1. 华为开发者空间介绍

华为开发者空间，是为全球开发者打造的专属开发者空间，致力于为每位开发者提供一台云主机、一套开发工具和云上存储空间，汇聚昇腾、鸿蒙、鲲鹏、GaussDB、欧拉等华为各项根技术的开发工具资源，并提供配套案例指导开发者 从开发编码到应用调测，基于华为根技术生态高效便捷的知识学习、技术体验、应用创新。

2. 免费领取开发者空间云主机

→ PC端
→ 移动端

3. 本案例介绍

以天气查询服务为例，在传统气象查询模式中，用户通过高德等地图等MCP获取天气信息时，需主动输入目标地区名称。尽管“查询杭州明天天气”这类指令已形成使用习惯，但在AI大模型技术普及的当下，这种依赖手动输入地理信息的交互方式，未免显得刻板机械。

为此，我们提出基于实时定位的MCP服务端开发方案——通过集成动态地理位置识别模块，构建具备“自动定位-城市识别-天气检索”闭环能力的智能服务架构。该方案打破传统“用户主动报址”的交互壁垒，当用户触发天气查询需求时，系统将自动完成以下流程：

1. 基于IP地址获取当前所在城市；
2. 通过地理信息数据库解析定位对应的城市名称；
3. 自动调取气象API接口完成天气数据检索与展示。

看似细微的技术改进，实则带来用户体验的颠覆性升级：一方面，实现“零输入”的无感交互，避免跨应用查询的繁琐操作；另一方面，通过动态定位消除“所在地区”的表述歧义，使天气服务从“被动响应”进化为“主动适配”。这种将定位技术与气象服务深度耦合的方案，正是智能时代服务精准化升级的典型实践，为构建更具场景化的生活服务生态奠定技术基础。

为了更好的使用DeepSeek服务和MCP功能，本案例中，我们将在华为开发者空间提供的云主机中安装ChatBoxAI并进行相关功能展示。

4. 华为云空间核心功能解析

4.1 云主机

在华为开发者空间，华为云为每个开发者免费提供一台云主机，每个用户每年可享有180个小时的云主机使用时长。

4.2 开发工具

云主机预集成CodeArts IDE、代码仓及JDK、Python等运行时插件，解决本地开发环境中配置复杂、稳定性不足和依赖等问题，为开发者提供性能强大、安全、稳定、高效的开发环境。

4.3 云存储

提供高大5G的免费云上存储空间。开发者可存储云主机配置、工具配置、代码工程等数据资产，灵活支撑开发者各类资产存储及中转。华为云存储空间在数据加密、备份恢复等方面有非常完善的保障措施，让用户无需担心内容的丢失和泄露风险。

4.4 应用场景

● 个人开发者：为开发者提供丰富的开发工具，支持开发者应用构建；
● 高校师生：支持教师开课、设计实验项目，学生学习课程及开发实践；
● 开源共创：开发者进行开源适配和开发，完成项目并发布开源仓库和云商店，获得开源激励。

5. DeepSeek 核心功能解析

5.1 技术背景

DeepSeek ‌是由 杭州深度求索人工智能基础技术研究有限公司 推出的 AI助手 ，于2025年1月15日正式上线。DeepSeek凭借自然语言处理、机器学习与深度学习、大数据分析等核心技术优势，在多个领域表现出色‌。DeepSeek的核心技术包括自然语言处理、机器学习与深度学习、大数据分析等。它在推理、自然语言理解与生成、图像与视频分析、语音识别与合成、个性化推荐、大数据处理与分析、跨模态学习以及实时交互与响应等八大领域表现出色。

5.2 核心能力

具体来说，DeepSeek能够进行逻辑推理、解决复杂问题、理解和生成高质量文本、精准分析图像和视频内容、准确识别和合成语音、根据用户偏好提供个性化推荐、高效处理大规模数据并挖掘有价值信息、实现多模态数据融合与学习，以及通过智能助手和聊天机器人实现快速的自然语言交互‌。

5.3 最新进展

‌1. DeepSeek-V3迭代‌：3月发布的V3-0324版本支持128K上下文窗口，可解析50页PDF或完整代码库，单次生成400+行生产级代码。

‌2. DeepSeek-R1小版本升级‌：5月28日，DeepSeek宣布R1模型完成试升级，优化了写作自然度、长上下文处理、推理速度及代码生成能力，性能接近OpenAI的o3高版本。

6. ChatboxAI 能力分析

6.1 什么是ChatboxAI?

