SpringAI轻松构建MCP Client-Server架构

SpringAI轻松构建MCP Client-Server架构


一、背景与概念

Spring AI 是 Spring Boot 生态下的一个扩展框架,用于简化在 Java 应用中集成大型语言模型(LLM)及外部工具的流程。通过它,我们可以快速创建符合模型上下文协议(MCP,Model Context Protocol)标准的 Client 与 Server,使得大模型能够主动或被动地调用各种资源与工具,从而大幅提升 AI 应用的能力(DeepSeek, 腾讯云)。MCP 将 AI 模型、客户端和服务器抽象成三层架构:

  • 客户端(Client):运行在应用方,承担与 LLM 的交互,将用户输入转换为 MCP 请求;
  • 服务器(Server):作为中间层,接收 MCP 请求并调用后端资源或功能;
  • 资源(Resource):包括数据库、外部 API、业务逻辑等实际可被调用的能力(博客园, 博客园)。

下面我们以 Spring AI MCP 为基础,从环境准备、项目依赖、代码示例和流程图解,详细讲解如何构建一个简单的 MCP Client-Server 架构,并为你提供可复制的代码示例,助你快速上手。


二、环境准备与依赖

1. 系统要求

  • Java 17+,Maven 3.6+;
  • 操作系统:Linux、macOS 或 Windows(需安装 JDK);
  • IDE:IntelliJ IDEA、Eclipse 等。

2. 添加 Maven 依赖

在 Client 与 Server 项目中,我们分别引入 Spring Boot 与 Spring AI MCP Starter。以下是两个项目的 pom.xml 关键片段:

2.1 MCP Server pom.xml

<properties>
    <java.version>17</java.version>
    <spring-boot.version>3.4.3</spring-boot.version>
    <spring-ai.version>1.0.0-M6</spring-ai.version>
</properties>

<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>${spring-ai.version}</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

<dependencies>
    <!-- Spring Boot 核心依赖 -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    <!-- MCP Server Starter(基于 WebMVC) -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-mcp-server-webmvc-spring-boot-starter</artifactId>
    </dependency>
    <!-- Lombok 简化 Getter/Setter(可选) -->
    <dependency>
        <groupId>org.projectlombok</groupId>
        <artifactId>lombok</artifactId>
        <optional>true</optional>
    </dependency>
    <!-- 测试依赖 -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-test</artifactId>
        <scope>test</scope>
    </dependency>
    <!-- 辅助库(如 Hutool,可根据需要添加) -->
    <dependency>
        <groupId>cn.hutool</groupId>
        <artifactId>hutool-all</artifactId>
        <version>5.8.36</version>
    </dependency>
</dependencies>
  • spring-ai-mcp-server-webmvc-spring-boot-starter 提供了服务器端自动配置与 MCP 协议接口(博客园, DeepSeek);
  • spring-ai-bom 负责统一管理 Spring AI 相关依赖的版本。

2.2 MCP Client pom.xml

<properties>
    <java.version>17</java.version>
    <spring-boot.version>3.4.3</spring-boot.version>
    <spring-ai.version>1.0.0-M6</spring-ai.version>
</properties>

<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>${spring-ai.version}</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

<dependencies>
    <!-- Spring Boot 核心依赖 -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    <!-- MCP Client Starter -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-mcp-client-spring-boot-starter</artifactId>
    </dependency>
    <!-- 如果需要使用 WebFlux,可引入 reactive 依赖 -->
    <!-- <dependency> -->
    <!--     <groupId>org.springframework.boot</groupId> -->
    <!--     <artifactId>spring-boot-starter-webflux</artifactId> -->
    <!-- </dependency> -->
    <!-- Lombok、测试类等按需添加 -->
</dependencies>
  • spring-ai-mcp-client-spring-boot-starter 提供了客户端自动配置、MCP 请求发送与封装框架(Home, 腾讯云);
  • 两个项目都可以选择引入 WebFlux Starter 来实现异步通信,但本文以 WebMVC 为主。

