超越Windsurf+Cursor!重磅更新!Cline+Gemini 2.0輕鬆實現零代碼開發MCP Server!打造最強Claude AI Agent!LangFlow為Claude實現RAG!

9 次觀看·2024年12月14日 #cline #claude #mcp 🔥🔥🔥视频简介:
✅Claude桌面版进化:再也不用写代码!用cline一键开发Claude MCP工具,整合LangFlow实现文档智能检索,小白也能轻松上手!让AI理解PDF、回答新闻、查天气!
✅本期视频详细展示了如何在不写一行代码的情况下,使用Cline 插件开发Claude MCP Server。具体内容包括:
1️⃣使用Cline插件的最新版开发MCP Server,无需编写代码。最新版Cline支持谷歌最新的大语言模型Gemini 2.0。
2️⃣演示了用Cline开发一个能查询天气预报的MCP Server,并在Claude的桌面版中测试。
3️⃣演示了用Cline开发一个带网络搜索功能的MCP Server,使用Serp API来搜索新闻。通过编写提示词实现,全程无需编写代码。
4️⃣演示了用Cline开发一个能调用LangFlow实现检索增强生成的MCP Server。在LangFlow中建立工作流,使用FAISS向量数据库和Nvidia提供的嵌入模型。然后通过编写提示词在Cline中实现与LangFlow的对接。
5️⃣通过这些案例,展示了利用Cline插件,哪怕是不懂编程的小白,也能轻松开发出功能强大的MCP Server,大大提高文件检索效率和处理能力。而这一切都是通过编写提示词实现的,全程不需要编写代码。
🚀本期视频所关联的视频:
🟢MCP Server ➡️ https://youtu.be/KbgDABTSV9I
🟢LangFLow ➡️ https://youtu.be/W47CE2qi4V4
🟢Cline ➡️ https://youtu.be/7Y8Q5IcOey8
🟢Gemini2.0 ➡️ https://youtu.be/V5M7V2ByZhA
👉👉👉视频中所用到的代码 https://blog.stoeng.site/20241214.html
👉👉👉我的开源项目 https://github.com/win4r/AISuperDomain
👉👉👉请我喝咖啡 https://ko-fi.com/aila
🔥🔥🔥YouTube时间戳:
0:00 介绍最新版cline编程插件及支持的功能
0:18 新增对Gemini 2.0 Flash模型的支持
0:47 演示使用Gemini搭建天气查询MCP Server
1:45 从0开发MCP Server概述
2:56 准备工作:安装cline和设置API key
3:19 在cline中配置MCP Server
3:43 演示已开发的MCP Server示例
3:58 开始演示开发Google新闻搜索MCP Server
4:24 构建提示词过程
5:08 配置和部署MCP Server
6:20 测试新闻搜索功能
6:56 将MCP Server添加到Claude桌面版
7:01 在Claude中测试新闻搜索功能
7:49 演示LangFlow检索增强生成整合
8:02 配置LangFlow工作流
9:19 设置检索工作流
10:16 测试检索功能
10:24 获取API接口信息
11:11 构建MCP Server提示词
11:38 在cline中开发和测试
12:06 在Claude桌面版中进行最终测试
12:58 总结视频内容和代码获取方式
#cline #claude #mcp #windsurf #cursor #gemini #langflow #rag #agi #anthropic #google #aiagents #ai #aicoding #aiprogramming
歡迎來到AI超源域最強編程插件KLAN
昨天發佈了最新版
最新版加入了對cloud mcp server的支持
也就是我們不需要寫一行代碼
就能開發自己的mcp server
而且最新版也支持了谷歌的最新的大模型
