您现在的位置是：首页 > 文章详情

微软开源的 MCP 教程「GitHub 热点速览」

日期：2025-08-12点击：38收藏

上周，最大的开源新闻就是 OpenAI 开源了 gpt-oss 推理模型。尽管模型能力不俗，但似乎并未带来"颠覆性"突破，也许是我们对大模型开源已经有些"审美疲劳"了。

说回本周的热门开源项目，KittenTTS 是一款小巧却高质量的英文文本转语音模型 ，凭借自然流畅的语音效果，一周内收获了 6k Star。谷歌开源的 LangExtract 则利用大模型，通过简短提示和少量示例，能从非结构化文本中高效提取结构化信息。此外，微软开源的 MCP 教程，系统地帮助开发者掌握 MCP 原理与最佳实践。还有无需编写代码、可一键集成登录界面的身份认证中间件 Tinyauth。

最后，精准的网页内容截图库 snapdom 和开源的网页双语对照翻译浏览器插件，也是不错的开源项目。

本文目录
- 1. 热门开源项目
  - 1.1 开源的零代码身份认证中间件：Tinyauth
  - 1.2 开源的网页双语对照翻译工具：kiss-translator
  - 1.3 基于大模型的智能文本提取库：LangExtract
  - 1.4 轻量小巧的文本转语音模型：KittenTTS
  - 1.5 微软开源的 MCP 教程：mcp-for-beginners
- 1. HelloGitHub 热评
  - 2.1 精准的网页内容截图库：snapdom
  - 2.2 在浏览器中运行的 JupyterLab：JupyterLite
- 1. 结尾

1. 热门开源项目

1.1 开源的零代码身份认证中间件：Tinyauth

主语言：Go ，Star：4.4k ，周增长：700

这是一个 Go 语言开发的极简认证中间件，可通过 Docker 快速部署。它能为任何 Web 应用或服务一键添加登录界面或 OAuth 登录（Google、GitHub 等），无需修改现有代码，可无缝集成到 Traefik、Caddy、Nginx 等主流反向代理，极大简化了安全登录的实现流程。

GitHub 地址→github.com/steveiliop56/tinyauth

1.2 开源的网页双语对照翻译工具：kiss-translator

主语言：JavaScript ，Star：6.3k ，周增长：2.2k

这是一款开源的双语对照翻译浏览器插件。它为用户提供网页内容的快速双语对照翻译功能，便于在阅读外语网页时同步查看原文与译文，支持多翻译引擎（Google、DeepL、OpenAI 等）一键切换，且全部在本地调用 API，不经过第三方服务器、保护隐私。

GitHub 地址→github.com/fishjar/kiss-translator

1.3 基于大模型的智能文本提取库：LangExtract

主语言：Python ，Star：8.1k ，周增长：4k

这是一款由 Google 开源的 Python 库，可实现自动识别和提取文本内容。它内置源文本的精确定位与交互式可视化功能。用户只需提供简短提示和少量示例，便可借助大型语言模型（如 Gemini）从非结构化文本中高效、精准地提取结构化信息。

import langextract as lx import textwrap # 1. Define the prompt and extraction rules prompt = textwrap.dedent("""\ Extract characters, emotions, and relationships in order of appearance. Use exact text for extractions. Do not paraphrase or overlap entities. Provide meaningful attributes for each entity to add context.""") # 2. Provide a high-quality example to guide the model examples = [ lx.data.ExampleData( text="ROMEO. But soft! What light through yonder window breaks? It is the east, and Juliet is the sun.", extractions=[ lx.data.Extraction( extraction_class="character", extraction_text="ROMEO", attributes={"emotional_state": "wonder"} ), lx.data.Extraction( extraction_class="emotion", extraction_text="But soft!", attributes={"feeling": "gentle awe"} ), lx.data.Extraction( extraction_class="relationship", extraction_text="Juliet is the sun", attributes={"type": "metaphor"} ), ] ) ]