服务。

3.2 协议

MCP 使用 JSON-RPC 作为客户端与服务器通信的基础。

当服务器部署在本地的时候，它允许客户端用 stdio 的方式来传输 JSON 编码的数据。

当服务器部署在远程的时候，它使用 HTTP 来传输 JSON。

鉴权方面， 基于 stdio 传输实现的服务器直接从环境变量中读取授权凭证，而基于 HTTP 协议的服务器，基于 OAuth 2.1 实现授权。

四、如何开发 MCP

开发 SDK：MCP 支持任意语言开发 MCP 服务器，我们可以使用官方提供的 SDK 快速生成代码框架。

调试工具：官方提供的调试工具名为 MCP Inspector，用它连接对应 MCP 之后就可以在面板中调试功能。

发布 MCP：我们可以把开发好的服务发布到 MCP 市场上面供开发者检索到。

MCP 市场。市面上比较有名的市场包括：

• Anthropic 官方的 MCP Servers 仓库
• Smithery
• Glama

五、MCP 的问题

MCP 发布才一年时间，所以还有很多细节未来需要完善，包括：

• 协议对多模态内容支持不够友好
• 鉴权机制不完善，很多 MCP 服务还未支持 25 年 3 月引入的 OAuth 鉴权协议
• 安全防护能力弱。攻击者可以构造恶意的 MCP 服务来诱导用户执行恶意命令，从而实现信息窃取，执行恶意命令等攻击。

以上。

2025-10-06 22:06:51

最近收到图灵编辑刘美英老师赠送的《图解 DeepSeek 技术》，全书只有不到 100 页，而且配套了大量插画，让原本让人生畏的大语言模型底层技术，变得不那么难懂。

本书非常适合对于大语言模型零基础的读者，作为入门书籍。以下是我的一些笔记。

缩放定律（Scaling law）

深度学习的底层原理其实缺乏科学论证，最终只能用“涌现”这种现象来描述我们观察到的实验结果。这个实验结果就是：当我们提高模型规模的时候，模型的表现也会越来越好。

于是，我们通过三个要素来提升模型的规模，分别是：参数量、数据量和计算量（如下图）

我对“涌现”的理解：这个世界上很多事情都是从量变到质变，大模型“涌现”出来的智能，再一次体现了这种自然界常见的现象。比如：

• 水在温度上升的时候，形态一直是液态，直到上升了 100 度，就开始沸腾，转化为气态。
• 股市，前期积累的泡沫越来越大，最后泡沫破灭的时候，就会一下子跌特别多。

我对缩放定律的理解：缩放定律在自然界中也非常常见，很多变化不是线性的，而是幂律（power law）的。比如：

• 财富的集中度。在美国前 10% 的人持有超过 90% 的财富。
• 公司的营收排名。排名每上升一名，营收可能是下一名的 2 倍。
• 明星或达人的收入。关注度每上升一位，收入可能翻翻。
• 28 原理。决定一件事情的最主要的 20% 因素，占据了 80% 的权重。

深度思考

缩放定律把大家的精力都集中在堆参数量和堆算力上，但是研究人员发现，如果让模型在输出答案的过程中进行“长思考”，答案会变得显著得好。于是，除了在训练阶段发力外，我们通过让模型在生成答案时消耗更多资源，来提升答案的质量。这就是现在变得普遍的“深度思考”模式（如下图）。

在我的理解下，深度思考模式类似于《思考快与慢》一书中提到的人类的慢思考。人类大多数时候，是用直觉来决策的，因为这样效率最高，而且直觉通常来源于大量的经验（预训练），通常情况下是对的。但是，对于一些重大的决策，人类就会启动慢思考（深度思考），会花大量的时间和精力来论证自己的想法是否正确，以保证重大决策的质量。

蒸馏（Distill）

DeepSeek-R1 是一个拥有 6710 亿个参数的庞大模型，这使得部署和使用它都需要强大的硬件支持。但是 DeepSeek 创新性的开创了将自己的推理能力蒸馏到别的小模型（比如 Qwen-32B）上的方法。

具体来说，研究团队用 DeepSeek 当老师模型，让 Qwen 当学生模型。当两个模型接收到相同的提示词后，均需要输出一个词元概率分布。在训练过程中，学生模型需要紧密跟随老师模型的分布特征（如下图）。

以上过程在 80 万个样本的训练下，这些小模型学会了 DeepSeek 的思维方式，与蒸馏前相比，能力有大幅的提升。

在我的理解下，这也非常类似人类的“师徒学习模式”。我在计算机行业，我们行业的毕业生刚进企业的时候，都会有一个导师（mentor）进行一对一指导。最终帮助我们这些职场小白快速融入行业，写出高质量的代码。