三、MCP 架构与流程图解

在实际开发中,MCP 架构可以抽象为如下三层关系图:

+------------------+       +--------------------+       +-------------------+
|                  |       |                    |       |                   |
|   AI 大模型      | <---> |  MCP Client (前端) | <---> | MCP Server (后端) |
| (DeepSeek/ChatGPT)|       |                    |       |                   |
+------------------+       +--------------------+       +-------------------+
                                     |                        |
                                     v                        v
                           +------------------+       +-------------------+
                           | 数据库/文件/API   |       | 外部服务/其他工具  |
                           +------------------+       +-------------------+
  1. AI 大模型:通常部署在第三方平台(如 OpenAI、DeepSeek、ChatGPT 等),负责自然语言理解与生成。
  2. MCP Client:作为模型的前置代理,接收来自前端/用户的指令,转换为 MCP 标准请求(JSON-RPC 2.0),并与 MCP Server 通信。
  3. MCP Server:接收 MCP Client 发送的请求,根据请求的“能力”( Capability )调用本地资源(如数据库、文件、API 等),并将执行结果返回给 Client。
  4. Resource(资源层):包含存储、业务系统、工具函数等实际可被调用的内容。

整体流程如下:

  1. 用户发起问题(如“查询订单状态”)→
  2. AI 模型生成一段指令(如 {"capability": "order.query", "params": {...}})→
  3. MCP Client 将该指令封装为 JSON-RPC 请求,通过 STDIO、HTTP 等协议发送给 MCP Server→
  4. MCP Server 根据 capability 调用对应的业务逻辑(如从数据库中查询订单),获取结果→
  5. MCP Server 将结果以 JSON-RPC 响应形式返回给 Client→
  6. MCP Client 将调用结果拼接回大模型的上下文,让 AI 模型基于最新信息生成最终回答(博客园, 维基百科)。

四、实现 MCP Server

下面以一个简单的“订单查询”服务为例,演示如何使用 Spring AI MCP Server 构建后端能力提供方。

1. 项目结构概览

mcp-server/
├─ src/
│  ├─ main/
│  │  ├─ java/
│  │  │   └─ com.example.mcpserver/
│  │  │        ├─ McpServerApplication.java      // Spring Boot 启动类
│  │  │        ├─ controller/
│  │  │        │   └─ OrderCapabilityController.java  // MCP 能力控制器
│  │  │        ├─ service/
│  │  │        │   └─ OrderService.java          // 订单业务逻辑
│  │  │        └─ model/
│  │  │            └─ Order.java                 // 订单领域模型
│  │  └─ resources/
│  │      ├─ application.yml                    // 配置文件
│  │      └─ data/
│  │          └─ orders.json                    // 模拟数据库:订单数据
└─ pom.xml

2. 配置文件(application.yml

spring:
  application:
    name: mcp-server
  ai:
    mcp:
      server:
        enabled: true              # 启用 MCP Server 自动配置
        transports:
          - name: default
            protocol: http        # 使用 HTTP 协议
            options:
              port: 8081          # Server 监听端口
  • spring.ai.mcp.server.enabled: true:开启 MCP Server 自动化配置(博客园, DeepSeek);
  • transports 可配置多种传输协议,此处使用 HTTP,监听 8081 端口。

3. 启动类(McpServerApplication.java

package com.example.mcpserver;

import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;

@SpringBootApplication
public class McpServerApplication {
    public static void main(String[] args) {
        SpringApplication.run(McpServerApplication.class, args);
    }
}
  • 标准 Spring Boot 启动类,无需额外配置,Spring AI MCP Server Starter 会根据 application.yml 自动注册 MCP Server 对应的 JSON-RPC Endpoint。

4. 领域模型(Order.java

package com.example.mcpserver.model;

import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;

@Data
@AllArgsConstructor
@NoArgsConstructor
public class Order {
    private String orderId;
    private String productName;
    private Double amount;
    private String status;
}
  • 简单的订单实体,包含订单号、商品名、金额与状态字段。

