登录社区云，与社区用户共同成长
邀请您加入社区
本文介绍 j-langchain 中双 Agent 自我纠错代码生成模式：Write Agent 负责写代码，Test Agent 负责写测试并编译执行，通过 `loop()` 节点显式协调，最多 3 轮。利用 MCP filesystem 读写文件、`javax.tools.JavaCompiler` 进程内编译、URLClassLoader 避免类缓存，ContextBus 共享测试状态，实现
面试官问："如何解决大模型的幻觉问题和知识过时问题？核心流程用户查询 → Embedding向量化 → 向量数据库召回 →拼接上下文 → LLM生成 → 带引用的准确回答代码示例（Spring AI实现RAG）@Bean@Service// 1. 检索相关文档// 2. 拼接Prompt + 上下文String prompt = "基于以下资料回答问题：\n" + docs.stream()//
本文介绍了Agent与LLM协作的工作流程：用户提问后，Agent构建包含系统提示、历史对话和工具列表的Prompt，LLM判断是否需要调用工具并返回建议。Agent解析并执行工具调用，将结果重新注入Prompt后再次调用LLM生成最终回答。整个过程支持多轮循环（LLM→工具→LLM），确保回答的准确性和依据性。关键机制在于Agent作为执行者控制流程，而LLM仅提供建议，最终回答结合了工具查询结
《克劳德技能培养完全指南》摘要 本指南系统介绍了如何为AI助手Claude构建高效技能，实现工作流程自动化。技能作为指令集，能让Claude稳定执行特定任务，适用于文档生成、研究分析等重复性工作。核心内容包含：1）技能架构设计，采用三级渐进式披露系统优化token使用；2）开发规范，支持跨平台（Claude.ai/API）兼容；3）MCP集成方案，将原始工具转化为标准化流程。用户通过15-30分钟
LangChain将langchain_mcp_adapters库作为MCP客户端SDK，它以MultiServerMCPClient为核心，它类似于fastmcp.client.Client。fastmcp.client.Client基本是完全按照MCP规范定义的，所以它基本上直接使用mcp库提供的输入和输出类型。MultiServerMCPClient的定位不同，它会在实现MCP规范的基础上完
本文介绍了如何使用MCP Inspector测试工具和SpringBoot构建MCP服务器。
摘要： 个性化学习系统通过AI诊断学情生成定制路径，动态调整学习内容（会则跳过，弱则强化）。智能辅导提供24小时AI私教服务，涵盖错题归类、实时批改、薄弱点强化及学习监督。系统架构包含学情分析、知识图谱、路径规划等模块，确保精准定位学习需求。核心优势在于"哪里不会学哪里"，减少无效学习，提升效率。最终实现"AI练讲测+教师引导"的人机协同模式，为每个学生提供
摘要： 大模型在教育领域创新应用广泛，包括AI私教个性化辅导、教师智能助教减负、学校学情智能分析及虚拟教师等新形态，提升学习精准度和效率。同时，必须严守伦理边界：AI不能代替育人、代写作弊、泄露隐私、输出错误内容或导致过度依赖，需遵循教育部四条红线。核心原则是老师主导、AI辅助，确保技术服务于教育本质，保障学生隐私与独立思考能力。 （150字）
A2A 是 Google 发布的开放协议，专门解决多个 AI Agent 之间怎么互相通信协作的问题。我理解它和 MCP 的区别是这样的：MCP 解决的是「单个 Agent 怎么连工具和数据」，A2A 解决的是「多个 Agent 之间怎么分工协作」。一个 Agent 通过 A2A 可以把子任务委托给另一个专业 Agent，接收方按自己的 Skill 声明承接，支持异步长任务和流式推送结果。
我理解根本原因是两者的生成范式有冲突。推理模型在给出答案之前，会先跑一段完整的「思维链」，这个 thinking 过程是一次性连续生成的，不能中途打断。但工具调用天然是多轮交互：模型输出调用请求、暂停等工具执行、拿到结果再继续生成，这两种模式没法兼容。你没法在思考链跑到一半的时候暂停去等工具结果，否则之前的推理上下文全断了。而 MCP 底层就是靠 Function Calling 驱动的，推理模型
LLM采样功能允许您的MCP工具在执行期间向客户端LLM请求文本生成。这使得工具能够利用AI功能进行分析、生成、推理等操作，而无需客户端协调多次调用。
本文介绍了AIGC内容生产的标准工作流程和审核机制。工作流程包含6个步骤：明确需求、提供素材、AI生成初稿、人工润色、分级审核和最终发布。审核采用三级机制：基础审核由运营人员完成，专业审核由主管把关，高危内容需法务终审。文章还提供了实用的审核清单，确保内容合规。这套机制既能保证内容质量稳定，又能提高生产效率，实现高效安全的AI内容生产。核心要义是"AI生成+人工把关"的协作模式