以上。

2025-10-06 20:00:26

序

想读一些价值投资者的书，于是就找到了这本但斌的《时间的玫瑰》。这是一本写于 2018 年的书，现在已经过了 7 年。当年的很多论断，随着时间的检验会更有意思。以下是一些读书感悟。

买入价格很重要

我们常说，买股票需要关注三点：好公司，好管理，好价格。在好价格这件事情上，但斌给我们举了一个例子，也是他自己血泪教训。

但斌说：如果你在 2007 年的高点买入茅台，那么需要 2016 年（9 年后）才能解套。中间还会经历两次 60% 的下跌。所以，即便是大家公认的好公司，如果你的买入价格不对，也是有很大的风险。

关注行业周期

但斌的这本书写在 7 年前，在 7 前年，有一些行业龙头公司是被价值投资者普遍认同的，比如房地产行业的万科，以及教育行业的好未来，但斌在书中多次提到这两家公司。但是我们现在来看这两家公司，就会发现两家公司都经历了价值毁灭的过程，他们都从最高点回撤了超过 80% 。

万科股价：

好未来股价：

回撤的背后，是房地产行业和教育行业整体的低迷带来的。即便是三好学生，如果在一个下坡路的行业，也是做不出什么好成绩的。

关注行业的周期，关注政策的变化，在合适的时候卖出，这也是《股票大作手操盘术》中我很认同的趋势投资观点，在本书中，我再次感受到趋势投资的重要性。

从分歧中学习

但斌在书中提到他参加伯克希尔股东大会的一段记录：一个来自旧金山的 17 岁少年问：成为一个好的投资者的最好方法是什么？

巴菲特回答说：尽可能多地阅读。你要把各种思想装进你的脑子里，随着时间的推移，分辨出哪些是合理的。一旦你做到这样了，你就该下水实践了。

我对此也有很强的认同。学习的第一步是尽量吸收信息，而阅读是一个很好地吸收高质量信息的渠道。当然，我也认为与人交流讨论，以及观察现场同样重要，这都是获得信息多样性的重要手段。

有了信息之后，通过思考和实践来分辨信息，最终把有效的信息沉淀下来，就能成为自己的宝贵经验。

我对获取信息的方法最近还有一个新的感悟，就是“反对性”的意见相对重要，因为人会自我强化自己的观点，所以对于反对观点容易忽视。这个时候，我们应该刻意去找反对性意见，在理解反对性意见的基础上，去解释为什么观点不一样。

反对意见在投资上，也代表着市场的分歧，如果我们能够理解正反两边的观点的同时，又能够看到未来正反观点的分歧消除点，那么就可能获得巨大的收益。

之前我想要获得分歧意见非常难，因为表达反对意见通常让人感觉尴尬。现在我有一个技巧：我会问大模型，让他帮我系统性地总结反对意见以及论证理由，这对我来说非常好用，分享给大家。

以上。

2025-09-17 21:27:01

上个月见了一个老朋友：代码家。和代码家聊天的时候，他提到了趋势交易，他还推荐了《股票大作手操盘术》。

该书的核心思想就是做趋势交易。具体做法是：在形成趋势前观望，在趋势确定建立后顺着趋势做空或做多，在趋势快要结束时，提前补仓或卖出。

我觉得该思想同样适用于长线操作：每家公司都有上升期和平稳期以及下降期。在公司上升期的时候加仓，平稳期的后期卖出，避免下降期的戴维斯双杀，会是非常重要的。

举例来说：

• 房地产公司的上升期投资，相关的股票，即便是恒大，也涨很多。只要你在合适的地方卖出，你就不会亏。

• 很多互联网公司的企业，在互联网泡沫期的估值很高。比如微博，哔哩哔哩，陌陌，包括粉笔公考，猿辅导。只要你在合适的地方卖出，也可以吃到很多的时代红利。但是如果你一直秉持长期持有，就可能不挣钱或者只挣很少的钱。

以下是微博的股价走势，现在的价格（12）比发行价（20）还低，但它曾经涨了 5 倍多。

以下是哔哩哔哩的股价走势，如果你买在高点，那么会亏 80%。

以上两个公司就是典型的“互联网”红利公司，在互联网红利期拥有巨大的股价泡沫，在红利结束的时候，股价回归理性。

我感觉趋势投资不是做短线的投机，而是把握时代的大势。做时代周期（5 年左右）的波段，抓时代红利企业，但是又很冷静，知道自己是投机，能看到卖出下车的时间点。

我们如果能够在互联网红利期，提前买入微博和哔哩哔哩这样的高用户量的产品。在红利结束前卖掉。我们假设卖在离最高点回撤 50% 的地方，也会有 2-4 倍的收益，整个持股周期在 2-3 年。

