Dive AI Agent 使用教程

1. 项目介绍

Dive 是一个开源的 MCP（Model Context Protocol）宿主桌面应用程序，它能无缝地与支持函数调用的任何 LLM（大型语言模型）集成。Dive 提供了跨平台支持，可用于 Windows、MacOS 和 Linux 系统。它的特点包括：

• 通用 LLM 支持：兼容 ChatGPT、Anthropic、Ollama 和 OpenAI 兼容模型。
• 跨平台：适用于 Windows、MacOS 和 Linux。
• 模型上下文协议：支持在 stdio 和 SSE 模式下无缝集成 MCP AI 代理。
• 多语言支持：支持传统中文、简体中文、英文和西班牙语，更多语言即将支持。
• 高级 API 管理：支持多个 API 密钥和模型切换。
• 自定义指令：支持个性化系统提示，实现定制化的 AI 行为。
• 自动更新机制：自动检查并安装应用程序的最新更新。

2. 项目快速启动

以下是在不同操作系统上快速启动 Dive 的步骤：

Windows 用户

1. 下载 .exe 版本。
2. Python 和 Node.js 环境已预装。
3. 按照安装提示完成设置。

MacOS 用户

1. 下载 .dmg 版本。
2. 需要自行安装 Python 和 Node.js（使用 npx uvx）环境。
3. 按照安装提示完成设置。

Linux 用户

1. 下载 .AppImage 版本。
2. 需要自行安装 Python 和 Node.js（使用 npx uvx）环境。
3. 对于 Ubuntu/Debian 用户，可能需要添加 --no-sandbox 参数，或修改系统设置以允许沙盒。
4. 运行 chmod +x 命令使 AppImage 可执行。

3. 应用案例和最佳实践

MCP 服务器配置

Dive附带了一个默认的echo MCP服务器，但您的LLM可以通过MCP访问更强大的工具。以下是如何使用两个初学者友好的工具：Fetch和Youtube-dl。

快速设置：

在您的Dive MCP设置中添加以下JSON配置以启用这两个工具：

{
  "mcpServers": {
    "fetch": {
      "command": "uvx",
      "args": ["mcp-server-fetch", "--ignore-robots-txt"],
      "enabled": true
    },
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/allowed/files"],
      "enabled": true
    },
    "youtubedl": {
      "command": "npx",
      "args": ["@kevinwatt/yt-dlp-mcp"],
      "enabled": true
    }
  }
}

使用 SSE 服务器

您还可以通过 SSE（Server-Sent Events）连接到外部 MCP 服务器。在您的 Dive MCP 设置中添加以下配置：

{
  "mcpServers": {
    "MCP_SERVER_NAME": {
      "enabled": true,
      "transport": "sse",
      "url": "YOUR_SSE_SERVER_URL"
    }
  }
}

yt-dlp-mcp 的额外设置

yt-dlp-mcp 需要 yt-dlp 包。根据您的操作系统进行安装：

• Windows：winget install yt-dlp
• MacOS：brew install yt-dlp
• Linux：pip install yt-dlp

4. 典型生态项目

Dive 作为开源项目，可以与多种生态项目结合使用，例如：

• AI 代理开发：利用 Dive 开发与 LLM 集成的 AI 代理。
• 自动化工具集成：将 Dive 集成到自动化工作流程中，提高工作效率。
• 教育与研究：在教育和研究领域中使用 Dive 进行实验和教学。

通过以上步骤，您可以快速上手并开始使用 Dive，探索其在不同场景下的应用可能性。