Agent开发-AI中文站

开拓MCP洪荒时代

累计撰写 17 篇文章
累计创建 3 个标签
累计收到 0 条评论

目录CONTENT

以下是 Agent开发相关的文章

2025-06-08
置顶 MCP用户指南-目录页导言 MCP是一种开放协议，它标准化了应用程序向llm提供上下文的方式。将MCP想象成用于AI应用程序的usb-c端口。正如usb-c提供了一种将设备连接到各种外围设备和附件的标准化方法一样，MCP提供了一种将AI模型连接到不同数据源和工具的标准化方法。为什么选择MCP？
- 2025-06-08
- 63
- 0
- 0
- Agent开发
2025-06-15
AI概念本节介绍Spring AI使用的核心概念。请仔细阅读本篇文章，以了解Spring AI实现背后的想法。 Models (模型) AI模型是旨在处理和生成信息的算法，通常模仿人类的认知功能。通过从大型数据集中学习模式和见解，这些模型可以进行预测、文本、图像或其他输出，从而增强跨行业的各种应用。有许
- 2025-06-15
- 3
- 0
- 0
- Agent开发
2025-06-12
SpringAI-介绍该Spring AI项目旨在简化包含人工智能功能的应用程序的开发，避免不必要的复杂性。该项目的灵感源自一些著名的 Python 项目，例如 LangChain 和 LlamaIndex，但 Spring AI 并非这些项目的直接移植。该项目的创立基于这样一种信念：下一波生成式 AI 应用将不仅面向
- 2025-06-12
- 1
- 0
- 0
- Agent开发
2025-06-11
MCP核心概念-Transports 本文主要方便用户了解MCP 的通信机制模型上下文协议 (MCP) 中的传输协议为客户端和服务器之间的通信提供了基础。传输协议负责处理消息发送和接收的底层机制。消息格式 MCP 使用
- 2025-06-11
- 2
- 0
- 0
- Agent开发
2025-06-11
MCP核心概念-Sampling 采样/取样 (Sampling) 采样（Sampling）是大型语言模型（LLM）生成文本的核心机制。它指的是模型在生成过程中，从其预测的下一个词的概率分布中选择一个词的过程。关键概念
- 2025-06-11
- 3
- 0
- 0
- Agent开发
2025-06-11
MCP核心概念-Tools 工具工具是模型上下文协议 (MCP) 中一个强大的原语，它使服务器能够向客户端公开可执行功能。通过工具，LLM 可以与外部系统交互、执行计算并在现实世界中采取行动。概述 MCP 中的工具允许服务器公开可执行函数，这些函数可供客户端调用，并由 LLM 用来执行操作。这些工具的关键方面包括：
- 2025-06-11
- 3
- 0
- 0
- Agent开发
2025-06-11
MCP核心概念-Prompts 创建可重复使用的提示词模板和工作流 Prompts使服务器能够定义可重用的提示词模板和工作流，客户端可以轻松地将这些模板和工作流呈现给用户和llm。它们提供了一种强大的方式来标准化和共享常见的LLM交互。概述 MCP中的提示词是预定义的模板，可以: 接受动态参数
- 2025-06-11
- 3
- 0
- 0
- Agent开发
2025-06-10
MCP核心概念-资源将服务器中的数据和内容公开到LLMs 资源是模型上下文协议 (MCP) 中的核心原语，它允许服务器公开可由客户端读取并用作LLM交互的上下文的数据和内容。概述资源表示MCP服务器希望向客户端提供的任何类型的数据。这可以包括: 文件内容
- 2025-06-10
- 4
- 0
- 0
- Agent开发
2025-06-10
MCP核心概念-核心架构了解MCP如何连接客户端、服务器和llm MCP 建立在灵活、可扩展的体系结构之上，可实现LLM应用程序和集成之间的无缝通信。本文档涵盖了核心体系结构组件和概念。概述 MCP遵循客户端-服务器架构，其中:
- 2025-06-10
- 3
- 0
- 0
- Agent开发
2025-06-10
MCP用户教程-Inspector调试指南本文档详细介绍了Inspector的特性和功能。入门安装和基本使用 Inspector运行直接通过npx无需安装: npx @m
- 2025-06-10
- 2
- 0
- 1
- Agent开发

1
2