TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #205 · 22 јан.

Как работает функция reload()? Эта функция нужна для того, чтобы перезагрузить изменившийся код из py-файла без рестарта интерпретатора. Дело в том, что любой импортированный модуль при повторном импорте не будет перечитывать файл. Функция импорта вернёт уже загруженный в память объект модуля. Чтобы обновить код, нужно либо перезапустить всю программу, либо использовать функцию reload() from importlib import reload reload(my_module) 🔸 Функция reload() принимает в качестве аргумента только объект модуля или пакета. Она не может перезагрузить класс или функцию. Только весь файл целиком! 🔸 Перезагрузка пакета перезагрузит только его файл __init__.py, если он есть. Но не вложенные модули. 🔸Она не может перезагрузить ранее не импортированный модуль. 🔸При вызове функция reload() перечитывает и перекомпилирует код в файле, создавая новые объекты. После создания новых объектов перезаписывается ранее созданный неймспейс этого модуля. Это значит, что если где-то этот модуль импортирован через import и обращение к атрибутам происходит через неймспейс (имя) модуля, то такие атрибуты обновятся. Если какие-либо объекты из этого модуля импортированы через from то они будут ссылаться на старые объекты. Напишем простой модуль # mymodule.py x = 1 Теперь импортируем модуль и отдельно переменную х из модуля >>> import mymodule >>> from mymodule import x >>> print(mymodule.x) 1 >>> print(x) 1 Не перезапуская интерпретатор вносим изменения в модуль # mymodule.py x = 2 Делаем перезагрузку модуля и проверяем х ещё раз >>> reload(mymodule) >>> print(mymodule.x) 2 >>> print(x) 1 То же самое будет если присвоить любой объект переменной (даже словарь или список) Повторный импорт обновляет значение >>> from mymodule import x >>> print(x) 2 🔸Созданные инстансы классов не обновятся после перезагрузки модуля. Их придётся пересоздать. #tricks#basic

Резултати

Пронајдени 3 слични објави

Пребарај: #modelcontextprotocol

当前筛选 #modelcontextprotocol清除筛选
GitHub Trends

@githubtrending · Post #15076 · 19.08.2025 г., 13:00

#python#aws#mcp#mcp_client#mcp_clients#mcp_host#mcp_server#mcp_servers#mcp_tools#modelcontextprotocol AWS MCP Servers use the Model Context Protocol (MCP), an open standard that connects AI tools with AWS data and services in a simple, secure way. These servers improve AI responses by providing up-to-date AWS documentation, best practices, and workflow automation for cloud development, infrastructure, and operations. You can run MCP servers locally for development or use AWS-managed remote servers for easy access and scalability. MCP servers support many AWS services like Lambda, DynamoDB, EKS, and more, helping you build, manage, and optimize AWS resources efficiently with AI assistance. Installation is easy with one-click options for popular tools like VS Code and Cursor. This makes cloud development faster, more accurate, and cost-effective. https://github.com/awslabs/mcp

GitHub Trends

@githubtrending · Post #15008 · 31.07.2025 г., 09:30

#python#csharp#java#javascript#javascript_applications#mcp#mcp_client#mcp_security#mcp_server#model#model_context_protocol#modelcontextprotocol#python#typescript You can learn the Model Context Protocol (MCP), a new standard for connecting AI models with applications, through a free, open-source curriculum that includes hands-on coding examples in C#, Java, JavaScript, Python, and TypeScript. The curriculum covers basics, security, building servers and clients, advanced topics, and best practices, with multi-language support and community help via Discord. You can also join MCP Dev Days, a free online event for deep technical learning and networking. This resource helps you quickly gain practical skills to build and integrate AI tools effectively, boosting your development capabilities in AI workflows. https://github.com/microsoft/mcp-for-beginners

GitHub Trends

@githubtrending · Post #14896 · 02.07.2025 г., 12:30

#python#ai#authentication#authorization#claude#cursor#fastapi#llm#mcp#mcp_server#mcp_servers#modelcontextprotocol#openapi#windsurf FastAPI-MCP is a tool that lets you easily turn your FastAPI web API endpoints into Model Context Protocol (MCP) tools, which AI agents can use directly. It requires almost no setup—just connect it to your FastAPI app, and it automatically preserves your request/response data models and documentation. It also includes built-in authentication using your existing FastAPI security methods. You can run the MCP server inside your app or separately, and it communicates efficiently using FastAPI’s ASGI interface. This makes it simple to integrate AI capabilities with your existing FastAPI services without rewriting code, saving you time and effort while keeping your API secure and well-documented[1][5]. https://github.com/tadata-org/fastapi_mcp