完成 quick-debug

.vitepress/config.mts

@@ -1,4 +1,3 @@
-import { defineConfig } from 'vitepress';
 import lightbox from "vitepress-plugin-lightbox";
 
 import { GitChangelog, GitChangelogMarkdownSection } from '@nolebase/vitepress-plugin-git-changelog/vite';
@@ -185,6 +184,7 @@ export default withMermaid({
 						{ text: '调试 tools, resources 和 prompts', link: '/plugin-tutorial/usage/debug' },
 						{ text: '连接大模型', link: '/plugin-tutorial/usage/connect-llm' },
 						{ text: '用大模型测试您的 mcp', link: '/plugin-tutorial/usage/test-with-llm' },
+						{ text: '连接多个 MCP 服务器', link: '/plugin-tutorial/usage/multi-server' },
 						{ text: '分发您的实验结果', link: '/plugin-tutorial/usage/distribute-result' },
 						{ text: 'SSE 在线部署的鉴权器实现', link: '/plugin-tutorial/usage/sse-oauth2' },
 					]

plugin-tutorial/examples/mcp-examples.md

@@ -11,6 +11,9 @@ next:
 - [python 实现进行通用表单填充 的 mcp (STDIO)](./python-form-stdio)
 - [python 实现基于 blender 的 mcp (STDIO)](./python-blender-stdio)
 - [python 实现 cadence EDA 的 mcp (STDIO)](./python-cadence-stdio)
+- 基于 ffmpeg mcp 实现通过对话的视频剪辑
+- 基于 rag mcp 实现知识库的注入
+- 实现 Stable Diffusion 的 MCP 服务器
 
 ## Nodejs
 - [typescript 实现基于 crawl4ai 的超级网页爬虫 mcp (STDIO)](./typescript-crawl4ai-stdio)

plugin-tutorial/quick-start/first-mcp.md

@@ -104,6 +104,7 @@ def translate(message: str) -> str:
 
 恭喜您，万事开头难，您已经完成了最难的 mcp 连接！
 
+有关 openmcp 进行 mcp 服务器连接的更多信息，可以参考手册里面的这一章 [[connect-mcp|连接到 MCP 服务器]]。
 
 ## 附录：关于 uv 启动 mcp 你必须知道的
 

plugin-tutorial/quick-start/quick-debug.md

@@ -1,2 +1,49 @@
 # 快速调试 MCP
 
+在 [[first-mcp|你的第一个 MCP]] 中，我们成功创建了一个 MCP 服务器的最小实例，并且成功使用 openmcp 连接了这个服务器。
+
+接下来，我们可以来调试这个服务器的功能了，毕竟，不是所有人都是 Jeaf Dean，都能一次就写对所有代码。我们写的 MCP 服务器也不总是一开始就自信满满可以上线的，它总是存在着一些我们无法发现的问题。试想一下，如果后面我们把 mcp 连接到大模型进行全链路调试时出了问题，这个时候你就会发现，可能出错的环节非常多：MCP 服务器的问题？大模型厂商的问题？OpenMCP 的问题？把可能的错误进行分类，然后逐一排查，才是符合工程直觉 (Engineering Instuition) 的做法。
+
+## 认识面板
+
+首次进入 openmcp 时，会进入一个面板，上面一共四个按钮，代表四种调试项目：
+
+![](./images/openmcp-home.png)
+
+我们现在需要确认的是 tool，resource 和 prompt 这三个功能是否运行正常，因为在实际项目中，tool 是使用得最多的项目，因此，我们先调试 tool。
+
+## 调试 Tool
+
+为了调试 tool，我们点击面板上的 「工具」 按钮，进入 tool 调试界面。tool 面板的基本介绍如下所示
+
+![](./images/tool-desc.png)
+
+调试工具，我们需要先在「工具列表」中选择一个工具（如果没有展开需要先展开工具列表，点击右侧的按钮可以刷新），然后在右侧的「参数填写和执行」中，填写需要测试的参数，点击运行，就能看到结果了：
+
+![](./images/tool-result.png)
+
+比如我们这边运算最简单的 2 + 2，可以看到结果是 4，这说明我们的 mcp 连接正常还可以正常返回结果。大家未来可以通过简单测试来验证 mcp 服务器的可用性，这在复杂 agent 系统的调试过程中非常重要。可以编码成自检程序的一部分。
+
+## 添加测试项目
+
+测试完成一个项目后，我们可以通过点击上方的 + 来添加额外的测试项目：
+
+![](./images/tool-add-test-project.png)
+
+这里，我们选择「资源」来进行资源项目的调试工作，「资源」和另外两个项目有点不一样，MCP 协议中的资源访问有两种类型
+
+- resources/templates/list: 模板资源，带有访问参数，比如文件系统 mcp 中的文件访问，输入文件路径，根据资源协议返回文件内容。
+- resources/list：普通资源，不带访问参数，比如浏览器 mcp 中的 console，直接返回控制台的 stdio，这种就不需要参数。
+
+![](./images/resource-desc.png)
+
+
+`resources/templates/list` 的使用方法和之前的 tool 一样，填入参数点击运行就能看到资源结果
+
+![](./images/resource-result.png)
+
+而 `resources/list` 由于没有参数，直接点击左侧的资源就能直接看到内部的数据。
+
+## 总结
+
+在这一章节中，我们主要介绍了如何使用 openmcp 来调试 MCP 服务器，包括如何调试 tool 和 resource，prompt 的方法和这两个类似，大家可以自行尝试。下一章中，我们将开启最激动人心的一章，我们将把开发的 mcp 服务器扔到大模型中进行测试，这样你才知道你写的 mcp 是不是真的好玩，是不是有价值。

