@rohanpaul_ai: 3. 设置很简单。安装 neo-mcp，创建一个 NEO 密钥，将其注册到 Claude Code，然后让代理…

X AI KOLs Following 工具
mcp-server claude-code local-ai task-delegation benchmark ai-engineering

摘要

Neo 新推出的 MCP 服务器 neo-mcp 与 Claude Code 集成，可卸载复杂的 AI/ML 任务，通过切换到 ONNX Runtime 降低成本并提升性能，运行时间减少 37%。

"我不再提示 Claude 了。我写循环，循环负责工作。我的工作就是写循环。" —— Boris Cherny，Claude Code 的创建者。 @withneo 新推出的 MCP 服务器通过 neo-mcp 为 Claude Code 提供了一个本地 AI 工程助手。 它让 Claude Code 可以将复杂的 AI/ML 任务交给 Neo，Neo 可以实现代码、运行实验、评估结果、调试失败的运行，并返回完整的执行轨迹。 也就是说，Claude Code 与你对话，Neo 执行更耗时的 ML 工作。 在一个基准测试中，Claude Code + NEO 将任务成本从 1.96 美元降低到 0.74 美元，运行速度提升 37%，并将后端从 PyTorch 切换到 ONNX Runtime 以实现 CPU 优化执行。 将 Claude Code、Cursor、VS Code 以及其他 MCP 客户端连接到 NEO。编辑器保持对话控制权。NEO 执行 AI 工程工作。 因此，Neo 成为了 AI 工程工作的执行层。 Claude Code 移交任务。Neo 规划、运行实验、监控进度、评估结果，并返回轨迹：转录记录、文件、指标、报告或仓库变更。 这个反馈循环至关重要。 Claude 无需消耗有限的迭代次数来监控长时间运行的任务，而是可以使用 Neo 的 MCP 工具来检查状态、暂停、恢复、检查轨迹，或在决策点请求输入。 Claude 保持专注于决策，而非执行噪音。
查看原文
查看缓存全文

缓存时间: 2026/06/16 15:37

“我不再手动提示Claude了。我写循环，循环来干活。我的工作是写循环。”
—— Boris Cherny，Claude Code的创造者。

@withneo 新上线的MCP服务器通过 neo-mcp 为 Claude Code 提供了一个本地的AI工程工人。

它让 Claude Code 将复杂的AI/ML任务交给 Neo，Neo可以编写代码、运行实验、评估结果、调试失败的运行，并返回完整的执行轨迹。

也就是说，Claude Code 与你对话，而 Neo 负责更耗时的机器学习工作。

在一项基准测试中，Claude Code + NEO 将任务成本从1.96美元降至0.74美元，运行时间缩短了37%，并将后端从PyTorch切换到ONNX Runtime以实现CPU优化执行。

将Claude Code、Cursor、VS Code以及其他MCP客户端连接到NEO。编辑器保持对话控制权，NEO负责AI工程工作。

因此，Neo成为了AI工程工作的执行层。

Claude Code 交办任务。Neo 规划、运行实验、监控进度、评估结果，并返回轨迹：对话记录、文件、指标、报告或仓库变更。

这个反馈循环至关重要。

不是让 Claude Code 有限的迭代次数来保姆式地监控长时间运行的任务，而是 Claude 可以利用 Neo 的 MCP 工具来检查状态、暂停、恢复、检查轨迹，或在决策点请求输入。

Claude 专注于决策，而非执行层面的噪音。

相似文章

使用 MCP 进行代码执行：构建更高效的智能体

Anthropic Engineering

本文来自 Anthropic，探讨了如何将代码执行与 Model Context Protocol (MCP) 相结合，以提升 AI 智能体的效率。文章分析了工具定义和中间结果导致的 token 过载等挑战，并提出代码执行作为降低延迟和成本的解决方案。