对抗机器人的战斗:如何保护你的人工智能应用程序(赞助)
现代机器人比以往任何时候都更加智能。它们会执行 JavaScript、存储 Cookie、轮换 IP,甚至利用人工智能破解验证码。随着攻击日益复杂,传统的检测方法已无法可靠地阻止它们。
了解 WorkOS Radar,您的一体化机器人防御解决方案。只需一个 API,即可立即保护您的注册流程,抵御暴力破解攻击、凭证泄露、一次性电子邮件和虚假注册。Radar 使用先进的设备指纹识别技术,阻止机器人程序的入侵,确保真实用户安全登录。
快速实施并按规模构建。
本周的系统设计复习:
-
6分钟讲解API!(YouTube视频)
-
2025 年你可以使用的 12 款 MCP 服务器
-
如何部署服务
-
系统设计主题图
-
Transformer 架构如何工作?
-
ByteByteGo 正在招聘
-
赞助我们
6 分钟内解释 API!
2025 年你可以使用的 12 款 MCP 服务器
MCP(模型上下文协议)是一项开放标准,它简化了 AI 模型(尤其是 LLM)与外部数据源、工具和服务的交互方式。MCP 服务器充当这些 AI 模型与外部工具之间的桥梁。以下是一些顶级的 MCP 服务器:
-
文件系统 MCP 服务器
允许 LLM 直接访问本地文件系统来读取、写入和创建目录。 -
GitHub MCP 服务器
将 Claude 连接到 GitHub 存储库并允许文件更新、代码搜索。 -
Slack MCP 服务器
MCP 服务器用于 Slack API,使 Claude 能够与 Slack 工作区进行交互。 -
Google 地图 MCP 服务器
用于 Google Maps API 的 MCP 服务器。 -
Docker MCP 服务器
与 Docker 集成以管理容器、图像、卷和网络。 -
Brave MCP 服务器
使用 Brave 的搜索 API 进行网络和本地搜索。 -
PostgreSQL MCP 服务器
MCP 服务器使 LLM 能够检查数据库模式并执行只读查询。 -
Google Drive MCP 服务器
与 Google Drive 集成的 MCP 服务器,允许读取和搜索文件。 -
Redis MCP 服务器
提供对 Redis 数据库访问的 MCP 服务器。 -
Not MCP 服务器
该项目为 Notion API 实现了一个 MCP 服务器。 -
Stripe MCP 服务器
MCP 服务器与 Stripe API 交互。 -
Perplexity MCP 服务器
连接到 Perplexity 的 Sonar API 进行实时搜索的 MCP 服务器。
交给您:您将添加哪个其他 MCP 服务器到列表中?
人工智能辅助工程指南(赞助)
面向采用 AI 编码助手的团队的从零到一指南。本指南分享了行之有效的提示技巧、为开发人员节省最多时间的用例,以及鼓励采用的领导策略。它旨在让工程主管能够在内部分发,帮助团队快速将 AI 融入日常工作。
下载本指南即可获得:
-
AI 编码工具的 10 个最省时的用例
-
来自经验丰富的 AI 用户的有效 AI 提示技术
-
鼓励使用人工智能的领导策略
如何部署服务
部署或升级服务存在风险。本文将探讨风险缓解策略。
下图说明了一些常见的情况。
多服务部署
在此模型中,我们会同时将新的更改部署到多个服务。这种方法易于实现。但由于所有服务同时升级,因此难以管理和测试依赖关系,也难以安全地回滚。
蓝绿部署
使用蓝绿部署,我们拥有两个完全相同的环境:一个是预发布环境(蓝色),另一个是生产环境(绿色)。预发布环境比生产环境领先一个版本。在预发布环境中完成测试后,用户流量将切换到预发布环境,然后预发布环境将成为生产环境。这种部署策略易于回滚,但拥有两个完全相同的生产质量环境可能会成本高昂。
金丝雀部署
金丝雀部署会逐步升级服务,每次仅针对一小部分用户。它比蓝绿部署成本更低,并且易于回滚。但是,由于没有预发布环境,我们必须在生产环境中进行测试。这个过程更加复杂,因为我们需要监控金丝雀发布情况,同时逐步将越来越多的用户从旧版本迁移出去。
A/B 测试
在 A/B 测试中,不同版本的服务会同时在生产环境中运行。每个版本都会针对一部分用户运行一个“实验”。A/B 测试是一种在生产环境中测试新功能的低成本方法。我们需要控制部署流程,以防某些功能被意外推送给用户。
轮到你了——你使用了哪种部署策略?你在生产环境中遇到过与部署相关的中断吗?为什么会发生这种情况?
