当前位置: 首页 > news >正文

【CodeButty + 自制MCP】给AI装上翅膀,快速绘制思维导图

在这里插入图片描述

【自制MCP + CodeButty】给AI装上翅膀,快速绘制思维导图


🌟嗨,我是LucianaiB!

🌍 总有人间一两风,填我十万八千梦。

🚀 路漫漫其修远兮,吾将上下而求索。


目录

  • 【自制MCP + CodeButty】给AI装上翅膀,快速绘制思维导图
    • 引言
    • 效果展示
      • AI对话
      • 思维导图效果
    • 思维导图@lucianaib/mind-map-mcp介绍
      • 功能特性
      • 安装
        • 通过 NPM 安装
        • 通过 npx 直接使用
      • 使用方法
        • 生成思维导图
      • 可用工具
        • generate_mindmap
      • API 说明
    • CodeButty配置MCP
    • AI对话
    • 未来展望
    • 总结

引言

自从上个月开始使用CodeButty以来,我便深深爱上了这款工具。无论是日常的AI对话还是专业的工作需求,CodeButty都提供了高效、免费且便捷的服务。特别是对于像我这样对技术充满热情的人来说,CodeButty不仅仅是一个工具,它更像是一个强大的助手,帮助我更高效地完成各种任务。

在使用CodeButty的过程中,我对MCP(Model Context Protocol)产生了浓厚的兴趣。MCP是一种协议,允许不同的工具和平台之间进行高效的通信和协作。基于这种兴趣,我决定自制一个思维导图生成工具@lucianaib/mind-map-mcp。这个工具不仅能够根据文本内容自动生成高质量的思维导图,还能够返回可访问的图片链接,方便用户直接查看和使用。通过调用Coze的工作流API,这个工具能够无缝集成到现有的工作流程中,极大地提升了工作效率。

效果展示

AI对话

在这里插入图片描述

思维导图效果

思维导图效果地址:https://static.shutu.cn/shutu/jpeg/open11/2025/08/07/63e9944894afc2b6e29f5b341933cf50.jpeg

思维导图效果示例:

在这里插入图片描述

思维导图@lucianaib/mind-map-mcp介绍

一个用于生成思维导图的 MCP (Model Context Protocol) 服务器。

功能特性

  • 🧠 根据文本内容自动生成思维导图
  • 🔗 返回可访问的思维导图图片链接
  • 🚀 支持 CodeBuddy、Cursor 等 MCP 客户端
  • 🌐 基于 Coze API 的强大思维导图生成能力

安装

通过 NPM 安装
npm install -g @lucianaib/mind-map-mcp
通过 npx 直接使用
npx @lucianaib/mind-map-mcp

使用方法

配置完成后,你可以在支持 MCP 的工具中使用以下功能:

生成思维导图
请帮我生成一个关于"分布式系统架构"的思维导图

或者直接调用工具:

使用 generate_mindmap 工具,内容为:"机器学习的基本概念和应用"

可用工具

generate_mindmap

根据输入内容生成思维导图。

参数:

  • content (string, 必需): 要转换为思维导图的内容描述

返回:

  • 思维导图的图片链接
  • 生成状态信息

示例:

{"content": "深度学习的发展历程和主要技术"
}

API 说明

本工具使用 Coze API 来生成思维导图。API 详情:

  • 端点: https://api.coze.cn/v1/workflow/run
  • 方法: POST
  • 认证: Bearer Token
  • 返回: 思维导图图片链接

CodeButty配置MCP

1.以管理员身份运行codebutty,在对话框的上方可以看到有配置MCP,点击进入下一步。

在这里插入图片描述

在右侧点击手动配置,然后输入下面配置json代码,提示摁下ctrl + s保存,当右侧出现mind-mcp并且有一个绿色的圆圈时说明配置成功。

{"mcpServers": {"mind-map": {"timeout": 60,"type": "stdio","command": "npx","args": ["@lucianaib/mind-map-mcp@latest"]}}
}

在这里插入图片描述

AI对话

在codebutty中选择模型为claude-4.0-sonnet,然后直接对AI说:

请帮我生成一个关于"分布式系统架构"的思维导图

在这里插入图片描述

可以看到AI成功的去调用generate_mindmap,这个就是我的mcp,在返回的结果中有一个链接,可以直接点击。

思维导图效果地址:https://static.shutu.cn/shutu/jpeg/open11/2025/08/07/63e9944894afc2b6e29f5b341933cf50.jpeg

思维导图效果示例:

在这里插入图片描述

如果你也感兴趣可以来试试。

未来展望

未来,我们计划进一步优化算法,提高思维导图的生成质量和速度。具体来说,我们将研究更先进的自然语言处理(NLP)技术,以便更好地理解输入文本并生成更符合用户需求的思维导图。此外,我们还将探索与其他工具和服务的集成,以提供更全面的解决方案。例如,我们可以将该工具与项目管理软件(如Jira或Trello)集成,从而帮助用户更直观地管理项目进度和任务分配。我们还计划开发更多的功能,如支持多语言输入、提供更多样化的图表样式和模板,以及增加交互式元素,使用户能够更灵活地编辑和定制生成的思维导图。

