11:17arXiv cs.AI@Edwin Jose精选HarnessAPI 是一个 Python 框架,旨在解决 LLM 工具部署中 HTTP 端点与 MCP 工具注册重复维护的问题。它通过将类型化的技能文件夹作为单一事实来源,从 handler.py 和 Pydantic 模式自动生成流式 HTTP 端点、交互式 OpenAPI/Swagger UI 和零配置 MCP 工具。该框架支持双模式内容协商,无需修改处理器即可同时服务 SSE 流和 JSON 返回客户端。动态代码生成机制确保 Pydantic 类型注解正确传播到 FastMCP 的检查层,解决了基于闭包注册的技术限制。在六个代表性技能上测试,HarnessAPI 相比手动维护的双栈实现减少了 74% 的框架相关样板代码。AI产品MCP/工具开源/仓库Python框架流式APILLM工具部署推荐理由:做 LLM 工具部署的开发者终于可以告别 HTTP 和 MCP 两套代码的重复维护了——HarnessAPI 用一个技能文件夹自动生成所有接口,减少 74% 样板代码,值得直接试试。原文
11:19arXiv cs.LG@Jintao Li, Weichang Li, Kai Tong, Xaingyu Guo精选FiLark 是一个专为分布式声学传感(DAS)设计的 Python 框架,采用“流式优先”原则统一处理数据访问、信号处理、可视化和监控。它解决了传统批处理框架无法高效处理连续、超高通道数据流的问题,支持交互式浏览任意长录音、在数据流中直接标注事件,并集成 CPU/GPU 加速的信号处理库。该框架通过统一的流抽象,使交互式开发的处理配置可直接迁移到生产流水线,无需修改。论文分布式声学传感流式处理Python框架信号处理可视化推荐理由:DAS 领域的研究者和工程师终于有了一个能处理连续数据流的工具,不用再手动切片段做离线分析了。做地震监测、管道检测或声学事件标注的团队,可以直接用 FiLark 搭建从探索到部署的完整工作流。原文