Chatbox AI是一款功能强大且独具特色的 AI 客户端应用与智能助手，宛如一座连接用户与前沿 AI 技术的桥梁。它支持众多先进的 AI 模型和 API，无论是 OpenAI 的 GPT 系列，还是 Anthropic 公司的 Claude、Google 的 Gemini 等，都能在 Chatbox AI 中得以调用 。这意味着用户无需在多个平台间来回切换，即可体验不同模型的优势，满足多样化的需求 。

从使用场景来看，Chatbox AI 拥有极为广泛的适用性。它支持 Windows、MacOS、Android、iOS、Linux 以及网页版等多平台使用，无论你是在办公室使用 Windows 电脑办公，还是在家中通过 MacOS 设备学习，亦或是在移动途中借助 Android 或 iOS 手机获取信息，Chatbox AI 都能随时为你服务，实现跨设备的无缝衔接。

6.2 ChatboxAI的优势

1. 多模型集成：Chatbox AI 的多模型集成堪称一大亮点。它能无缝连接如 GPT-4、Claude、Gemini 等前沿 AI 模型，用户仅需一键即可在不同模型间自由切换。例如，在进行学术论文创作时，GPT-4 强大的知识储备和语言生成能力可辅助撰写复杂的理论部分；而在进行逻辑推理分析时，Claude 在推理方面的优势便得以彰显。这种多模型的灵活选择，让用户得以根据具体任务需求，挑选最合适的模型，极大地提升了工作和学习效率 。
2. 隐私安全保障：在数据安全备受关注的当下，Chatbox AI 将用户数据安全放在首位。它采用本地加密存储对话记录与文件的方式，所有数据都存储在用户设备上，从根本上杜绝了数据泄露风险，为用户提供企业级的数据安全保障。例如，企业用户在使用 Chatbox AI 处理商业机密文件或敏感信息时，无需担忧数据会被第三方获取，真正做到数据主权掌握在自己手中 。
3. 智能文件解析：Chatbox AI 支持对 PDF、代码、图片等多种格式文件进行深度解析。当用户上传一份代码文件时，它能快速理解代码逻辑，辅助开发者进行代码调试、优化；对于 PDF 文件，不仅能提取文字信息，还能自动生成摘要，将冗长的文档内容以简洁明了的方式呈现给用户。此外，它还具备将文件内容转化为可视化图表的能力，帮助用户更直观地理解数据和信息，在学术研究、项目汇报等场景中发挥重要作用 。
4. 开发者友好：对于开发者而言，Chatbox AI 是一款不可多得的利器。它为代码生成与调试提供全流程辅助，无论是 Python、Java 还是其他编程语言，都能提供有效的代码建议和错误排查帮助。同时，其支持的 LaTeX/Markdown 实时渲染功能，能让开发者在撰写技术文档、代码注释时，更清晰地表达复杂的公式和格式，显著提升开发效率 。
5. 全平台覆盖：如前文所述，Chatbox AI 实现了 Windows、macOS、Linux 及移动端的完美适配，跨设备数据实时同步。用户在电脑上与 Chatbox AI 进行的对话记录、设置偏好等信息，在手机端登录时能实时同步，无需重新配置，真正做到随时随地延续使用体验，满足现代用户多设备办公、学习的需求 。
6. 生态扩展性：Chatbox AI 通过开放 API 接入第三方服务，构建起个性化的 AI 协作生态。用户可以根据自身需求，引入更多功能和服务，例如与企业内部的 CRM 系统对接，实现客户信息的智能化管理；或与特定的行业数据库连接，获取专业领域的知识支持，进一步拓展了 Chatbox AI 的应用边界 。

6.3 安装使用

1. 打开下载链接：https://chatboxai.app/zh#download。根据领取云主机的配置选择64位还是ARM64位。

下载后，在~/Downloads目录下可以找到它。右键打开终端，通过如下命令赋予可执行权限：

sudo chmod +x Chatbox-1.14.1-arm64.AppImage

然后运行它。

发现会报错：

./Chatbox-1.14.1-arm64.AppImage: error while loading shared libraries: libz.so: cannot open shared object file: No such file or directory

解决办法，安装缺少的运行库：

sudo apt install zlib1g-dev

再次运行，发现依然缺少运行库：

dlopen(): error loading libfuse.so.2



AppImages require FUSE to run. 