除了技术层面的改进,还希望扩大用户群体,让更多的人能够受益于这一工具。为此,我们将开展一系列的推广活动,包括在线研讨会、教程视频和用户案例分享,以吸引更多用户使用@lucianaib/mind-map-mcp。我们还计划建立一个活跃的社区,让用户可以交流经验、提出建议,并共同推动工具的发展和完善。在未来,我们希望能够与学术界和企业界合作,将@lucianaib/mind-map-mcp应用于教育、科研和商业等多个领域,使其成为人们日常工作中不可或缺的工具。

总之,我们对未来充满期待,并将继续努力,不断完善@lucianaib/mind-map-mcp,为用户提供更好的体验和服务。我们相信,通过不断的技术创新和用户反馈,@lucianaib/mind-map-mcp将成为一个强大而实用的工具,帮助用户更高效地组织和展示信息。

总结

作为一名热爱技术创新的博主,今天我要和大家分享一项让我特别兴奋的实践成果——如何借助自制的MCP服务器和CodeButty工具,快速生成高质量的思维导图。自从上个月接触CodeButty后,这款免费的AI工具就彻底改变了我的工作方式。尤其令我着迷的是MCP(Mode lContext Protocol)协议,它能让不同工具实现高效互通,基于这个灵感,我开发了@lucianaib/mind-map-mcp这个思维导图生成工具。

首先要说的是这个工具的强大功能:只需简单安装(npm install或npx命令)和配置,它就能将任何文本内容转化为结构清晰的思维导图图片,并返回可直接访问的链接地址。通过调用Coze API工作流,我们实现了近乎实时的思维导图生成效果。文章中展示的"分布式系统架构"思维导图样例就充分展现了其专业程度和实用价值。配置过程也特别简单:在CodeButty中添加MCP服务器配置,输入几行JSON代码,保存后就立即可以开始使用。

在我的实际体验中,最让我惊喜的是工具的智能程度。无论是技术概念整理还是项目规划,AI都能精准捕捉关键要素,自动生成层次分明的可视化图表。文章展示的两张思维导图效果就很好地体现了这点:复杂的分布式系统架构被分解为清晰的模块分支,机器学习知识体系也被系统性地展示出来。

展望未来,这套工具还有巨大的发展潜力。我计划从三个方面进行优化:首先是算法升级,引入更先进的NLP技术提升理解能力;其次是功能扩展,比如支持多语言、增加模板库和交互编辑;最后是生态建设,推动与主流协作平台(Jira、Trello等)的集成。更重要的是,我想建立一个用户社区,收集反馈、分享案例,让这个工具能帮助更多人提升工作效率。

这次创新实践让我深刻体会到AI工具的无限可能。通过将MCP协议、Node.js开发和AI能力有机结合,我们确实可以打造出极具价值的实用工具。如果你也是技术爱好者,不妨尝试这个工具,相信它一定能为你的思维整理和知识管理带来全新体验。期待听到大家的反馈,让我们一起见证技术的变革力量!

“评论区留言‘CodeBuddy’抽 5 位送永久体验码!
嗨,我是LucianaiB。如果你觉得我的分享有价值,不妨通过以下方式表达你的支持:👍 点赞来表达你的喜爱,📁 关注以获取我的最新消息,💬 评论与我交流你的见解。我会继续努力,为你带来更多精彩和实用的内容。

点击这里👉LucianaiB ,获取最新动态,⚡️ 让信息传递更加迅速。

http://www.dtcms.com/a/320282.html

相关文章:

  • 驱动-设备树插件注册子系统
  • 【机器学习深度学习】大模型应用落地:微调与RAG的角色与实践
  • 为什么需要日志收集系统
  • 人工智能——自动微分
  • 大数据中需要知道的监控页面端口号都有哪些
  • C语言学习笔记——文件
  • 基于Python的实习僧招聘数据采集与可视化分析,使用matplotlib进行可视化
  • iptables封堵实验
  • Java——详解形参实参方法的重载
  • 《C语言》函数练习题--3
  • (易视宝)易视TV is-E4-G-全志A20芯片-安卓4-烧写卡刷工具及教程
  • Docker国内可用镜像列表(长期免费)
  • 三重移相的TPS双有源桥(DAB)变换器【simulink仿真模型】
  • python见缝插针小游戏源码。(可复制)
  • 【tips】css模仿矢量图透明背景
  • 目前常用于视频会议的视频编码上行/下行带宽对比
  • mysql_mcp_server_pro源码部署及启动报错新手指南:让智能体长出手来直接获取到最底层的数据
  • AI应用案例全景分析:从理论到实践
  • dmctlcvt工具介绍数据文件路径变化后如何拉起数据库
  • 基于 FreeMarker 实现 SQL 模板动态生成的完整指南
  • 移动端项目框架推荐
  • Effective C++ 条款27: 尽量用const、enum、inline替换 #define
  • restTemplate禁用url编码
  • 安装mkdocs
  • Python从入门到精通——第六章 字典与集合
  • 「日拱一码」046 分支定界算法
  • Airflow 入门案例教程
  • 前端性能优化:从请求到资源的精细调控
  • 【第9话:感知算法基础1】深度学习神经网络模型基础知识概念入门简介
  • 批量获取亚马逊商品SKU商品规格调用流程