也就是Gemini 2.0 Flash EXP這個模型
像這樣的話
我們就可以免費調用谷歌提供的API
使用Gemini Flash 2.0這個模型
在KLAN中來開發自己的mcp server
因爲cloud發佈了mcp協議之後
很多不懂編程的用戶
很難開發自己的mcp server
但是現在有了KLAN的最新版
哪怕不懂編程的小白
也能開發自己的mcp server
也就是在完全不需要寫代碼的情況下
就能開發出自己的mcp server
而且我用KLAN調用Gemini Flash 2.0模型
實現了一個能夠查詢天氣預報的mcp server
而且我們可以在cloud的桌面版中測試一下
在cloud的桌面版中
我們直接在輸入框輸入紐約現在的天氣
然後我們直接發送
現在他正在查詢
我們要稍等一下
好
我們這裏點擊允許
這樣的話
他就能夠調用天氣預報的接口
然後來查詢我們所輸入地區的天氣
這裏就是他查詢到的紐約的這個當前的天氣
然後我們點擊這裏展開
就可以看到他調用的這個接口的信息
而且這個查詢天氣預報的mcp server
我們沒有寫一行代碼
我們可以打開這個項目的文件夾看一下
然後這裏就完全都是由client自行開發的
我們可以詳細看一下
然後這裏就是這些代碼文件
我們可以用vs code打開看一下
可以看到這裏面的代碼完全都是由client
來爲我們辨寫的
全程我們不需要寫任何一行代碼
好
本期視頻將會爲大家詳細演示
我們使用client在不寫一行代碼的情況下
從零開發一個mcp server
而且我會在client中演示開發一個帶有網絡搜索功能的mcp server
並且還會爲大家演示
開發一個能夠調用lineflow實現檢索增強生成的mcp server
因爲我們在使用cloud的時候
經常會用到讓cloud幫我們分析pdf文件
或者檢索pdf文件裏的內容等功能
但是有些pdf文件非常大
或者需要操作的pdf文件非常多
或者需要對pdf文件建立持久的檢索功能
在這種情況下
我們需要將pdf寫入到項量數據庫中
但是將pdf文件存入到項量數據庫中的話
如果不調用cloud api
就無法直接使用cloud來進行檢索
所以在這種情況下
我們可以使用mcp server
在cloud中實現檢索項量數據庫中的內容
並且對檢索到的內容進行分析
優化或者改寫等操作
像client編程插件
還有cloud mcp server
還有lineflow
以及gemini flash 2.0
我都在之前的視頻中爲大家詳細演示過
如果大家對視頻中所用到的一些知識點不熟悉的話
可以查看我之前發佈的視頻
好 視頻的開始
我們要確保已經在vscode中安裝了client
並且確保已經在谷歌的ai studio中獲取到了epik
下面我們需要在client中選中谷歌Gemini
並且填寫好谷歌Gemini的epik
然後模型這裏我們就選擇Gemini 2.0 flash這個版本
這些都設置好之後
我們直接點這個藍色按鈕來保存
現在我們可以看到在新版的client插件中
這裏新增了mcp server的這個圖標
我們點擊之後這裏就可以來設置mcp server
而且這裏會顯示我使用client開發的三個mcp server
其中第一個就是播放音樂的mcp server
第二個就是進行網絡搜索的mcp server
第三個就是查詢天氣預報的mcp server
也就是我們剛纔用來搜索紐約天氣預報的這個mcp server
好 下面爲大家詳細演示
我們開發一個能夠通過SERP API來搜索谷歌新聞的一個mcp server
這裏我們需要使用SERP API它提供的這個搜索藉口
在它提供的這個藉口文檔中
這裏有谷歌新聞的這個API
在這個文檔中它這裏給出了請求的事例
而且還給出了這些響應的格式
有了這些請求事例還有響應的格式
下面我們就可以將請求的事例還有響應的格式來發送給client
然後讓client爲我們實現這個mcp server
下面我們就可以看一下我構建的這個提示詞
然後我構建的這個提示詞非常簡單
我們將它的請求的這個方式還有響應的這個格式
都構建在了這個提示詞裏
我們可以看一下這個提示詞的格式
添加一個工具