You might still be able to extract the contents of this AppImage 

if you run it with the --appimage-extract option. 

See [https://github.com/AppImage/AppImageKit/wiki/FUSE](https://github.com/AppImage/AppImageKit/wiki/FUSE) 

for more information

解决办法，安装缺少的运行库：

sudo apt install libfuse2

再次运行。

./Chatbox-1.14.1-arm64.AppImage --no-sandbox

就可以正常启动了，如下图所示：

在使用之前，需要先配置模型提供方，这里你可以选择付费订阅ChatBox AI云，⼀个License可以⽀持五个设备，也可以领取华为云免费赠送的DeepSeek满血版 200W tokens来配置使用。

6.3.1 免费领取华为云200W tokens

访问华为云首页：https://www.huaweicloud.com/。搜索DeepSeek。然后在搜索结果里点击立即体检。

继续点击立即体验。

在线推理的预置服务中，找到免费服务，就可以看到华为云给我们赠送了DeepSeek r1和v3各200万，合计400万的DeepSeek满血版模型额度，大家可以领取使用。

6.3.2 ChatBox配置华为云DeepSeek

领取成功之后，点击右侧的使用说明按钮，根据提示获取API地址和模型名称。

2. 进入API Key管理页面：https://console.huaweicloud.com/modelarts/?locale=zh-cn&region=cn-southwest-2#/model-studio/authmanage。点击 创建API Key按钮，根据提示创建即可。

创建成功之后，就会自动创建秘钥，复制。

回到ChatBox主界面，点击设置，选择模型提供方，然后最下面找到添加按钮。

名字输入华为云，API模式选OpenAI API兼容，点击添加按钮。

然后填入API秘钥、API主机和API路径。

点击模型的新建按钮，输入DeepSeek-R1，点击保存即可。

到此为止，华为云免费赠送的DeepSeek就配置好了。接下来我们试用一下，点击新会话，右下角切换模型为华为云的DeepSeek-R1，prompt使用：用老舍的风格写一篇描述春天很美的200字作文。如下所示，分别是深度思考的过程和回答，可以看出，DeepSeek非常了解老舍的京味儿风格，不管是思考过程还是给出的实例文章，都紧贴老舍的写作风格，非常完美的再现了老舍先生朴实无华的文风。

• 深度思考过程：
  
• 回答：
  

7. MCP插件调用

在之前的文章中，我们提到过ChatBoxAI是支持联网搜索的，它是通过web_search插件来实现的该功能扩展，那么你是不是想问：除了ChatBoxAI工具，我们能不能也来调用一些插件来增加大模型的能力呢？答案是可以的，这就是本节课要讲的MCP了。

7.1 关于MCP

7.1.1 什么是MCP？

MCP（Model Context Protocol，模型上下文协议） ，2024年11月底，由 Anthropic 推出的一种开放标准，旨在统一大模型与外部数据源和工具之间的通信协议。MCP 的主要目的在于解决当前 AI 模型因数据孤岛限制而无法充分发挥潜力的难题，MCP 使得 AI 应用能够安全地访问和操作本地及远程数据，为 AI 应用提供了连接万物的接口。

7.1.2 MCP应用价值

在过去，大模型等 AI 应用使用数据时只能通过复制粘贴或上传知识库，这种方式极为局限，即便最强大的模型也会因数据隔离形成信息孤岛，每个新数据源都需重新定制实现，导致真正互联的系统难以扩展。而现在，MCP 通过服务器和客户端在 AI 与数据（包括本地数据和互联网数据）间架起桥梁，只要遵循这套协议就能实现 “万物互联”，其可与数据和文件系统、开发工具、Web 和浏览器自动化、生产力与通信工具及各种社区生态能力全部集成，形成强大的协作工作能力，价值不可估量。

7.1.3 MCP中的几个重要角色

在MCP协议中，有几个重要角色：

• MCP服务器：作为协议中枢，负责数据路由、规则管理和跨源协调，整合不同数据源并提供统一交互标准。比如：高德地图的MCP服务就通过MCP协议对外提供了ip地理位置、天气查询、POI查询、导航路线规划等等一系列能力。
• MCP客户端：部署在数据或AI应用端，按协议实现数据接入与AI能力调用，完成数据封装和通信交互。 比如ChatBoxAI就是众多支持MCP协议的客户端之一，我们可以在ChatBoxai上通过调用高德地图MCP实现天气查询功能。
• MCP市场：MCP工具的聚合与分发平台、MCP 工具市场和 MCP 导航平台。这类市场汇集了全球范围内可接入的 MCP Server 工具资源，为开发者提供了一个标准化工具的共享平台。