5. 业务逻辑(OrderService.java

package com.example.mcpserver.service;

import com.example.mcpserver.model.Order;
import org.springframework.stereotype.Service;

import javax.annotation.PostConstruct;
import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;

import com.fasterxml.jackson.core.type.TypeReference;
import com.fasterxml.jackson.databind.ObjectMapper;

@Service
public class OrderService {

    private Map<String, Order> orderMap;

    @PostConstruct
    public void init() throws IOException {
        // 从 resources/data/orders.json 读取模拟订单数据
        String json = new String(Files.readAllBytes(Paths.get(
            getClass().getClassLoader().getResource("data/orders.json").toURI())));
        List<Order> orders = new ObjectMapper().readValue(json, new TypeReference<List<Order>>() {});
        orderMap = orders.stream().collect(Collectors.toMap(Order::getOrderId, o -> o));
    }

    public Order queryById(String orderId) {
        return orderMap.get(orderId);
    }
}
  • @PostConstruct 注解表示在 Bean 初始化完成后,读取本地 JSON 模拟数据,构建 orderMap
  • queryById 方法根据订单号查询订单。

6. MCP 能力控制器(OrderCapabilityController.java

package com.example.mcpserver.controller;

import com.example.mcpserver.model.Order;
import com.example.mcpserver.service.OrderService;
import org.springframework.ai.mcp.server.annotation.McpCapability;
import org.springframework.ai.mcp.server.annotation.McpController;
import org.springframework.ai.mcp.server.model.McpRequest;
import org.springframework.ai.mcp.server.model.McpResponse;
import org.springframework.beans.factory.annotation.Autowired;

import java.util.HashMap;
import java.util.Map;

@McpController
public class OrderCapabilityController {

    @Autowired
    private OrderService orderService;

    /**
     * 接收能力请求:capability = "order.query"
     * 请求 params 示例:{"orderId":"12345"}
     */
    @McpCapability(name = "order.query")
    public McpResponse queryOrder(McpRequest request) {
        // 从请求中解析参数
        String orderId = request.getParams().get("orderId").toString();
        Order order = orderService.queryById(orderId);

        Map<String, Object> result = new HashMap<>();
        if (order != null) {
            result.put("orderId", order.getOrderId());
            result.put("productName", order.getProductName());
            result.put("amount", order.getAmount());
            result.put("status", order.getStatus());
        } else {
            result.put("error", "Order not found");
        }

        // 返回 MCP 响应
        return McpResponse.success(result);
    }
}
  • @McpController 标注该类为 MCP Server 控制器;
  • @McpCapability(name = "order.query") 表示此方法映射到能力名称 order.query
  • 方法入参 McpRequest 自动封装 JSON-RPC 中的 params
  • 返回值 McpResponse.success(...) 会被序列化为符合 MCP 约定的 JSON-RPC 响应体(博客园, 知乎专栏)。

7. 模拟订单数据(orders.json

将以下内容放入 src/main/resources/data/orders.json

[
  {
    "orderId": "10001",
    "productName": "无线鼠标",
    "amount": 29.99,
    "status": "已发货"
  },
  {
    "orderId": "10002",
    "productName": "机械键盘",
    "amount": 89.50,
    "status": "待发货"
  }
]
  • 该 JSON 列表模拟两个订单,实际项目可替换为数据库或外部 API。

五、实现 MCP Client

MCP Client 负责向 MCP Server 发送请求,并将服务器返回的结果拼接回 AI 模型上下文。下面以向上文 Server 查询订单为例,演示 Client 端如何配置与调用。

1. 项目结构概览

mcp-client/
├─ src/
│  ├─ main/
│  │  ├─ java/
│  │  │   └─ com.example.mcpclient/
│  │  │        ├─ McpClientApplication.java         // Spring Boot 启动类
│  │  │        ├─ service/
│  │  │        │   └─ OrderQueryService.java         // 订单查询服务
│  │  │        └─ controller/
│  │  │            └─ ClientController.java          // 简易 Rest 接口
│  │  └─ resources/
│  │      └─ application.yml                        // 配置文件
└─ pom.xml