然後這個工具能夠從SERP API來搜索谷歌新聞
下面這裏就是我們告訴它
下面就是這個請求的方式還有響應的格式
然後這個請求方式我們就是複製的官方文檔中
它給出的這個請求方式
然後這個響應格式我們也是直接複製的
官方文檔中給出的這個響應格式
這樣的話這個提示詞構建好之後
我們直接複製這個提示詞
然後我們需要回到client
然後將這個完整的提示詞粘貼在底部的這個輸入框
然後直接發送
這樣的話就可以看到它開始請求這個谷歌API的這個接口了
這裏它提示需要運行這個命令
然後我們直接點擊運行
在這個終端命令這裏
我們需要給這個mcp server設置一個名稱
然後它這裏給了我們一個建議的名稱
我們就直接用它默認的這個名稱
第二個就是關於這個server的描述
然後我們直接默認
第三個就是是否將這個server安裝到cloud的這個桌面版
我們這裏輸入是
然後直接確定
這樣的話它開始執行
然後這裏提示我們運行這個命令
然後我們直接點擊這個藍色的按鈕
可以看到這裏它正在終端來執行這些命令
這裏我們要稍等一下
可以看到它這裏正在請求API
現在它開始構建這個項目的這些代碼
這裏它提示是否保存
然後我們點擊保存
這裏它提示要運行這個命令
然後我們點擊運行
這裏它提示需要support API的API key
這樣的話我們回到support API
然後複製我們的API key
然後將我們的API key粘貼發送給cloud
可以看到它將我們的這個API key
添加到了這個配置文件裏
這裏提示這個任務已經完成
然後我們可以直接在cloud中來測試一下
我們直接在輸入框輸入搜索最近的AI新聞
然後我們直接發送
看一下它能否通過它編寫的這個mcp server
爲我們來搜索
現在它正在爲我們搜索
這裏我們要稍等一下
然後這裏它爲我們提取了它搜索到的這些結果
可以看到這是它通過sup API
爲我們搜索到的關於AI方面的最新的新聞
但是現在這個知識新聞搜索的mcp server
我們還只能在cloud中來測試
想將這個mcp server添加到cloud的配置中也非常簡單
我們還是隻需要在cloud的輸入框
輸入將這個工具添加到cloud的桌面版的這個應用中
好輸入完成之後我們直接發送
這樣的話克蘭會自動將這些配置文件進行添加
可以看到現在它正在爲我們修改這個cloud的配置文件
這樣的話它已經爲我們添加好了我們直接保存
這裏它顯示這個任務已經完成
下面我們重新打開一下cloud的桌面版
好這裏我們重新打開了cloud的桌面版
然後我們在輸入框輸入提示詞
搜索最新的這些AI新聞
然後我們直接發送
好這裏它其實要調用這個插件
好這裏它正在執行搜索
好這裏它搜索到了結果
並且爲我們做了一些提取和總結
好下面我們可以直接點擊這裏
然後再點擊這個展開
就可以查看它通過SERP API搜索的這些新聞的原始結果
這樣的話我們就輕鬆使用克蘭
來開發了一個能夠通過SERP API接口
來搜索新聞的一個mcp server
而且我們在cloud的桌面版中測試的都一切正常
這樣的話我們全程沒有寫一行代碼
我們只用了提示詞
然後克蘭就爲我們開發了一個支持新聞搜索的mcp server
下面再爲大家演示另一個案例
這個案例就是通過mcp server
來實現在cloud的桌面版中
來調用lanflow中我們創建好的這些限量數據庫
並且實現檢索增強生成
下面我們直接在lanflow中點擊這個創建工作流
再點擊這個限量存儲
這樣的話它會爲我們自動生成一個
支持檢索增強的一個工作流
下面我們需要對這個工作流稍微修改一下
它這裏默認的是openai的嵌入模型
然後我們可以直接刪掉這個嵌入模型
在左側嵌入模型這裏
我們可以選擇一個其他的嵌入模型
然後我這裏選擇英偉達提供的這個嵌入模型
在模型這裏我們選擇一個比較好用的嵌入模型
我們選這個bge
然後我們將這兩個進行連接
然後在這裏我們輸入英偉達它提供的apk
然後在文件路徑這裏
我們選擇一個需要寫入到限量數據庫中的文件
爲了節省時間
我這裏就選一個txt的文件
用於快速演示
下面我們再看一下這個限量存儲的數據庫
我們直接刪掉這個默認的這個數據庫
然後在限量存儲這裏
我們選擇這個face限量存儲