《大模型内容创作四大赋能模式与质量控制体系》摘要： 文章系统介绍了AI内容创作的四种核心模式：1）全自动生成适合标准化内容；2）人机协作模式（80%AI+20%人工）；3）风格复刻模式保持品牌一致性；4）深度创作增强模式适合专业内容。重点提出了五维质量控制体系：事实性校验、风格一致性控制、合规审查、结构优化和人工终审机制，并给出温度参数设定、人设植入等5个实用技巧。强调AI内容创作的核心是&quo
最近 MCP 协议（Model Context Protocol）确实火得不行，大家都在卷 Agent 怎么调工具、怎么接数据。但作为一个在一线折腾 Agent 落地的开发者，我总觉得缺了点什么。
在"""查询内部数据库"""return [ToolSpec(description="查询内部 PostgreSQL 数据库","query": {"description": "SQL 查询语句"},},),# ... 保留其他内置工具工具定义用的是标准 JSON Schema，跟 OpenAI function calling 格式一样，迁移成本低。
本文系统介绍了智能客服的整体架构设计，分为6个关键层级：接入层负责多端消息统一；意图理解层识别用户需求；知识业务层提供核心服务；大模型层生成自然回答；安全层保障合规；人工层处理复杂场景。文章重点剖析了用户咨询的完整处理流程，并提出了8项提升用户体验的实操建议，包括快速响应、避免重复询问、情绪安抚等。同时指出6大常见体验痛点，强调高可用设计的重要性。最终总结智能客服成功的关键在于技术架构的完整性和以
这篇文章详细介绍了客服场景中大模型的应用落地路径，核心围绕智能问答、工单处理、对话总结和情绪安抚四大功能展开。通过六个关键步骤——场景盘点、知识库建设、模型选型、系统对接、安全护栏配置和灰度上线，实现60%-90%人工替代率。文章强调知识库建设是核心，需结构化产品说明书、政策等内容，配合RAG技术确保回答准确性。同时提供了完整的评估指标体系，包括业务效果、成本效率、用户体验等维度，并指出常见陷阱如
本文深入解析了ReAct Agent的底层机制，指出其核心是"决策循环"而非单纯的工具调用。文章拆解了Thought→Action→Observation的完整闭环，强调System Prompt、Tool描述和Few-shot示例对引导模型正确决策的关键作用，并说明Function Calling本质是模型生成调用请求、框架负责执行。同时涵盖Observation写回上下文的重要性、Agent停
本文手把手教你用 LangGraph 搭建最小 ReAct Agent Demo。通过定义天气查询和计算器两个工具，配合 `create_react_agent` 实现自动工具选择与调用。涵盖环境配置、模型接入（OpenAI/DeepSeek/通义千问）、工具编写、完整代码及调试技巧，帮助读者跑通 Agent 最小闭环，为扩展更复杂应用打下基础。
从通信或者消息交换模式来看，前面涉及的都是从客户端发送请求到服务器并得到对应的响应，这是典型的从客户端到服务器的请求/响应模式，接下来我们介绍两种从服务器向客户端的反向通信模式。
本文深入解析了Hermes AI Agent架构中MCP协议的核心设计与实现。MCP作为"Agent世界的USB接口标准"，实现了工具的动态发现与热插拔，相比传统静态工具具有显著优势。文章详细剖析了MCPServerTask的完整生命周期管理，包括线程安全机制、冲突解决策略和命名规则。关键技术亮点包括：基于threading.RLock的线程安全注册、动态工具发现机制、以及通过
本文全面解析Copilot类AI代码工具的集成方案与企业级定制策略。核心观点包括： 工具本质是AI代码补全插件，主流产品包括GitHub Copilot、Cursor及国产方案； 企业落地需解决三大问题：开发流程集成、代码安全防护和业务定制化； 提供四层集成方案：IDE插件、Git规范对接、CI/CD流水线及低代码平台整合； 重点阐述私有化定制路径：基于企业代码库训练专属模型，采用RAG检索增强技
大模型在代码生成领域的应用分析摘要： 当前最强AI模型（GPT-4o/Claude 3.5等）可高效完成80%基础编程工作，包括接口开发、SQL编写、前端组件、脚本工具等常规任务，但在复杂架构、高并发、核心业务逻辑等场景仍需人工介入。研究总结出7大最佳应用场景和标准工作流，强调需求清晰化、结构化输出和人工校验的必要性。提供实用提示词模板和5大效率技巧，同时警示企业需规避代码泄露、逻辑错误等风险。建
本文介绍了一个生产级旅行助手系统的核心架构实现，主要包含以下特性： 采用两阶段LLM处理流程（槽位提取+响应生成） 实现智能追问机制（基于missing_slots标记） 构建多层上下文管理系统（内存/Redis/MySQL） 集成AgentServer+MCP数据库查询功能 系统包含8个核心类，分为数据类（IntentResult、ConversationContext等）和业务类（Contex
