腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

Oracle MCP Server 本地部署保姆级教程

Oracle SQLcl 中集成了 MCP Server 并可以本地部署。 SQL> 2、检查 MCP Server 状态当SQLcl MCP服务器成功启动时，它会显示一条包含启动时间戳的确认消息，表明它已准备好接受来自MCP客户端的连接。您可以在终端上验证此消息，以确认服务器是否已就绪。以下是服务器启动时的示例消息： . 五、配置 SQLcl MCP Server 1、点击底部的 Manage MCP Servers 图标 2、在弹出的界面中点击齿轮图标 3、配置 MCP 服务器 点击 Configure MCP Servers 在编辑区可以进行MCP服务器参数配置。配置完成点击 Done。

2025-07-26

5.4K11

标签:

保姆级踩坑 Oracle MCP本地部署测试

到Vscode中点击下图红框，开始配置MCP 配置过程主要是配置路径，确保无误，先执行一下解压的文件（就是文章中一开始让你下载，我放到服务端放错的哪个）windows下用sql.exe。配置的格式这样 { “mcpServers”: { “SQLcl”: { “command”: “D:/instantclient_23_5/sqlcl/bin/sql.exe”, “args”: [ “-mcp

2026-06-25

4510

标签:

PowerBI本地部署服务器

本期呢，白茶决定分享给各位小伙伴们，PowerBI本地服务器的配置与搭建。 [1240] 首先是我们为什么需要学习本地服务器的部署？其次，是技术相对于成熟，本地部署服务器是基于SQL服务，而SQL在中国市场已经运营了很多年，适应了本地市场。这里说一下，因为白茶是为了测试本地部署，所以数据库其他选项没有选取，可以根据个人需求，自行选择。设置混合模式很重要，这样是为了方便后续设定其他用户账号，分布权限使用的。 [1240] 到这里，我们的本地部署服务器基本上就已经完成了。 [strip] 检验我们的服务器是否可以运行。 [1240] 这样的话我们就可以直接在软件中对服务器中的报表进行编辑了。（白茶刚才没有上传文件，所以这里是空的。）至此，本地服务器部署已经完成。 * * * 小伙伴们❤GET了么？

PowerBI丨白茶

2021-09-02

5.5K0

标签:

PowerBI本地部署服务器（二）

白茶之前写过《PowerBI本地部署服务器（一）》，大概是在2019年左右，当时和好多小伙伴承诺过后续会继续填坑，一转眼三年过去了，中间我们都经历太多的事情了，本期呢，白茶决定继续本地部署这个话题。对于很多中小企业来说，由于预算问题和系统架构问题，并不需要微软的其他工具，仅仅是针对BI这块有分析的需求，那么PowerBI报表服务器绝对是一个很好的选择。在这个方案中，我们只需要解决文件夹共享以及报表服务器刷新的问题即可。先来看看本期的案例数据： [1240] 为了便于大家理解，本期的案例数据相对比较简单。 [1240] 在控制面板，我们可以直接选择将其保存到报表服务器。 [1240] [1240] 到这里，报表文件配置完成。注：因为白茶的报表服务器在本机电脑上，因此不需要配置网关。如果Excel文件夹不在服务器电脑上，则需要进行网关配置。配置报表服务器：打开报表服务器的网址。 [1240] 找到刚才上传的报表，选择管理按钮，选择数据源。

PowerBI丨白茶

2022-04-02

3.4K1

标签:

什么是MCP？本地如何开发MCP Server

MCP就是AI大模型的标准化工具箱，大模型可以通过MCP调用外界的AI工具，而AI工具在开发的时候也需要遵循MCP协议。 MCP 允许应用程序以标准化方式为 LLM 提供上下文，将提供上下文的问题与实际的 LLM 交互分开我们本地的数据，例如数据库、github上的代码，需要粘贴给AI工具的对话框中，他们获取到这样的数据 MCP 服务器可以提供三种主要类型的功能：资源：客户端可以读取的类似文件的数据（例如 API 响应或文件内容）工具：可由 LLM 调用的函数提示：预先编写的模板，帮助用户完成特定任务目前在网上已经可以找到各种功能的 MCP server 开发那么，在本地中如何调用MCP，mcp提供了python、java、typescript的SDK，这里我使用 Python 的SDK。 Python SDK 实现了完整的 MCP 规范，可轻松实现以下功能：构建可连接到任何 MCP Server 的 MCP Client 创建公开资源、提示和工具的 MCP Server 使用 stdio

叫我阿柒啊

2025-04-08

12.9K2

标签:

腾讯技术创作特训营S12#AI进化论

Agentic AI基础设施实践经验系列（四）：MCP服务器从本地到云端的部署演进

本文将深入探讨 MCP 协议，MCP 服务器本地部署和云端部署的适用场景和参考架构，以及如何实现云端部署目标。第二部分：部署方案的选择MCP 的部署模式MCP 协议支持两种主要部署模式：本地部署和远程部署，二者核心区别在于 MCP 服务器与客户端是否位于同一环境，适用于不同场景且各有优劣，以下进行详细分析。本地部署绝大多数 MCP 服务器默认支持本地部署，服务器以本地进程或容器形式运行。用户需配置启动命令（如 npx、uv 等包管理器，或 docker 等容器运行时）及对应的启动参数和环境变量。这种自动化工具大幅降低本地到云端的迁移技术门槛，开发者仅需提供 MCP 服务器运行命令和基本部署参数，即可自动完成整个部署流程，特别适合需要迁移大量现有 MCP 服务器的团队，该解决方案可在 GitHub ；成本方面，按需付费模式相比本地部署的固定成本投入更经济高效，尤其适用于使用频率不高的 MCP 服务器。

2025-12-05

1.8K0

标签:

腾讯技术创作特训营S16

【MCP服务】蓝耘元生代 | MCP平台：部署时间服务器MCP，开启大模型交互新体验

该协议是提供了类似于 OpenAPI 的开放标准，定义了一套通用的通信协议、数据格式和规则，可以有简化开发、灵活、实时响应、安全合规、可扩展的特点，它通过相同的协议同时处理本地资源（例如数据库、文件、服务等在这里，用户可以看到多种来自不同供应商的 MCP 服务，涵盖知识与记忆、时间与天气、安全审计等多个类别，如 MCP 时间服务器、MCP 天气服务器、Sentry 监控工具等，部分服务标注“已托管”。图5中展示的是蓝耘元生代 MCP 广场的服务器页面。图5 蓝耘MCP服务器广场四、时间MCP服务器部署教程这里我们选择时间 MCP 服务器介绍相关的部署操作过程。（时间MCP服务器-GitHub）图6 时间MCP服务器部署一个提供时间和时区转换功能的模型上下文协议服务器。五、时间MCP服务器工具详情图7 时间MCP服务器工具详情 1.

2025-07-20

1K0

标签:

springboot项目部署教程【本地+云服务器】

前言 springboot项目部署教程用最简单、暴力的方法完成项目导入。 application.yml文件，与自己数据库一致，点击绿色▶️按钮，运行即可六、浏览器访问 http://localhost:2023 2023为端口号结语以上便是springboot项目部署教程 - http://t.csdn.cn/smVjL 6、待补充-------------------------------------- http://t.csdn.cn/smVjL 备注：如果你的本地已正确部署完成，需要部署到云服务器可联系博主免费部署：wx：mikenote 如果你的项目是SSM，可查看——项目部署教程【本地部署-图文详解】：

2025-08-08

3K0

标签:

DeepSeek 集群服务器无root本地部署指南

DeepSeek集群服务器无root本地部署指南在GPU服务器上从零搭建你的私有AI助手·支持NVIDIA/AMD/Intel随着DeepSeek系列模型的开源，越来越多开发者希望在自己的服务器上部署私有推理服务本文以NVIDIATeslaK80实际部署为例，详细记录从环境准备到API调用的完整流程，并同时给出AMD（ROCm）、Intel（SYCL）等显卡的编译选项，让你无论使用何种硬件，都能轻松拥有自己的DeepSeekAPI 适用读者：有一定Linux基础，拥有普通用户权限（无root），希望在服务器上部署大语言模型并对外提供API服务的开发者。 7️⃣总结通过本文的步骤，你可以在自己的GPU服务器上成功部署DeepSeek模型，并将其封装为OpenAI兼容的API服务，供各类AIAgent调用。现在，你的私有DeepSeek已准备就绪，开始享受更安全、更可控的本地大模型体验吧！

DFT计算杂谈

2026-07-17

4360

标签:

MCP Client 与 Ollama 本地模型

通过真实代码示例、Mermaid 流程图和多维度对比表，展示 MCP v2.0 如何实现与 Ollama 的无缝集成、本地模型的高效管理和混合部署策略，为构建隐私优先、高性能的 AI 工具调用系统提供实战指南网络独立性：不依赖网络连接，适合离线或弱网环境定制化支持：便于部署和使用自定义训练的本地模型随着 Ollama 等本地模型管理工具的兴起，MCP Client 与本地模型的集成成为了 AI 工具调用系统的重要发展方向：支持同时管理和使用多个本地模型混合部署：支持本地模型与云端模型的混合使用性能优化：内置本地模型的性能优化机制隐私保护：确保数据不离开本地环境理解 MCP Client 与 Ollama / 本地模型的集成方案支持无缝切换本地模型和云端模型简化多模型部署和管理新要素 3：Ollama 工具调用支持支持 Ollama 模型的工具调用能力实现与 MCP 协议的无缝对接支持动态能力协商 2.2 本地模型优化机制 **混合部署策略**： - 根据任务类型和优先级选择本地或云端模型 - 实现本地模型和云端模型的无缝切换 - 优化混合部署的成本和性能 ### 5.2 潜在风险与挑战 MCP Client

安全风信子

2026-01-07

1K0

标签: