Je sens qu'avec le développement des outils de programmation AI, ma compréhension des outils MCP évolue également.
Les modes de pensée séquentielle et de gestion des tâches que j'utilisais auparavant ont été remplacés par le mode plan et think harder/ultrathink, avec l'amélioration des capacités de planification et de raisonnement des modèles. Je préfère maintenant accomplir cela à l'intérieur des outils natifs plutôt que de recourir à MC.
Une autre catégorie est les outils d'enrichissement contextuel comme context7 et deepwiki. Pour l'ingénierie contextuelle, j'ai besoin d'une approche plus précise et raffinée, mais ce type de MC ne peut actuellement pas satisfaire cette exigence. Par conséquent, je préfère organiser en profondeur par moi-même plutôt que d'utiliser un MC.
Le processus de整理 du contexte peut s'appuyer sur des outils externes tels que Deep Research et NotebookLM. En dehors du code, il est important de rassembler d'abord un contexte de haute qualité et suffisamment complet.
Il existe également une catégorie d'outils mcp qui peuvent améliorer l'efficacité et la précision des tests, que je recommande, comme playwright mcp.
En résumé, l'outil MCP devrait être considéré comme une extension des capacités de programmation de l'IA, agissant comme des membres, et non comme un renforcement du cerveau.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
Je sens qu'avec le développement des outils de programmation AI, ma compréhension des outils MCP évolue également.
Les modes de pensée séquentielle et de gestion des tâches que j'utilisais auparavant ont été remplacés par le mode plan et think harder/ultrathink, avec l'amélioration des capacités de planification et de raisonnement des modèles. Je préfère maintenant accomplir cela à l'intérieur des outils natifs plutôt que de recourir à MC.
Une autre catégorie est les outils d'enrichissement contextuel comme context7 et deepwiki. Pour l'ingénierie contextuelle, j'ai besoin d'une approche plus précise et raffinée, mais ce type de MC ne peut actuellement pas satisfaire cette exigence. Par conséquent, je préfère organiser en profondeur par moi-même plutôt que d'utiliser un MC.
Le processus de整理 du contexte peut s'appuyer sur des outils externes tels que Deep Research et NotebookLM. En dehors du code, il est important de rassembler d'abord un contexte de haute qualité et suffisamment complet.
Il existe également une catégorie d'outils mcp qui peuvent améliorer l'efficacité et la précision des tests, que je recommande, comme playwright mcp.
En résumé, l'outil MCP devrait être considéré comme une extension des capacités de programmation de l'IA, agissant comme des membres, et non comme un renforcement du cerveau.