跳转至

python

  • 分类于 python
  • 需要 5 分钟阅读时间

为什么大厂都用 DFA 做敏感词过滤？Python 带你手撸一个！

敏感词过滤，这个看起来“老掉牙”的功能，其实藏着不少算法的门道。
你可能不知道，大厂评论系统、弹幕平台、甚至聊天机器人背后，都在悄悄跑着一台“小型自动机”——DFA。

今天我们就用 Python，带你从最简单的思路出发，一步步搞懂：
为什么大家都爱用 DFA 算法 来做敏感词过滤。

  • 分类于 python
  • 需要 2 分钟阅读时间

Python 玩转 MCP：在工具函数中获取请求 Headers 的正确姿势

一、问题出现：工具函数里怎么拿请求信息？

假设你用 FastMCP 写了一个最简单的工具函数：

1
2
3
4
5
6
7
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("My Server")

@mcp.tool(name="打招呼",description="简单的打招呼")
async def hello() -> str:
    return "hello world"

这个函数很简单，运行也没问题。
但是一旦你想要在函数里获取请求头、用户信息、IP、Token 等信息(一般用于一些权限校验，数据打点等操作)，就会发现：

函数没有直接的 Request 对象！

这时就要用到关键角色 —— ctx: Context

  • 分类于 python
  • 需要 3 分钟阅读时间

一行代码让你的 MCP 支持多机部署

一、SSE 时代的“单机魔咒”

如果你用 Python 开发过 MCP 服务，大概率遇到过这样的场景：服务在本地跑得好好的，一到生产环境就各种幺蛾子。特别是当你想要多机部署时，发现负载均衡器怎么配置都不对劲。

问题根源：SSE 的“粘性会话”魔咒

传统的 SSE（Server-Sent Events）模式有个致命缺陷：需要维护长连接和会话状态。这意味着：

  1. 同一个客户端的请求必须始终路由到同一台服务器
  2. 负载均衡器必须配置复杂的“会话亲和性”规则
  3. 任何一台服务器宕机，正在处理的会话就彻底凉凉
  • 分类于 python
  • 需要 2 分钟阅读时间

再也不用怕 LLM 返回脏 JSON：用 json_repair 一行代码自动修复！

为什么大模型生成的 JSON 需要修复

在使用大语言模型（LLM，例如 GPT 系列）时，我们经常要求模型返回结构化的 JSON 数据，以便程序进一步解析和处理。然而，现实中模型输出的 JSON 往往“不够干净”——可能会在前后多出说明文字、注释、甚至中途缺少引号或逗号，从而导致 json.loads() 报错。

  • 分类于 python
  • 需要 4 分钟阅读时间

告别繁琐解析：用 Pydantic 的 model_validate_json 优雅处理 JSON 数据

前言

在使用 Pydantic 构建 Python 项目时，我们经常需要将 JSON 数据转换为模型实例。传统的方式通常是先用 json.loads() 将字符串解析成字典，再通过 Model(**data) 初始化对象。
而从 Pydantic v2 开始，引入了一个更高效、更简洁的新方法：model_validate_json()。
本文将带你深入理解它的用法、优势、与传统方式的区别，以及如何优雅地处理异常。

  • 分类于 python
  • 需要 5 分钟阅读时间

使用agent-chat-ui 调试 langgraph

在之前的文章中，使用langgraph 创建的agent，在进行调试时，都是写 python 代码来自己调用，今天介绍一种更加方便的在线调试langgraph 应用的方案，使用 agent-chat-ui 进行调试。

Agent Chat UI 是一个 Next.js 应用程序，它可以通过聊天界面使用 messages 键与任何 LangGraph 服务器进行聊天。

agent-chat-ui 项目地址 https://github.com/langchain-ai/agent-chat-ui

初始化项目，安装依赖

1
2
3
4
uv init langgraphui --python 3.11
cd langgraphui
uv sync
uv add langgraph-cli[inmem]
  • 分类于 python
  • 需要 3 分钟阅读时间

如何使用uv更新项目依赖

使用uv 管理的python项目，开发了一段时间以后，有很多第三方的依赖有更新了，这时需要更新一下，本文介绍一下如何使用uv 来更新项目依赖。

先安装几个包的老版本

1
2
uv add "fastapi==0.114.2"
uv add "httpx<=0.28.0"

此时 pyproject.toml 中的配置信息为 

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
[project]
name = "version-demo"
version = "0.1.0"
description = "Add your description here"
readme = "README.md"
requires-python = ">=3.12"
dependencies = [
    "fastapi==0.114.2",
    "httpx<=0.28.0",
]

[[tool.uv.index]]
url = "https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple"
  • 分类于 python
  • 需要 3 分钟阅读时间

把 openai 的 agents 运行起来可真费劲

最近看各种 agent 框架有点上头，查看openai 自己的agent 框架文档时，觉得好简单，于是就想实践一下，可是真正操作起来却是困难重重。。。

下面记录一下遇到的各种问题。

  • 分类于 python
  • 需要 2 分钟阅读时间

pip install fastapi[standard] 中的 "[standard] " 是什么东西？

我们在python 中安装第三方包的时候经常使用 pip 安装 常见的命令有 

1
2
pip install requests
pip install httpx

但是你应该也见过下面这样的命令

image.png

这个是fastapi 官方文档首页提示的安装命令，你是否会好奇，这里为什么会有个 [standard]？ 它和直接安装 pip install fastapi 有什么区别？

类似的还有 

1
2
pip insall mcp[cli]
pip install crewai_tool[mcp]

使用 uv 也可以这样

1
2
uv add mcp[cli]
uv add crewai_tool[mcp]

接下来让我们一起看一下这个中括号是什么东西。

  • 分类于 python
  • 需要 4 分钟阅读时间

为你的mcp server 添加认证功能

使用 python 开发mcp server 非常简单，但是官方文档对于在sse 或者 streamable 服务里如何添加认证写的很不清晰，我们可以非常快速的开发一个mcp server 

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
from mcp.server.fastmcp import FastMCP
import datetime

mcp = FastMCP("simple-mcp-server")

@mcp.tool(name="获取当前时间", description="获取当前时间")
async def get_current_time() -> str:
    return datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")


def run():
    mcp.run(transport="sse")

if __name__ == "__main__":
    run()

以上是一个获取当前时间的mcp server ，很简单，只作为演示，但是如果我们不想让所有人都可以访问，需要添加一些认证信息，目前来讲，由于FastMCP 封装的太高级了，不太好添加，官方有提供基于 OAuth 的认证方式，但是有点复杂，我还没有测试成功过，本文介绍一种简单的在header 中添加认证信息。

这里分别演示 SSE 和 streamable 两种类型如何改造，原理差不太多， 通过创建一个自定义的中间件，在请求处理之前获取一下header 中的 Authorization 参数。