2. 配置文件(application.yml

spring:
  application:
    name: mcp-client
  ai:
    mcp:
      client:
        enabled: true
        transports:
          - name: default
            protocol: http      # 使用 HTTP 协议
            options:
              url: http://localhost:8081/mcp       # 指向 MCP Server 地址
  • spring.ai.mcp.client.enabled: true:开启 MCP Client 自动化配置;
  • transports[0].protocol: httpurl 指定服务端的 MCP Endpoint(注意:默认路径为 /mcp),所以完整地址为 http://localhost:8081/mcp(Home, 腾讯云)。

3. 启动类(McpClientApplication.java

package com.example.mcpclient;

import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;

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

4. 订单查询服务(OrderQueryService.java

package com.example.mcpclient.service;

import org.springframework.ai.mcp.client.McpClient;
import org.springframework.ai.mcp.client.model.McpClientRequest;
import org.springframework.ai.mcp.client.model.McpClientResponse;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

import java.util.HashMap;
import java.util.Map;

@Service
public class OrderQueryService {

    @Autowired
    private McpClient mcpClient;

    /**
     * 调用 MCP Server 的 "order.query" 能力
     * @param orderId 订单号
     * @return 查询结果 Map
     */
    public Map<String, Object> queryOrder(String orderId) {
        // 构建 MCP 客户端请求
        McpClientRequest request = McpClientRequest.builder()
                .capability("order.query")
                .params(Map.of("orderId", orderId))
                .build();

        // 同步调用 MCP Server
        McpClientResponse response = mcpClient.call(request);
        if (response.isSuccess()) {
            return response.getResult();
        } else {
            return Map.of("error", response.getError().getMessage());
        }
    }
}
  • @Autowired private McpClient mcpClient;:由 Spring AI 自动注入,封装了发送 JSON-RPC 调用的细节;
  • 使用 McpClientRequest.builder(),指定 capabilityparams,等价于 JSON-RPC 请求中 methodparams 字段;
  • mcpClient.call(request) 会将请求通过 HTTP POST 发送到服务器,等待同步返回;
  • McpClientResponse 进行 isSuccess() 判断后,获取结果或错误消息(Home, 腾讯云)。

5. 简易 Rest 接口(ClientController.java

package com.example.mcpclient.controller;

import com.example.mcpclient.service.OrderQueryService;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.*;

import java.util.Map;

@RestController
@RequestMapping("/api")
public class ClientController {

    @Autowired
    private OrderQueryService orderQueryService;

    /**
     * HTTP GET 接口:/api/order/{id}
     * 示例请求:GET http://localhost:8080/api/order/10001
     */
    @GetMapping("/order/{id}")
    public Map<String, Object> getOrder(@PathVariable("id") String orderId) {
        return orderQueryService.queryOrder(orderId);
    }
}
  • 通过 /api/order/{id} 暴露一个简单的 HTTP 接口,供前端或调用方进行测试;
  • 当收到请求后,Service 会再调用 MCP Client,将请求转发至 MCP Server,并将最终结果以 JSON 返回给前端。

六、端到端调用流程

下面我们通过一个简化的流程图来说明从 Client 到 Server 的调用步骤:

+-------------+         HTTP POST Index        +-------------+
|  REST 前端   |  GET /api/order/10001         | MCP Client  |
| (浏览器/Postman)| ------------------------> | (Spring Boot)|
+-------------+                              +-------------+
        |                                           |
        |   内部调用:                                |
        |   mcpClient.call({                         |
        |     "method": "order.query",              |
        |     "params": { "orderId": "10001" }       |
        |   })                                       |
        v                                           v
+-------------+      HTTP POST JSON-RPC          +-------------+
|             | <-------------------------------- | MCP Server  |
|             |    {"jsonrpc":"2.0",              | (Spring Boot)|
|             |     "method":"order.query",       +-------------+
|             |     "params":{"orderId":"10001"},     |
|   网页/API   |     "id":1}                     |
+-------------+                                   |
                                                   | 调用 OrderService.queryById("10001")
                                                   v
                                                +-------------+
                                                |  订单数据层   |
                                                +-------------+
                                                   |
                                                   v
                                     返回结果: {orderId, productName, amount, status}
                                                   |
                      JSON-RPC 响应: {"jsonrpc":"2.0","result":{...},"id":1}
                                                   |
                                                   v
+-------------+    HTTP 响应: {...}               +-------------+
| 前端客户端  | <--------------------------------  | MCP Client  |
+-------------+                                  +-------------+
  1. 前端(或 Postman、cURL)向 Client 暴露的 /api/order/{id} 发起 GET 请求。
  2. ClientController 调用 OrderQueryService.queryOrder(orderId),该服务通过 McpClient 以 JSON-RPC 方式向服务器发起 HTTP POST 请求(method="order.query"params={"orderId":"10001"})。
  3. MCP Server 将请求路由到 OrderCapabilityController.queryOrder(...),进一步调用 OrderService.queryById(...) 查询数据,并将结果封装到 McpResponse.success(result)
  4. MCP Server 返回 JSON-RPC 响应体,Client 将结果解析并返回给前端。

七、图示说明

为进一步帮助理解架构,以下是关键流程的简要示意图(采用 ASCII 形式):

┌─────────────────────────────────────────────────────────────────┐
│                           前端浏览器                             │
│  GET http://localhost:8080/api/order/10001                       │
└─────────────────────────────────────────────────────────────────┘
                                  │
                                  ▼
┌─────────────────────────────────────────────────────────────────┐
│                       MCP Client(Spring Boot)                  │
│  ┌─────────────────────────────────────────────────────────────┐  │
│  │  @RestController                                          │  │
│  │  public Map<String,Object> getOrder(id) {                  │  │
│  │      return orderQueryService.queryOrder(id);              │  │
│  │  }                                                         │  │
│  │                                                             │  │
│  │  // 通过 McpClient 调用服务器                                   │  │
│  │  McpClientRequest req = McpClientRequest.builder()         │  │
│  │      .capability("order.query")                             │  │
│  │      .params(Map.of("orderId", id))                         │  │
│  │      .build();                                              │  │
│  │  McpClientResponse resp = mcpClient.call(req);              │  │
│  │  return resp.getResult();                                   │  │
│  │                                                             │  │
│  │  Spring.ai.mcp.client 自动配置                               │  │
│  │  URL = http://localhost:8081/mcp                             │  │
│  └─────────────────────────────────────────────────────────────┘  │
└─────────────────────────────────────────────────────────────────┘
                                  │ HTTP POST JSON-RPC
                                  ▼
┌─────────────────────────────────────────────────────────────────┐
│                       MCP Server(Spring Boot)                  │
│  ┌─────────────────────────────────────────────────────────────┐  │
│  │  @McpController                                            │  │
│  │  public McpResponse queryOrder(McpRequest req) {            │  │
│  │      String orderId = req.getParams().get("orderId");      │  │
│  │      Order o = orderService.queryById(orderId);            │  │
│  │      return McpResponse.success(Map.of(                    │  │
│  │           "orderId", o.getOrderId(),                        │  │
│  │           "productName", o.getProductName(),                │  │
│  │           "amount", o.getAmount(),                          │  │
│  │           "status", o.getStatus()                           │  │
│  │      ));                                                    │  │
│  │  }                                                          │  │
│  │                                                             │  │
│  │  Spring.ai.mcp.server 自动配置                               │  │
│  │  Endpoint = /mcp                                            │  │
│  └─────────────────────────────────────────────────────────────┘  │
└─────────────────────────────────────────────────────────────────┘
                                  │ JSON-RPC 响应
                                  ▼
┌─────────────────────────────────────────────────────────────────┐
│                           MCP Client                            │
│  // 解析 McpClientResponse 并返回前端结果                         │
└─────────────────────────────────────────────────────────────────┘
                                  │
                                  ▼
┌─────────────────────────────────────────────────────────────────┐
│                            前端浏览器                            │
│  // 浏览器接收到最终结果并展示                                     │
└─────────────────────────────────────────────────────────────────┘