本文介绍了MCP（Model Context Protocol）作为AI与工具间的标准化通信协议。通过时间服务案例，展示了MCP如何解决AI工具协作的碎片化问题。文章详细解析了MCP的三个核心阶段：初始化握手、工具发现声明和工具执行，以及基于JSON-RPC 2.0的通信机制。MCP遵循"约定优于配置"原则，实现AI与工具的无缝协作，如让AI获取准确时间并写入文件。这种标准化协
CLI与MCP是两个极具时代代表性的词汇！如果把它们放在一起看，简直就是计算机远古时代的基础设施（CLI） 与AI 时代最前沿的连接协议（MCP） 的跨时空碰撞。对于现在搞智能体工程（Agent Engineering）的开发者来说，这两个东西是他们天天都要打交道的“左膀右臂”。
GHOSTCREW的出现，标志着红队渗透测试从“命令行驱动”向“自然语言驱动”的跨越。它不仅是一款工具包，更是AI技术赋能网络安全的典型范例。在攻防对抗日益激烈的未来，这类AI驱动的安全工具将成为企业构建“主动防御体系”的核心利器，助力安全团队在攻防博弈中占据先机。
本文仅用于测试CSDN的MCP服务基础功能是否正常，内容简短，无实际技术内容。
本文介绍了开发工具与效率相关的MCP Server，包括代码管理(GitHub/GitLab)、团队协作(Slack/Atlassian)、项目管理(Jira/Confluence)、代码搜索(Sourcegraph)、测试质量(Sentry/Codacy)和部署运维(Docker/Vercel)等类别。文章提供了各类工具的核心能力、适用场景对比，并给出了GitHub、Slack和Sentry的配
CSDN是国内知名的开发者社区，具有广泛的影响力。通过自动化工具将技术文章发布到CSDN，可以帮助开发者节省大量时间，专注于内容创作。通过结合Spring AI的智能内容生成能力与MCP的自动化发布能力，实现了从内容创作到发布的全流程自动化，极大提升了发布效率。希望本文对你了解Spring AI与MCP的结合应用有所帮助。
MCP是Model Context Protocol的缩写，简单说就是一种让AI和外部系统连接的桥梁。只需要配置好自己的CSDN Cookie，打成Docker镜像部署，然后让AI调用这个MCP服务就能自动发文章了。：我这个项目是专门对接CSDN平台的MCP Server，可以自动把AI生成的技术文章发布到CSDN博客上。：Anthropic提出的AI与外部系统交互的协议，让AI可以调用工具、执行
本文评估了8个主流MCP服务器框架，从易用性、可扩展性、性能和社区支持四个维度进行比较分析。TypeScript生态的EasyMCP和FastMCP以简单易用见长，Python的FastAPI-MCP可零配置集成现有API，Go语言的Foxy Contexts和Higress MCP则具备高性能优势，Java的Quarkus SDK适合企业级应用。文章指出各框架的适用场景：快速原型开发推荐Easy
摘要： 多模型路由是后端构建的“AI调度中心”，通过统一接口智能选择最优模型（如GPT-4o、Claude、国产模型等），依据场景、成本、安全等动态路由。核心架构包括接入层、策略引擎、模型适配层等，通过规则或打分机制实现自动调度，并封装异构模型为统一接口。高可用设计涵盖熔断降级、缓存、监控等，适用于客服、知识库等场景，实现业务零改造、成本优化与国产化替代。最终目标是为业务提供透明化的最强能力、最低
Atlan MCP Server是一个连接Atlan数据目录平台与AI的工具，支持企业数据资产发现和管理。主要功能包括数据搜索、元数据管理、数据目录浏览、质量报告查看和数据血缘追踪。提供atlan_search、atlan_get_asset等工具，通过pip安装配置即可使用。适用于企业数据治理、资产发现等场景，需Atlan企业账号支持。项目开源在GitHub，更多信息可访问Atlan官网。
将Apollo GraphQL平台与AI连接，让AI可以查询和操作GraphQL数据。
介绍如何使用Spring AI MCP Server发布文章到CSDN
本文探讨了MCP协议如何推动AI工具经济的发展，构建下一代智能协作生态。通过标准化API接入，MCP协议使LLM代理能够高效发现和调用工具，如Elasticsearch等，实现自动化协作。新闻室案例展示了代理分工与工具调用的高效结合，为AI工具经济提供了实践参考。
面试官：严肃认真，眼神如鹰隼谢飞机：穿格子衫、戴黑框眼镜，左手咖啡右手键盘，回答时总爱摸后脑勺。
将Atlan数据目录平台与AI连接，让AI可以发现、理解和管理企业数据资产。
MCP
——MCP
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
openEuler 社区
魔珐星云开发社区
龙虾开发者社区
openvela
腾讯云开发者社区