plugin-tutorial/usage/connect-llm.md

@@ -0,0 +1 @@
+# 连接大模型

plugin-tutorial/usage/debug.md

@@ -0,0 +1 @@
+# 调试 tools, resources 和 prompts

plugin-tutorial/usage/distribute-result.md

@@ -0,0 +1 @@
+# 分发您的实验结果

plugin-tutorial/usage/multi-server.md

@@ -0,0 +1 @@
+# 连接多个 MCP 服务器

plugin-tutorial/usage/sse-oauth2.md

@@ -0,0 +1 @@
+# SSE 在线部署的鉴权器实现

plugin-tutorial/usage/test-with-llm.md

@@ -0,0 +1 @@
+# 用大模型测试您的 mcp

plugin-tutorial/what-is-mcp.md

@@ -1,9 +1,7 @@
-# MCP 简介
+# 什么是 MCP？
 
 ![](https://picx.zhimg.com/70/v2-1a2df8a081a76f4e90431d8a2445f495_1440w.avis)
 
-## 什么是 MCP？
-
 MCP (Model Context Protocol)是一种开放协议，用于标准化应用程序如何向大型语言模型（LLMs）提供上下文。可以将 MCP 想象为 AI 应用的 typec 接口。正如 typec 提供了一种标准化的方式将您的设备连接到各种外设和配件，MCP 也提供了一种标准化的方式，将 AI 模型连接到不同的数据源和工具。
 
 MCP 协议由 Anthropic 在 2024 年 11 月底推出：
@@ -19,7 +17,7 @@ MCP 协议由 Anthropic 在 2024 年 11 月底推出：
 ``` mermaid
 graph LR
 
-a(chatbot\n > deepseek, chatgpt) --> b(composer\n > cursor, copilot) --> c(agent\n > AutoGPT, Manus, Open Manus) 
+a(chatbot > deepseek, chatgpt) --> b(composer > cursor, copilot) --> c(agent > AutoGPT, Manus, Open Manus) 
 ```
 
 - chatbot
@@ -178,6 +176,6 @@ C2 --> A5
 
 ## 开源生态
 
-和 LSP 一样，LSP 在开源社区有非常多的客户端和服务端框架，MCP 也是一样的，目前 Anthropic 开源了一套 MCP 的服务端框架：https://github.com/modelcontextprotocol/servers，想要探索大模型效用的朋友可以尽情去使用这个框架。
+和 LSP 一样，LSP 在开源社区有非常多的客户端和服务端框架，MCP 也是一样的，目前 Anthropic 开源了一套 MCP 的服务端框架：https://github.com/modelcontextprotocol/servers ，想要探索大模型效用的朋友可以尽情去使用这个框架。这个仓库还收录了很多的官方认可的 MCP 服务器，可以作为学习的参考。
 
 除此之外，pulsemcp 上也有很多开源社区开发的 MCP 客户端和服务端：https://www.pulsemcp.com/clients