但说起来容易，执行起来还是挺困难的。比如下面是陌陌的走势，2014 年上市，2017 年股价才开始上涨，2018, 2019年均在年中大幅上涨，之后又回到 2017 年的价格。再之后就一路下跌，现在的价格是发行价的一半。

此书对我最大的价值，就是对价值投资与时代红利周期有了挂钩，之后在思考和判断公司的时候，除了思考价值层面的事情外，更应该思考时代的变化与周期。

以上。

2025-08-31 17:46:40

“免费的午餐往往是最贵的。为知识付费，是投资自己的认知能力，是这个时代每个人都应该认真考虑的选择。

序

前几天刷抖音，看到一个财经博主在讲”普通人如何实现财富自由”，视频里充满了夸张的表情和煽动性的文案。视频末尾，他推荐了一个”0元理财训练营”，声称能教你”三个月内资产翻倍”。

我想起了自己订阅《财新》时的犹豫。为什么我们对免费的低质量内容习以为常，却对高质量的付费内容如此吝啬？

这个信息爆炸的时代，我们真的需要为知识付费。

免费内容的陷阱

质量之殇

免费的内容最大的问题，就是它根本就不免费。

当我们在抖音上看到那些”三招教你理财”、”这样做就能年入百万”的短视频时，我们以为自己没有付出成本。但事实上，我们付出的是注意力，付出的是判断力，付出的是被误导的风险。

这些内容利用了人性中最原始的弱点：贪婪和猎奇。它们用夸张的标题吸引眼球，用简化的逻辑迎合认知懒惰，最终的目的不是传播知识，而是引流变现。

我记得罗振宇在《逻辑思维》中说过：”免费是世界上最昂贵的东西”。当时不理解，现在想想，免费内容的真实成本往往比付费内容更高，只是这个成本被巧妙地隐藏了。

注意力的谋杀

短视频平台更可怕的地方在于，它们正在系统性地破坏我们的专注力。

抖音上的财经内容，往往用夸张的配音、快节奏的剪辑，以及故意制造的冲突感来抓取注意力。”震惊！这家公司竟然…”、”你绝对想不到的赚钱方式”，这样的文案充斥着整个平台。

长期消费这样的内容，就像吃快餐一样，看似填饱了肚子，实际上营养不良。我们的大脑习惯了这种高刺激、低思考的信息输入方式，逐渐失去了深度阅读和独立思考的能力。

更要命的是，算法推荐让我们陷入信息茧房。平台为了让用户停留更长时间，会推送用户喜欢的内容，而不是用户需要的内容。结果是，重要的时政新闻、深度的社会分析被娱乐化的内容所淹没。

广告的毒药

隐藏的商业动机

最近几年，我观察到一个现象：几乎所有的免费财经内容，最终都指向商业变现。

公众号上那些分析经济形势的文章，看似专业，细读之后会发现，作者往往会推荐某个理财产品或者某个投资平台。文章的逻辑链条是这样的：经济形势不好 → 需要理财 → 推荐我的产品。

抖音上更直接。那些所谓的”财经大V”，视频内容是免费的，但最终目标是让你扫码进群，然后推销各种理财课程、股票软件，甚至是可疑的投资项目。

这种商业模式本身没有问题，但它扭曲了内容的客观性。当内容创作者的收入来源是推广费而不是内容质量本身时，内容质量必然会让位于商业转化。

算法的偏见

算法推荐进一步加剧了这个问题。

算法关心的是用户停留时间和点击率，而不是信息的准确性和重要性。一条耸人听闻的假新闻往往比一篇严谨的深度报道有更高的传播率。

结果是什么？真正重要的政治、经济、社会议题被娱乐化、碎片化的内容所遮蔽。当所有人都在关注某个网红的恋情时，有多少人知道最新的货币政策调整？当大家都在讨论某个段子时，有几个人了解正在发生的地缘政治变化？

这不是危言耸听。信息质量的下降最终会影响整个社会的决策质量。

付费的价值

面对这样的信息环境，我选择了用钱投票。

我的付费清单

去年开始，我陆续为以下内容付费：

• 《财新》杂志：每年几百块钱，但能获得相对客观、深度的财经报道
• 财经类每日新闻：每天需要花 1 块钱，信息密度高，没有广告干扰
• 《三联生活周刊》：优质的长篇报道，帮我理解复杂的社会现象
• 小宇宙上的访谈节目：深度对话，远比短视频更有营养
• 请一些行业专家咨询，事后发微信红包感谢

付费内容的优势

付费内容最大的优势在于，它的商业模式相对纯粹。

当我为《财新》的内容付费时，我就是《财新》的客户。《财新》需要对我的钱负责，需要提供有价值的内容来留住我。这种直接的商业关系，比那种”免费内容+广告变现”的模式要健康得多。

