sdk

本文介绍 TinyMCE AI 服务如何通过模型上下文协议 (MCP) 和可插拔 Web 端点扩展模型能力。AI 服务支持工具调用、页面抓取及实时网页搜索，显著提升对话响应质量。演示连接了包含收购交易数据的 Airtable 数据库，展示如何在编辑器中通过聊天侧边栏调用 MCP 服务器工具填充文档占位符或回答查询。所有功能仅需配置环境变量，无需额外基础设施，适用于本地部署场景。

本指南详解如何在 TinyMCE 编辑器中集成 Amazon Bedrock 以启用 AI Assistant 插件。通过 AWS 托管服务，利用多种基础模型构建生成式应用。示例涵盖 Node.js 客户端调用与服务器端代理安全实践，支持字符串及流式响应模式，助力快速部署深度文档感知的 AI 功能。

本文介绍 TinyMCE 编辑器提供的默认可用图标列表。用户可参考相关文档了解如何为 TinyMCE 创建自定义图标包，并掌握通过 API 设置图标标识符、预览文件名等配置方法，满足个性化界面需求。

本文档详解基于 Docker 的 FFmpeg WebAssembly 构建系统。通过多阶段 Dockerfile，利用 Emscripten 将 FFmpeg 及其依赖项编译为可在浏览器运行的单/多线程模块。涵盖库编译、配置标志设置、最终链接及输出优化等全流程，确保构建环境一致且可重复。

本文介绍 TinyMCE Env 类提供的各种环境常量与检测方法。涵盖当前浏览器名称、版本及 IE 文档模式，支持获取操作系统信息如 Windows、macOS、Linux 等。同时提供针对桌面、手机、平板、触摸设备及特定 WebView 环境的判断方法，帮助开发者在不同环境下灵活适配应用逻辑。

本文详细介绍如何配置 AI 服务以连接各大语言模型（LLM）提供商，包括 OpenAI、Anthropic、Azure、AWS Bedrock 及 Google Vertex AI。内容涵盖环境变量设置、JWT 权限管理、模型列表定义、API 密钥安全轮换策略以及针对各平台的特定配置指南和故障排除方法，助您快速部署多模型架构。

本文介绍如何从 Tiny Cloud 指定 TinyMCE 编辑器版本及加载插件。涵盖8、8-Testing和8-Dev三种发布渠道的区别，包括最新发行版、发布候选版及夜间构建版本的获取方式。同时讲解混合模式下自行托管与云部署高级插件的配置方法，确保脚本加载顺序正确，帮助您灵活管理TinyMCE实例并集成所需的高级功能。

TinyMCE Enterprise Spellchecking 插件为编辑器提供强大的实时拼写检查功能。支持多种语言及医学英语等专用词典，兼容 Tiny Cloud 与自托管部署。用户可自定义字典、忽略特定词汇并持久化设置。通过直观的上下文菜单和工具栏按钮管理拼写错误，利用 API 获取检查结果，轻松提升内容质量。

本文介绍 ffmpeg.wasm 的多层构建系统，利用 Docker 确保环境一致性，通过 Emscripten 转译 C/C++ 代码生成 WebAssembly。系统采用多阶段 Docker 编译和 Makefile 管理变体，支持单/多线程优化及依赖锁定，并通过 GitHub Actions 实现自动化 CI/CD 流水线与测试。

本文介绍如何将官方 TinyMCE Blazor 组件集成到 Blazor 应用程序中。教程涵盖使用 Visual Studio、VS Code 及命令行创建项目、安装依赖包、配置渲染模式及添加编辑器脚本的完整步骤，帮助开发者快速构建带富文本编辑功能的 Web 应用。