开发背景

目前市面上有很多MCP在线服务，例如魔搭社区MCP广场等

  1. 工具有时候调用失败
  2. 只能公网，不能内网
  3. 但是都只提供了现成的工具，不能自定义工具等问题

开源地址

MyMcp: 开源介绍 https://blog.csdn.net/u012327423/article/details/147531100

体验地址

Vite + Vue + TS

guest

123456

目的

为了解决这些问题，提供一个开源的，可以灵活自定义配置的MCP广场，不同用户定义、发布自己的MCP服务，更好的服务于项目。我花了几天时间，做了一个MCP广场平台的demo。

功能

登录

MCP广场

首页

功能：

MCP分类管理、查询、新增、修改、删除
MCP模板新建、删除、复制、查看详情

管理员能看到所有的MCP服务，

普通用户能看到公开和自己的MCP服务，只能编辑自己的MCP服务

服务详情

markdown格式展示服务说明

工具测试

查看有哪些mcp工具，可以调用测试

代码查看编辑

支持修改代码，自定义mcp工具功能

秘钥配置

可以配置发布服务时，调用第三方工具需要的key等信息

发布服务

如果配置了key，发布服务是必填

发布后，就会生成该工具 独立的sse地址了

使用

在大模型应用平台上，配置sse地址，即可调用工具

cherry studio中也可以正常加载sse模式的mcp工具

MCP服务管理

管理员能查看所有已经发布的MCP服务状态，能启动、停止、删除

普通用户只能查看自己发布的MCP服务，启动、停止、删除

支持条件搜索

统计分析

大屏模式展示 MCP服务统计、服务发布数量、调用排名、详情等等，便于统计分析

租户管理

用户管理

# AIGC
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

（DDPG）深度学习神经网络算法DDPG优化解决二维栅格地图路径规划研究（Matlab代码实现）

二维栅格地图路径规划是机器人导航、游戏智能体控制等领域的核心问题。传统路径规划算法在处理复杂动态环境时存在局限性，而深度强化学习为解决该问题提供了新思路。本文提出基于深度确定性策略梯度（DDPG）算法的路径规划方法，通过构建Actor-Critic神经网络架构，结合经验回放和目标网络技术，在连续动作空间中实现高效路径搜索。实验结果表明，该方法在复杂栅格环境中展现出更强的环境适应性和路径优化能力，相

avatar DAMO开发者矩阵

（DDPG）深度学习神经网络算法DDPG优化解决二维栅格地图路径规划研究（Matlab代码实现）

二维栅格地图路径规划是机器人导航、游戏智能体控制等领域的核心问题。传统路径规划算法在处理复杂动态环境时存在局限性，而深度强化学习为解决该问题提供了新思路。本文提出基于深度确定性策略梯度（DDPG）算法的路径规划方法，通过构建Actor-Critic神经网络架构，结合经验回放和目标网络技术，在连续动作空间中实现高效路径搜索。实验结果表明，该方法在复杂栅格环境中展现出更强的环境适应性和路径优化能力，相

avatar DAMO开发者矩阵

（DQN）Deep Q Learning深度学习神经网络优化解决二维栅格地图路径规划研究（Matlab代码实现）

本文聚焦于二维栅格地图路径规划问题，深入探讨深度Q学习（DQN）算法在该领域的应用及神经网络优化策略。通过构建基于DQN的路径规划模型，结合经验回放、目标网络等关键技术，有效解决了传统路径规划算法在复杂环境中的局限性。实验结果表明，优化后的DQN模型在路径规划效率、准确性和适应性方面均表现出显著优势，为智能机器人在复杂环境中的自主导航提供了理论支持与实践参考。

avatar DAMO开发者矩阵