Grafbase Gateway 0.40.0版本发布:增强工具注解支持与查询优化
Grafbase是一个现代化的GraphQL API开发平台,其核心组件Grafbase Gateway作为API网关,负责处理GraphQL请求的路由、执行和优化。最新发布的0.40.0版本带来了一系列改进和修复,特别关注于工具注解的支持和查询生成的优化。
工具注解支持增强
本次更新中,Grafbase Gateway的可选MCP端点现在能够填充工具描述中的annotations字段。这一改进使得Gateway与Cursor等最新客户端版本完全兼容。工具注解是Model Context Protocol(MCP)中的一个重要概念,它允许开发者为工具提供额外的元数据信息,这些信息可以被客户端用来更好地理解和展示工具功能。
对于使用Grafbase构建AI应用或工具的开发团队来说,这一改进意味着他们现在可以更丰富地描述自己的工具,而客户端能够更智能地处理这些工具。例如,一个代码生成工具现在可以通过注解提供更详细的参数说明、使用示例或权限要求等信息。
服务端点变更
0.40.0版本对Grafbase企业版用户引入了一个重要的基础设施变更:原先称为GDN的服务,负责向网关提供联邦图和可信文档,现在有了新的实现并使用不同的资源路径。这一变化主要影响:
- 使用自托管企业平台的企业用户,需要同时将平台升级到0.7.1版本
- 通过环境变量自定义GDN端点的用户,现在需要使用新的
GRAFBASE_OBJECT_STORAGE_URL环境变量替代原来的GRAFBASE_GDN_URL
这一变更反映了Grafbase对内部架构的持续优化,使资源管理更加清晰和模块化。
MCP服务器配置灵活性提升
MCP服务器新增了transport配置选项,默认设置为"streaming-http"。这一变化为开发者提供了更大的灵活性,可以根据具体场景选择最适合的传输协议。需要保持之前行为的用户可以将此选项设置为"sse"(Server-Sent Events)。
这一改进特别适合那些对实时性要求不同的应用场景。例如,streaming-http可能更适合需要高效双向通信的场景,而SSE则保持了与之前版本的兼容性。
查询生成优化与修复
本次版本修复了两个重要的查询生成问题:
-
解决了子图查询中可能出现的名称冲突问题。在某些情况下,相同的变量在不同位置可能会被赋予不同名称,导致子图执行异常。这一修复确保了变量命名的一致性,提高了查询的可靠性。
-
修复了在不同类型字段上使用相同变量时可能出现的问题。特别是当这些字段在必填性(requiredness)上有所不同时,查询可能会失败。这一改进使得变量使用更加灵活,减少了开发中的限制。
这些修复对于构建复杂GraphQL查询,特别是涉及多个子图和不同类型字段的应用尤为重要。开发者现在可以更自由地设计查询结构,而不必担心底层实现带来的限制。
总结
Grafbase Gateway 0.40.0版本通过增强工具注解支持、优化服务架构、提高配置灵活性以及修复重要查询问题,进一步提升了平台的稳定性和开发体验。对于企业用户来说,及时升级可以享受到更可靠的查询执行和更灵活的配置选项;对于AI应用开发者,改进的工具注解支持则提供了更好的客户端兼容性。
这些改进反映了Grafbase团队对产品质量的持续关注和对开发者需求的积极响应,为构建复杂的GraphQL API提供了更加强大的基础。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00