作者对持续关注人工智能感到日益疲惫,尽管承认其益处并每天使用它。虽然人工智能极大地提高了他们的生产力,但像Hacker News和Kagi Small Web这样的在线技术社区现在充斥着关于人工智能工具的讨论,而不是这些工具所赋能的项目。 这感觉像是从之前关注“产品工程”——交付价值——退化到痴迷于工具本身,就像木匠只讨论锤子一样。作者注意到一个令人担忧的趋势,即管理层现在关注开发者*如何*使用人工智能(衡量token使用量),而不是他们*取得的*结果,这与过去无生产力的指标(如代码行数)如出一辙。 最终,作者呼吁回归分享令人兴奋的创作和解决问题,记住技术的目的是交付价值,而不仅仅是优化工具。 这是一种对围绕人工智能讨论的回音室的自我意识的哀叹。
## 从画廊灯光到国家电网:英国电力发展史
英国电力网络的故事始于1883年,考茨·林赛爵士为了给他的艺术画廊供电,避免使用煤气灯,安装了一个发电机,并开始向邻居供应多余的电力——于1887年成立了伦敦电力供应公司。这项开创性的努力,以及爱迪生珍珠街电站等类似举措,迅速暴露了一个分散、以地方为中心的市场的混乱局面。
早期的电力发展受到成本超支、技术挑战和缺乏标准化等问题的困扰——许多公司使用不同的电压和电流(交流电 vs. 直流电)。第一次世界大战暴露了该系统的局限性,促使人们呼吁建立一个国家电网。尽管存在阻力,1919年的《电力(供应)法案》启动了区域互联。
真正的突破出现在1933年国家电网的建立,这是一个同步交流系统,尽管规划存在障碍,但仍然得以建成。20世纪50年代和60年代进一步扩建的“超级电网”改善了输电。1947年的国有化简化了发电,但1989年的私有化重新引入了竞争市场。
如今,英国正在回归一种具有私有制背景的国家运营模式,这反映了20世纪初的情况,突显了在效率、投资和可靠电力供应之间取得平衡的持续挑战。
## FastMCP:简化模型上下文协议 (MCP) 应用
FastMCP 是构建基于模型上下文协议 (MCP) 应用的首选框架,该协议将大型语言模型 (LLM) 连接到工具和数据。它通过自动化模式生成、验证和协议管理,简化了从原型设计到生产的过程。
使用 FastMCP,开发者只需将工具定义为 Python 函数,框架即可处理 MCP 实现的复杂性。它提供三个核心组件:**服务器** 用于暴露工具,**应用** 用于交互式用户界面,以及 **客户端** 用于连接到任何 MCP 服务器。
FastMCP 被广泛采用,据估计驱动了 70% 的 MCP 服务器,并拥有数百万的每日下载量。它现在已集成到官方 MCP Python SDK 中,并由 Prefect 积极维护,Prefect 还通过 Prefect Horizon 提供免费托管。文档易于获取,提供 LLM 友好的格式,包括通过 MCP 本身直接访问,从而易于构建和部署强大的 LLM 集成应用。