付费内容的第二个优势是质量控制。

以《三联生活周刊》为例，它的记者往往需要花费数月时间来调查一个选题，采访几十个相关人员，查阅大量资料，最终呈现出一篇万字长文。这样的内容制作成本很高，只有付费模式才能支撑这样的投入。

而免费的自媒体内容呢？往往是一个人坐在电脑前，花几个小时搜集网上的资料，拼凑出一篇文章。质量的差距是显而易见的。

一点反思

诚然，付费内容也不是万能的。

《财新》有时也会有立场偏见，《三联》有时也会有不够深入的报道。付费不能保证内容的完美，但它至少能保证内容制作者的基本动机是提供有价值的信息，而不是引流变现。

另外，并不是所有人都有条件为信息付费。这涉及到信息公平的问题，也是整个社会需要思考的问题。

但至少对于有条件的人来说，为高质量内容付费，不仅是为了获得更好的信息，也是在用消费选择来支持优质内容的生产，推动整个信息生态的良性发展。

结语

这是一个最好的时代，也是一个最坏的时代。

说它是最好的时代，是因为获取信息从来没有像现在这样便利。说它是最坏的时代，是因为信息质量从来没有像现在这样参差不齐。

在这样的环境下，为知识付费不是一种消费，而是一种投资。投资自己的认知能力，投资自己的判断力，投资自己的未来。

毕竟，在这个瞬息万变的时代里，唯一不变的就是变化本身。而应对变化的最好方式，就是保持持续学习的能力。

免费的午餐往往是最贵的。为知识付费，是这个时代每个人都应该认真考虑的选择。

2025-07-01 22:29:46

题目描述

分析

此题首先是不能暴力枚举的，因为 n 和 m 最大情况下是 10^9，这个数据规模，暴力枚举肯定会超时。

然后我们可能想到贪心，但实际可落地的贪心的策略总是有特殊情况。

最后，假如我们可以检查一个答案是否可行，我们就可以用二分答案+判定的方法求解。

二分还有一个要求，就是答案是单调递增的。我们可以想像，随着兑换券的递增，如果限定 n 的值不变，那 m 的值肯定是递增的。所以此题符合单调递增的条件。

解法

那么，对于一个可能的答案 k，我们怎么检查答案是否可行呢？

• 我们先把 n 和 m 排序，让 n 是较大者，a 和 b 排序，让 a 是较大者
• 对于一份奖品，可以是 n-a, m-b 来获得，也可以是 n-b, m-a 来获得，我们让 d=a-b
• 因为 a 是较大者，所以当更换兑换方式的时候，n 的值从n-a变成了n-b，相对来说，增加了 d，m 的值减少了 d

所以：

• 我们可以先用第一个兑换方法，把 k 个奖品换成 c1=a*k 张课堂优秀券, c2=b*k 张作业优秀券
• 如果 c1 <=n, c2 <= m 那这个答案 k 显然就是可以的。
• 但如果 c1 > n，我们可以想到，把超额出来的兑换换成第二个兑换方法

具体如何换呢？

• 我们先计算超额的值，为 c1-n
• 每次兑换可以让这个值少 d，所以需要换 r=(c1-n)/d (向上取整) 即 r=(c1-n+d-1)/d个
• 经过如上的兑换，c1 的值减少了 d*r，c2 的值增加了 d*r

最后需要注意，因为 a*k 的范围可能超过 int，所以需要把计算过程都用 long long 来保存。

总结

此题考查了：

• 二分+判定的解法
• 向上取整的写法
• 数据范围的预估
• 时间复杂度的预估

这还是非常综合的一道题。对于没想到二分的学生，也可以用贪心或者暴力枚举骗到不少分（估计 10-15 分），所以此题也有相当的区分度，各种能力的学生都可以拿到部分分数。

详细代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

/*
 * Author: Tang Qiao
 */
#include <bits/stdc++.h>
using namespace std;

long long n, m, a, b, d, ans;

bool test(long long k) {
    long long c1 = a*k;
    long long c2 = b*k;
    if (c1 > n) {
        long long r = (c1 - n + d - 1) / d;
        c1 -= r*d;
        c2 += r*d;
    }
    if (c1 <= n && c2 <=m) return true;
    else return false;
}

int main() {
    ios::sync_with_stdio(0);       
    cin >> n >> m >> a >> b;
    if (n < m) swap(n, m);
    if (a < b) swap(a, b);
    d = a - b;
    long long l = 0;
    long long r = n;
    while (l <= r) {
        long long m = (l+r)/2;
        if (test(m)) {
            ans = max(ans, m);
            l = m+1;
        } else {
            r = m-1;
        }
    }
    cout << ans << endl;
    return 0;
}