这几个核心角色通过MCP协议形成协作网络，打破数据孤岛，实现了数据与AI的互联。

7.2 接入高德地图MCP来实现天气查询

7.2.1 获取SSE url

参考mcpstore提供的高德地图MCP server页面，这次我们采取SSE方式来接入。

在页面上直接点击生成按钮（需登录），mcpstore会为我们生成一个高德地图MCP server的SSE url，直接复制它。

7.2.2 ChatBoxAI添加mcp server

打开ChatBoxAI，依次找到左下角设置-MCP-添加服务器

点击添加自定义服务器：

如下图所示，配置名称和URL之后，点击测试按钮，测试成功找到接口列表之后，点击保存按钮即可。

7.2.3 测试验证

同样，mcp server添加成功之后，在对话框下方点击MCP按钮，启用高德地图这个MCP。

然后询问：杭州明天早上8点下雨吗？，神奇的一幕又出现了，ChatBoxAI成功调用高德地图MCP的天气接口，帮我们查询到了明天的天气，并根据我的需求，帮我把明天早上8点的天气进行了归纳总结，因为下雨，还贴心了提醒我们记得带伞。到此，我们的第二个生活小助手也顺利搞定了。

8. 开发一个地区智能查询MCP

8.1 为什么要开发这个MCP？

在上一节内容中，为大家演示了通过高德地图MCP来查询杭州天气的功能。那么，如果我不明确说查询杭州天气，只问明天上午8点有雨吗，大模型因为不知道我们要查询哪个地区的天气，所以是无法调用MCP查询到天气的，是不是根据很傻很天真？

8.2 基于FastMCP开发MCP server

8.2.1 FastMCP简介

FastMCP作为新一代Python风格的MCP服务开发框架，相较传统MCP Server开发需手动编写代码处理协议解析、服务发现、错误处理等底层功能，通过标准化协议实现和自动化代码生成，减少开发者代码编写量70%以上，大大降低了MCP Server或Clients的开发门槛。

8.2.2 搭建开发环境

使用FastMCP开发MCP Server，只需要安装一个fastmcp库就可以了。可以通过pip来安装：

sudo pip3 install fastmcp -i https://mirrors.aliyun.com/pypi/simple

下面代码演示了一个最小MCP Server的，通过触发默认接口hello()，来返回一段打招呼的话。

from fastmcp import FastMCP

# 创建MCP实例
mcp = FastMCP("simple-server")

@mcp.tool()
def hello() -> str:
    """问候语"""
    return "Hello from MCP Server!"

if __name__ == "__main__":
    mcp.run()

8.2.3 实现地区查询功能

https://ipinfo.io/json是一个提供IP地址详细信息的Web服务接口。当你访问这个URL时（通常是通过HTTP GET请求），它会返回一个JSON格式的响应，其中包含与请求者的IP地址相关的各种信息。以下是对该服务的详细介绍：

1. ‌返回的数据结构‌

   {
     "ip": "112.49.236.237",
     "hostname": "112.49.236.237clouds.com",
     "city": "Hangzhou",
     "region": "Zhejiang",
     "country": "CN",
     "loc": "29.8782,121.5494",
     "org": "AS9808 China Mobile Communications Group Co., Ltd.",
     "postal": "315000",
     "timezone": "Asia/Shanghai",
     "readme": "https://ipinfo.io/missingauth"
   }
   

其中，

• ip‌: 请求者的IP地址。例如：“112.49.236.237”。
• city‌: 请求者IP地址所在的城市。例如：“Ningbo”。
• region‌: 请求者IP地址所在的省份或地区。例如：“Zhejiang”。
• country‌: 请求者IP地址所在的国家代码。例如：“CN”（代表中国）。
• loc‌: 经纬度信息，用于地理位置定位。例如：“29.8782,121.5494”。
• org‌: 请求者IP地址所属的网络组织或ISP（互联网服务提供商）。例如：“AS9808 China Mobile Communications Group Co., Ltd.”。
• postal‌: 请求者IP地址所在的邮政编码。例如：“315000”。
• timezone‌: 请求者IP地址所在时区。例如：“Asia/Shanghai”。
• readme‌: 一个链接，通常用于提供关于API使用限制、认证要求或其他重要信息的页面。例如：“https://ipinfo.io/missingauth”（在没有适当认证时可能会返回此链接）。