八、常见问题与优化技巧

  1. 协议选择:STDIO vs HTTP vs SSE

    • STDIO:适用于本地命令行或单机部署,可靠但只能单机调用,不支持跨网络访问(CSDN, 博客园)。
    • HTTP(本文示例):最常用,支持分布式部署,通过标准 REST 端点传输 JSON-RPC。
    • SSE(Server-Sent Events):适用于服务器主动推送场景,能实现服务器向客户端的异步推送。
  2. 并发与性能

    • Spring WebMVC 默认采用 Tomcat 容器,典型并发性能可满足大多数场景。若需更高吞吐量,可使用 WebFlux(Reactor Netty)实现异步非阻塞。
    • 可以为 McpClient 配置连接池、超时、重试策略等,以保证客户端调用的稳定性与高可用。
  3. 安全与鉴权

    • application.yml 中可为 /mcp 端点添加鉴权过滤器,例如 Basic Auth、OAuth2 等。
    • 也可在 @McpCapability 方法中校验 McpRequest 中的身份信息,确保只有授权客户端可以调用敏感能力。
  4. 能力扩展

    • 除了订单查询外,可以再定义 @McpCapability(name="order.create")order.cancel 等方法,Server 端即可对应提供多种功能。
    • Client 侧只需调用不同的 capability,Server 会自动路由至对应方法。
  5. 日志与链路追踪

    • Spring AI 提供了对 MCP 通信流程的拦截器,可以将每次请求与响应记录到日志,方便排查问题。
    • 推荐集成 Zipkin/Jaeger 等分布式追踪组件,流水线中可追踪每一次从 Client → Server → Resource 的调用时间,以便优化。

九、总结与展望

通过本教程,我们完成了以下内容:

  1. 理解 MCP 架构:掌握 MCP 将 AI 模型、客户端与服务器解耦的三层架构思想。
  2. 搭建 MCP Server:利用 Spring AI MCP Server Starter,快速实现能力提供方(订单查询)。
  3. 构建 MCP Client:使用 Spring AI MCP Client Starter,将 AI 模型与后端能力衔接。
  4. 端到端测试:通过前端 HTTP 接口,从浏览器或 Postman 发起调用,完成整个请求链路。

未来,你可以基于本文示例进行以下扩展:

  • 引入 AI 模型:在 Client 端集成 OpenAI、DeepSeek 或自研 LLM,将用户自然语言直接转为 McpClientRequest,实现 AI 推理与工具调用闭环。
  • 复杂业务场景:Server 端可对接数据库、缓存、中间件,甚至调用外部微服务;并配合异步消息队列,实现大规模分布式任务处理。
  • 高级协议特性:使用 SSE 或 WebSocket,构建长连接场景下的实时推送能力(如 AI 生成的中间结果,增量流式返回)。
  • 安全与多租户:结合 Spring Security,为不同租户或用户提供隔离的能力访问,并根据角色控制不同的功能。

希望这篇教程能帮助你快速上手 Spring AI MCP,轻松构建符合模型上下文协议的 Client-Server 架构,释放大模型的全部潜力。如有疑问或深入探讨,欢迎随时交流。祝学习愉快!

java , AI
最后修改于:2025年05月26日 21:14

评论已关闭

推荐阅读

AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日
python之plot()和subplot()画图
2024年11月26日
理解 DALL·E 2、Stable Diffusion 和 Midjourney 工作原理
2024年12月01日