系统设计主题图
有效的系统设计是一个权衡取舍的过程,需要广泛的知识基础才能做出最佳决策。此主题图按类别对系统设计的基本主题进行了分类。
-
应用层:它包含可用性、可扩展性、可靠性和其他 NFR 等核心概念。此外,它还涵盖了 OOP、DDD、微服务、清洁架构、模块化单体等设计和架构主题。
-
网络与通信:涵盖通信协议、服务集成、消息传递、实时通信和事件驱动架构。
-
数据层:涵盖数据库系统的基础知识(模式设计、索引、SQL 与 NoSQL、事务等)、各种类型的数据库以及分布式数据库的细微差别(复制、分片、领导者选举等)。
-
可扩展性和可靠性:这涵盖可扩展性策略(水平、无状态、缓存、分区等)和可靠性策略,如负载平衡、速率限制等。
-
安全性与可观察性:涵盖身份验证和授权技术(OAuth 2、JWT、PASETO、Sessions、Cookies、RBAC 等)以及安全威胁。可观察性领域涵盖监控、跟踪和日志记录等主题。
-
基础设施和部署:处理 CI/CD 管道、容器化和编排、无服务器架构、IaC 和灾难恢复技术。
交给您:您还想在列表中添加什么?
Transformer 架构如何工作?
Transformers 架构已成为一些最受欢迎的 LLM 的基础,包括 GPT、Gemini、Claude、DeepSeek 和 Llama。
工作原理如下:
-
典型的基于 Transformer 的模型主要包含两个部分:编码器和解码器。编码器读取并理解输入。解码器则利用这种理解来生成正确的输出。
-
在第一步(输入嵌入)中,每个单词被转换成一个代表其含义的数字(向量)。
-
接下来,一种名为“位置编码”的模式会告诉模型每个单词在句子中的位置。这是因为句子中的词序很重要。例如,“猫吃了鱼”和“鱼吃了猫”是不同的。
-
接下来是多头注意力机制,它是编码器的大脑。它允许模型一次性查看所有单词,并确定哪些单词是相关的。在“添加和规范化”阶段,模型会将通过注意力机制学到的知识重新添加到句子中。
-
前馈过程为理解增加了额外的深度。整个过程重复多次,以便模型能够深入理解句子。
-
编码器完成后,解码器开始工作。输出嵌入将预期输出中的每个单词转换为数字。为了理解每个单词应该放在哪里,我们添加了位置编码。
-
蒙蔽多头注意力机制隐藏了未来的单词,因此模型一次只能预测一个单词。
-
多头注意力阶段将输入的正确部分与输出的正确部分对齐。解码器会同时查看输入句子和迄今为止生成的单词。
-
前馈过程会进行更多处理,使最终的词汇选择更加精准。这个过程会重复多次,以优化结果。
-
一旦解码器预测了每个单词的数字,它就会将它们传递到线性层以准备输出。该层将解码器的输出映射到大量可能的单词。
-
线性层为每个单词生成分数后,Softmax 层将这些分数转换为概率。概率最高的单词将被选为下一个单词。
-
最后,生成一个人类可读的句子。
交给你:你还需要添加什么来理解 Transformer 架构?
ByteByteGo 正在招聘
ByteByeGo 正在招聘 3 个职位:技术产品经理、技术教育者 – 系统设计和销售/合作伙伴。
远程工作 – 兼职(远程,兼职)
我们正在招聘一位技术产品经理,与我合作开发一个面试准备平台。平台包含模拟面试、现场辅导、AI辅助学习以及实用工具,能够帮助工程师找到下一份工作。
您将负责制定产品策略、确定功能优先级并与我密切合作,将想法变为现实。
您必须具备 100+ 场技术面试经验(例如系统设计、算法、行为分析),并深刻理解如何打造卓越的求职体验。如果您曾在顶尖科技公司工作或拥有辅导求职者的经验,则更佳。
我们正在寻找能够做到以下事情的人:
• 在极少的指导下从 0 到 1 构建
• 将用户痛点转化为明确的解决方案
• 根据反馈和数据快速迭代
远程兼职 – 兼职(远程,兼职)
我们正在招聘一位系统设计技术教育者,以帮助我们丰富教育资源库。该职位非常适合那些喜欢清晰地解释复杂工程主题的人,无论是通过长篇文章、图表还是短篇帖子。
你将与团队合作撰写新闻稿、合著书籍和指南章节,并围绕系统设计、架构模式、可扩展性等主题创作引人入胜的视觉内容。如果你曾为博客、文档、新闻稿撰写文章或参与在线教学,我们期待你的作品。
𝐒𝐚𝐥𝐞𝐬/𝐏𝐚𝐫𝐭𝐧𝐞𝐫𝐬𝐡𝐢𝐩(美国/加拿大的远程职位,兼职/全职)
我们正在寻找一位销售和合作专员,以协助我们拓展新闻通讯赞助业务。该职位将专注于拓展新的广告客户、维护现有关系,并优化新闻通讯及其他媒体形式的创收机会。
申请方式:将您的简历和简短的说明发送至[email protected] ,说明您对这个职位感兴趣的原因
赞助我们
将您的产品展示给超过 1,000,000 名技术专业人士。
我们的时事通讯将您的产品和服务直接呈现给重要的受众——数十万工程领导和高级工程师——他们对重大技术决策和大宗采购有影响力。
房间很快订满 – 立即预订
广告位通常提前4周左右售罄。为了确保您的广告能够触达这些极具影响力的受众,请立即发送电子邮件至[email protected]预订您的广告位。
原文: https://blog.bytebytego.com/p/ep163-12-mcp-servers-you-can-use