LangChain
提示工程101第九课：角色提示
本教程探讨了AI语言模型中的角色提示技术，涵盖角色分配、角色描述编写、背景设定和任务定义方法，并通过Python代码结合千问大模型和LangChain进行实践，提升AI模型在不同应用中的表现。
RAG与Reasoning结合的必要性、实现范式及Agents、RAG产品、大模型安全新总结
2025年4月24日北京晴。文章探讨了检索增强生成（RAG）与推理（Reasoning）结合的必要性及实现范式，并总结了Agents、RAG产品及大模型安全的相关研究。
langchain-mcp-adapters：让langchain开发者轻松使用MCP工具
通过6行代码集成MCP Client到LangChain.js和LangGraph.js应用中，支持MCP工具兼容性转换、多服务器连接管理以及灵活传输协议。
Oliva Multi-Agent Assistant：一个强大的多Agent助手
Oliva Multi-Agent Assistant 是一个通过语音和文本在Qdrant数据库中快速找到所需产品的强大助手，集成Langchain、Superlinked，支持语音交互，模块化架构便于扩展。
一个LangChain与MCP结合使用的案例！
MCP 是 Anthropic 开发的开源协议，用于将 LLM 连接到上下文、工具和提示词。本文展示了如何使用 MCP 服务器与 LangGraph agents 集成，通过 Python 安装依赖、创建服务器文件和运行客户端来实现数据交换。