AI探索时代
再强调一遍,智能体是由大模型(LLM)+工具集(Tools)组合而成的
最近在做数据分析的智能体遇到了需要动态计算的数据无法通过数据库表结构获取的问题。文章建议通过模块化和接口调用来解决这类问题,并强调工具才是智能体强大的核心。
记录一次Langgraph流式返回的问题处理过程——以及智能体debug的心得体会
最近在做智能体的过程中遇到了流式返回的问题。作者通过调试发现是模型部署版本问题导致的。在智能体开发中,解决问题的最佳方式是一个功能点一个功能点的测试。
智能体的能力范围有限,在某些复杂场景下很难发挥其作用,因此最好的方式需要把人力与大模型的能力相结合——人机协同
最近发现智能体能力有限,尤其在复杂真实场景中存在边界理解、工具调用限制等问题。为弥补缺陷,建议人机协同模式:智能体负责快速自动化处理,人力负责最终决策和责任兜底。
企业级智能体开发中所遇到的问题以及解决方案
企业级智能体架构存在单智能体和多智能体两种模式。单智能体开发主要面临工具调用链路长、提示词过长及工具响应错误等问题,而多智能体开发则需解决不同智能体之间数据格式不一致及调度问题。总体而言,智能体开发理论简单但实现复杂。
MCP协议底层原理分析——基于JSON-RPC2.0的传输协议
文章介绍了MCP协议的核心组件和其基于JSON-RPC2.0的传输方式,强调了MCP协议的灵活性以及开发者可以通过自定义报文格式来实现数据传输。
MCP(Model Context Protocol)模型上下文协议介绍
MCP协议是智能体开发中的标准协议,用于统一工具调用方式。FastMCP框架简化了协议实现过程,通过定义tools、resources和prompts等概念实现了简单而强大的接口。
使用fastapi-mcp改造fastapi服务为MCP服务供智能体使用案例
使用MCP协议解耦智能体和工具开发,通过动态配置提示词、记忆模块及功能实现快速调整智能体能力,同时支持独立部署或挂载到原应用。
大模型应用不同提示词范式和ReAct Agent智能体实现原理分析
ReAct Agent基于思考-行动-观察的智能体,核心是通过提示词操作大模型完成任务。多种提示词范式如ICL、CoT、Self-Consistency等通过不同方式注入信息以优化模型能力。