Beiträge zum Tag #python

KI-Bildgeneratoren erfinden Logos – und das sieht man. Wenn ein Produkt-Hero das echte Home-Assistant- oder Firmen-Logo zeigen soll, hilft nur eins: das Logo als Referenz mitschicken. In diesem Artikel zeige ich, wie ich mein bestehendes generate_ai_image-MCP-Tool um Referenzbilder erweitert habe – wie der Code zwischen reinem Text→Bild und Bild-Input-Modus umschaltet (gpt-image-1 via images.edit, Gemini via generate_content) und welche Stolperfalle mich Tokens gekostet hat. Du brauchst Grundwissen zu Python und MCP; am Ende kannst du Logos zuverlässig in deine Heroes einfließen lassen.

Ein Sprachmodell wie Claude oder GPT kann beeindruckend formulieren – aber von sich aus nichts tun: keine Datei lesen, keine API aufrufen, nichts veröffentlichen. Das Model Context Protocol (MCP) schließt genau diese Lücke: Es ist ein offener Standard, über den ein LLM externe Werkzeuge und Daten ansprechen kann. Dieser Artikel erklärt ohne Buzzword-Bingo, was ein MCP-Server wirklich ist, aus welchen Bausteinen er besteht und wann sich ein eigener lohnt – konkret am Beispiel des MCP-Servers, mit dem ich diesen Blog (devmaker.net) steuere. Du brauchst nur Grundverständnis von APIs; am Ende weißt du, ob MCP für dein Projekt Sinn ergibt.

Nach jedem Deploy quittierte mein selbst gehosteter MCP-Server jeden Tool-Aufruf mit „-32602 Invalid request parameters” – obwohl die Parameter stimmten. Dieser Artikel zeigt die komplette Fehlersuche aus echtem Betrieb: warum das deprecatete SSE-Transport Container-Restarts prinzipbedingt nicht überlebt, wie man Server- von Client-Fehlern trennt, und wie der Umstieg auf stateless Streamable-HTTP das Problem dauerhaft löst – mit FastMCP und ohne Server-Push aufzugeben.

Eigene MCP-Server entwickeln klingt komplex – ist es aber nicht. Mit FastMCP und Python schreibst du Tools in Minuten, die Claude direkt aufrufen kann. Dieser Artikel zeigt den Weg vom leeren Repo bis zum produktiven Remote-Server: stdio für Claude Code lokal, HTTP/SSE mit Auth für Homelab und Production. Basis ist der devmaker-MCP-Server, der diese Website steuert – praxiserprobt, kein Beispiel-Setup.

Wagtail bringt keine Frontend-Meinung mit – und irgendwann schreibt man zum dritten Mal dieselbe Card-Komponente in Custom-CSS. Tailwind v4 mit daisyUI als Komponenten-Layer war mein Kompromiss: kein Bootstrap-Override-Wahnsinn, keine eigene CSS-Bibliothek von Null, kein Eingriff in den Django-Static-Workflow. Dieser Artikel zeigt das konkrete Setup für devmaker.net – mit npm-Watch im Dev, einem Multi-Stage-Dockerbuild in Production und den echten Stolperfallen, die ich dabei gemacht habe.

Die Entwicklung einer Django-App ist eine Sache – sie produktiv laufen zu lassen eine andere. Nginx Unit ist ein Application Server, der per REST-API konfiguriert wird, ohne Neustarts Änderungen übernimmt und statische Dateien parallel zum Python-Code bedient. Für mich die sauberste Alternative zum klassischen Gunicorn-plus-Nginx-Doppelpack.