Playwright MCP：讓 AI Agent 用可驗證的瀏覽器狀態完成網頁工作
Playwright MCP 將 Playwright 瀏覽器自動化包裝成 MCP server，讓 AI Agent 透過 accessibility snapshot、明確工具與狀態回讀完成網頁任務。本文拆解它的使用方式、profile 管理、限制與安全導入策略。
最新文章
探索 AI 應用的最新趨勢與實用技巧
MCP Toolbox for Databases：讓 Agent 安全連接企業資料庫的開源工具鏈
MCP Toolbox for Databases 將資料庫能力包成可審查的 MCP 工具，從預建整合、tools.yaml、自訂 toolset 到 OIDC 授權與 OpenTelemetry，建立 Agent 連接企業資料的工程邊界。本文拆解它的架構、上手方式、安全取捨與 production 導入檢查表。
AI Agent 不該只靠感覺驗收：DeepEval 如何把 LLM 評估帶進 pytest 工作流
DeepEval 是一套開源 LLM 評估框架，將測試案例、品質 metrics 與 threshold 接進熟悉的 pytest／CI 工作流。本文從官方 README 與原始碼脈絡拆解黑箱評估、RAG faithfulness、Agent trajectory、工具正確性與導入治理。
從單機 Python 到 AI 叢集：Ray 如何把擴展成本藏進程式模型
當機器學習工作負載從單機走向分散式，真正棘手的往往不是把 CPU 數量加大，而是重新設計任務、狀態、資料與服務邊界。Ray 以 tasks、actors 與 objects 建立一套 Python 原生的分散式執行模型，再往上提供 Data、Train、Tune、RLlib 與 Serve 等 AI libraries。本文用一個可驗證的上手範例，拆解它適合解決什麼問題，以及哪些情境不該急著導入。
Netdata：把每秒級觀測、邊緣 ML 與 MCP 組成可診斷的 AI 可觀測平台
Netdata 不只是另一個監控儀表板：它把每秒級指標、邊緣端異常偵測、分散式 Parent-Child 架構，以及最新版本中的 MCP troubleshooting 串成一條可操作的觀測路徑。本文從 Agent 的資料流、AI 分析迴圈與 v2.11.0 的網路能力出發，拆解這個 8 萬星開源專案適合解決什麼問題，以及導入時該避開哪些誤區。
別讓 RAG 卡在檢索層：Milvus 如何把向量搜尋做成可擴展的 AI 基礎設施
RAG 的瓶頸常常不在模型，而在檢索層是否能從本機原型一路長到生產規模。本文用 Milvus 的官方架構與 quickstart 拆解向量搜尋、metadata filtering、hybrid search，以及從 Milvus Lite 走向 Docker 與 Kubernetes 的實務路線。