選好之後我們將這些建立連接
然後在這個存儲路徑這裏
我們隨便給它填一個路徑
這樣的話這個創建縮影的這個簡單工作流
就已經設置好了
然後下面我們直接點擊這個face
這個模塊這裏的這個執行按鈕
來執行這個縮影就可以了
當縮影建立好之後
下面我們就可以來設置一下
這個檢索的這個工作流了
然後檢索工作流
這裏也是默認的openai的嵌入模型
我們直接給它刪掉
刪除之後
我們將英偉達的這個嵌入模型粘貼在這個位置
然後這裏我們進行連接
這裏我們還是選擇這個bge這個嵌入模型
這個默認的限量數據庫
我們還是給它刪掉
然後複製我們這個face限量數據庫
然後粘貼
然後我們再進行連接
然後我們將默認的這個給它刪掉
我們從語言模型這裏
還是選擇英偉達的這個模型
因爲英偉達的API可以免費調用
選好之後我們先連接
連接好之後
這裏我們輸入英偉達它提供的API key
然後這裏我們選擇一個語言模型
這裏我就選擇浪馬3.1 70P
這樣的話這個檢索的工作流也已經配置好了
這樣的話我們就可以來測試一下這個檢索的效果
我們直接點擊右上方的playground
點擊之後我們就可以在輸入框
來輸入要檢索的內容
這樣的話我們就可以在這個對話界面
來實現對文件的檢索了
然後下面我們就可以用mcp server來進行對接了
我們需要先關閉這個對話界面
然後點擊右上方這個API這裏
點擊之後這裏就會顯示通過curl請求的這個方式
下面我們就可以測試一下
它給出的這個curl請求的代碼
能否在命令中來進行執行
我們直接打開中斷
將剛纔的命令粘貼在這裏
在提示詞這裏我還是改成了
我們剛纔在對話框中
輸入的這個提示詞
輸入好之後我們直接點擊發送
這是它檢索到的這些內容
然後這些內容是沒有問題的
下面我們就可以構建提示詞了
我們可以看一下我構建的這個提示詞
這裏就是添加這個工具
然後這個工具能夠從這個API裏進行檢索
然後下面這裏就是給它的這個例子
然後這裏就是curl的這個例子
然後這個請求的例子中
就包含我們設置的這個提示詞
然後下面這裏就是這個響應的信息
這個提示詞構建好之後
我們就可以來回到client了
然後我們在client中新建一個對話
然後我們將我們的提示詞完整的複製
然後完整的粘貼在client的這個輸入框
然後我們直接發送
現在它開始請求API
我們要稍等一下
這裏它提示要執行這些命令
我們直接點擊執行
這裏它開始提示這個mcpserver的名字
這裏就是關於這個描述
描述我們直接默認
然後這裏是否添加到cloud的桌面版
那麼這裏是否是
這裏要運行這個命令
我們直接點擊運行
這裏它開始編寫這個代碼
我們要稍等一下
這裏它提示這個任務已經完成
然後下面我們就輸入剛纔的提示詞
來測試一下
我們還是輸入這個提示詞
然後我們直接發送
這裏成功檢索出了這些內容
這個效果還是非常不錯的
下面我們還是用這個提示詞
讓它將這個工具添加到cloud的桌面版中
這裏我們要稍等一下
好 這裏提示這個任務已經完成
然後下面我們就可以重新打開cloud的桌面版
這樣的話我們直接輸入提示詞
然後我們發送
它這裏提示要通過這個req server進行檢索
我們直接點擊確定
好 這裏它已經檢索到了這些內容
它這裏進行了不同的提示詞修改
這樣就能給出更加有效的結果
這裏它將檢索到的內容進行了總結
這裏可以點擊展開
然後再點擊這裏
這裏我們就可以看到它檢索出來的這些內容
這裏也可以點擊展開
這裏我們再繼續展開
這樣的話我們就可以看到
它從文件中檢索到的原始的內容
這樣的話最後這裏
它對檢索到的這些內容做出了一些總結
這樣的話我們就輕鬆使用client
開發了一個能夠在cloud的桌面版中
調用liveflow實現檢索增強生成
這樣的話就能大大增加
我們對文件的檢索效率
以及對文件的處理能力
而且我們還可以將檢索到的這些結果
讓cloud進行修改或者優化
好 本期視頻爲大家詳細演示了
我們在不寫一行代碼的情況下
僅僅通過提示詞就在client中
爲我們實現了mcp server的開發
視頻中所用到的代碼和指令
我都會放在視頻下方的描述欄或者評論區
如果你在視頻下方無法找到的話
說明這不是我的首發平臺
好 本期視頻就做到這裏
歡迎大家點贊關注和轉發
謝謝大家觀看