2. ‌使用场景‌

• 地理位置定位‌：通过IP地址获取用户的地理位置信息，用于本地化服务或分析用户分布。
• 网络安全‌：识别请求者的网络组织或ISP，用于网络安全分析或防范欺诈行为。
• 时区处理‌：根据用户的地理位置自动调整时间显示，提高用户体验。
• 数据分析‌：结合其他数据，对用户的行为进行更深入的分析和理解。

8.2.4 实现地区查询MCP server

话不多说，直接上代码，我实现了2个功能，一个是查询当前公网ip，对应API为get_public_ip；一个是获取当前所在城市，对应API为get_current_city。完整代码如下所示：

import httpx
from mcp.server.fastmcp import FastMCP
import mcp.types as types
from mcp.types import TextContent, ImageContent, EmbeddedResource

# 创建MCP服务器实例
mcp = FastMCP(
    name="location-server",
    version="1.0.0",
    instructions="A MCP server for IP and location services."
)

async def get_public_ip(arguments: dict) -> list[types.TextContent]:
    """获取当前公网IP地址"""
    try:
        async with httpx.AsyncClient() as client:
            response = await client.get("http://ifconfig.me")
            response.raise_for_status()
            return [types.TextContent(type="text", text=response.text.strip())]
    except Exception as e:
        return [types.TextContent(type="text", text=f"Error: {str(e)}")]

async def get_current_city(arguments: dict) -> list[types.TextContent]:
    """获取当前所在城市"""
    try:
        async with httpx.AsyncClient() as client:
            response = await client.get("https://ipinfo.io/json")
            response.raise_for_status()
            result = response.json()
            city = result.get("city", "Unknown")
            return [types.TextContent(type="text", text=city)]
    except Exception as e:
        return [types.TextContent(type="text", text=f"Error: {str(e)}")]

async def list_tools() -> list[types.Tool]:
    """列出所有可用的工具"""
    return [
        types.Tool(
            name="get_public_ip",
            description="获取当前公网IP地址",
            inputSchema={
                "type": "object",
                "properties": {}
            }
        ),
        types.Tool(
            name="get_current_city",
            description="获取当前所在城市名称",
            inputSchema={
                "type": "object",
                "properties": {}
            }
        )
    ]

async def dispatch(name: str, arguments: dict) -> list[TextContent | ImageContent | EmbeddedResource] | None:
    """调度工具函数"""
    match name:
        case "get_public_ip":
            return await get_public_ip(arguments)
        case "get_current_city":
            return await get_current_city(arguments)
        case _:
            raise ValueError(f"Unknown tool: {name}")

# 注册list_tools方法
mcp._mcp_server.list_tools()(list_tools)
# 注册dispatch方法
mcp._mcp_server.call_tool()(dispatch)

if __name__ == "__main__":
    mcp.run()

8.2.5 在ChatBoxAI添加地区查询MCP server

打开ChatBoxAI，依次找到左下角设置-MCP-添加服务器

点击添加自定义服务器：

如下图所示，配置名称、类型（本地）、命令之后，点击测试按钮，测试成功找到我们的2个接口列表之后，点击保存按钮即可。

8.2.6 测试验证

在只启用我们这一个MCP server时，使用prompt查询mcp信息：请列出当前可用的所有MCP工具及其功能。如下所示，成功识别到。

再次询问：我在哪里？，可以看到，成功调用了我们实现的位置查询MCP。

此时，开启一个新对话，我们直接问：我这里明天下雨吗?，如下图所示，可以看到DeepSeek自动查询了当前位置然后调用了高德的天气接口，得到了我所在地区的天气信息，顺利实现功能！

9. 总结

到这里，本次案例就结束了。看似细微的技术改进，实则带来的是用户体验的颠覆性升级：一方面，实现“零输入”的无感交互，避免跨应用查询的繁琐操作；另一方面，通过动态定位消除“所在地区”的表述歧义，使天气服务从“被动响应”进化为“主动适配”。这种将定位技术与气象服务深度耦合的方案，正是智能时代服务精准化升级的典型实践，为构建更具场景化的生活服务生态奠定技术基础。

开发者空间官网
开发者空间活动专题