目前市场上有很多的agent 框架，如 autogen,langgraph,crewai,agno 等等，不同的框架对于agent 的实现有些差异，有的框架侧重点在流程编排如 langGraph，有的框架提供很多内置的工具如crewai，但总体而言，这些agent 框架的基本能力包含工具调用，agent 协同。
前段时间 google 提出了A2A 协议，意在统一这些框架直接的交互方式。本系列我准备从零开始学习一下agent 的开发。
框架我选择了google 的 adk，一来这个框架使用起来比较简单，二来这个框架由google开发维护，对于A2A 协议有着很好的支持。
n8n 最近的热度很高，这里不想做太多的介绍，最近也在使用n8n 做些项目，所以也从基础开始记录以下学习的过程。
命令行运行
npx n8n
docker 运行
docker volume create n8n_data
docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n
最近在看 google A2A 协议，它在官方的github 仓库有一些示例， https://github.com/google/A2A/tree/main/samples/python ，这些示例使用了uv ，并且用了 workspace，这个是之前使用uv 时没有接触过的，本文记录以下在uv 中如何使用 workspace 。
之前有介绍在国内使用 uv 如何设置代理加速python 包的下载，在安装python 时，当时介绍了国内目前只有一个南京大学镜像站，https://mirror.nju.edu.cn/github-release/indygreg/python-build-standalone/， 这个下载站只镜像了 uv 最新的release 文件，所以对于之前月份的文件，如果使用南京大学下载站就会下载失败，本文介绍一种使用海外云服务搭建uv python 的下载代理站实现可以正常下载安装 uv python 的实现方案。
作为一名 Python 开发者，你一定遇到过这样的烦恼：想用超快的 uv 工具安装 Python，却发现国内访问 GitHub 慢如蜗牛，之前介绍过国内只有南京大学镜像站可用于加速下载，但该镜像站仅镜像了 uv 最新的 release 文件。别担心！今天我要分享的解决方案，能让你像使用国内镜像站一样流畅地安装任意版本的 uv Python！本文将详细介绍一种使用海外云服务搭建 uv Python 下载代理站的实现方案，让你轻松解决下载难题
在使用 Python 开发基于 MCP 的 SSE 服务时，如果不小心写了同步阻塞的代码，就非常容易踩进 IO 阻塞的大坑。来看下面这段示例代码：
from mcp.server.fastmcp import FastMCP
from pydantic import Field
import time
import requests
# 初始化mcp服务
mcp = FastMCP("hello-mcp-server")
@mcp.tool(name="url_get", description="访问某个url")
def get_url(url: str = Field(..., description="将要访问的url")):
r = requests.get(url)
return r.text
@mcp.tool(name="计算加法", description="计算加法")
def add(a: int = Field(..., description="第一个数"), b: int = Field(..., description="第二个数")):
return a + b
def run():
mcp.run(transport="sse")
if __name__ == "__main__":
run()
在使用 UV 进行软件包管理和 Python 安装时，由于网络环境的限制，国内用户通常需要设置代理或镜像来加速下载过程。本文将详细介绍如何在不同场景下设置国内加速镜像。
在使用 uv add 命令安装第三方包时，有两种方法可以设置国内加速镜像：
今天我们来聊一个使用 uv 工具进行python 项目管理时会遇到的包版本的问题。
当我们从远程仓库下载以个新的项目时，有了uv 工具，可以使用 uv sync 来一键同步项目开发的python 环境和第三方库，但是我们想象一个问题，如果项目在最早开发或者首次开发时，如使用 uv add mcp 安装了当时的最新版，此时，在pyproject.toml 文件记录的包版本为 "mcp>=1.6.0" 之后过了好久，这个包在pypi 中也更新了，如更新到 "1.7.0"，那么当再次使用 uv sync 时，是安装 1.6.0 版本还是 1.7.0 版本呢？
今天给大家分享一个Python中非常容易踩坑的特性——类属性中默认值为可变对象（比如列表）时的诡异行为。
我们先看一个简单的Person类定义：
class Person:
def __init__(self, name:str, frients:list=[]):
self.name = name
self.frients = frients
def show_frients(self):
print(f"{self.name}, frients: {self.frients}")
看起来很正常对吧？我们创建一个Person实例时，如果没有提供frients参数，就会默认使用空列表。
前面文章我们使用python 实现了简单的天气查询mcp server，并使用cherry studio 和 Cline 实现了mcp server 的调用，之前是使用stdio 类型的mcp，本章看一下如何开发sse类型的mcp 服务。
sse，Server-Sent Events 是基于http 长连接的服务，以往我们在开发大模型应用的时候，由于大模型生成token 不是一次性生成的，是一个token 一个token 生成的，为了避免调用端长时间等待，会一点点的输出给调用端。
在mcp 的开发过程中，也会用到sse，但是这里的sse 和大模型输出稍微有一点不同，sse 类型的mcp 会建立一个http 监听端口，客户端在调用mcp server 时，先和mcp 建立一个长连接，之后工具的输出都是通过这个长连接发送给客户端，由于sse是单向传输，客户端只能被动的接受服务端的数据，而不能在建立连接以后再次接收客户端的数据，所以客户端在调用mcp 工具时，需要向另外一个接口发送数据。所以开发sse 的mcp 会稍微复杂一些，但是官方python sdk 中FastMCP已经做了高级封装，开发者只需要关注工具的具体实现即可。
本地stdio 类型的mcp server，通过标准的输入输出来进行数据的交互，调用端需要提前安装好环境，如python 或者 node，当然如果mcp 是一个可执行的二进制文件也可以不用安装配置环境，只是目前大部分的mcp 使用python 或者 node 进行开发的。
上一篇文章介绍了UV工具的使用，有了uv 的基础，本篇我们来看一下如何使用python开发mcp server，目前主流的 mcp 分为 stdio 和 sse，stdio 为标准输入输出，通过调用工具获取工具的输出来交互，比如你在终端输入 ping host 命令，返回ping host 的输出，SSE 稍微复杂一些，通过http 接口，返回一个sse长连接，之后工具调用输入输出遵循JSONRPC规范，通过http 调用，但是结果通过SSE长连接返回，实现起来稍微复杂一些，但是调用工具和工具配置sse会更简单一些，本篇先介绍开发简单的 stdio 类型的 mcp server。工具为调用高德地图的天气查询接口返回某地的天气情况。