本文深入探讨了MCP（Model Context Protocol）的实现细节，重点解析其通信协议与数据传输机制。MCP采用分层架构：数据层基于JSON-RPC 2.0协议，负责生命周期管理、服务器/客户端功能交互及实时通知；传输层抽象通信细节，支持Stdio和HTTP两种传输方式，统一消息格式。通过工具发现示例展示了标准JSON-RPC交互流程，揭示了MCP实现跨平台互通的核心机制——传输层标准

本文介绍了MCP（Model Context Protocol）技术的基本概念和应用。MCP是Anthropic发布的开放标准协议，旨在为LLM应用提供统一连接外部数据源和工具的方式。文章将MCP比作"AI的type-c接口"，强调其作为标准化协议的重要性。MCP解决了传统工具调用接口不统一的问题，提供三大核心能力：访问资源、调用工具和预制模板。文章还解析了MCP的客户端-服务

是“整形师”，它拉伸或压缩概率分布，决定模型是保守还是激进。Top-p是“保安”，它划定一个动态的安全圈，把那些概率极低的不靠谱选项拒之门外。理解了这两个参数，你就掌握了通往大模型潜意识的钥匙。

特性Long Polling (长轮询)WebSocket通信方向双向 (伪)单向全双工协议HTTPHTTPTCP (经 HTTP 握手)数据格式任意文本 (UTF-8)二进制 / 文本开销高 (Header重复发送)低 (长连接)极低(轻量帧头)实现难度中等简单复杂浏览器限制无HTTP/1.1 限制 6 个连接无明显限制这三个知识点是后台面试经常问到的，如果你的简历经历是带有高性能网络通信服务器

大语言模型本身是无状态的，但应用层可通过短期记忆和长期记忆机制实现上下文记忆功能。短期记忆通过维护当前会话的对话历史实现，但会受限于模型的上下文长度；长期记忆则通过外部存储（如数据库）实现跨会话记忆。Spring AI Alibaba框架提供了Redis检查点等工具来管理短期记忆，并通过滑动窗口、摘要记忆等技术优化上下文工程，解决记忆过长问题。开发者需要主动设计这些记忆机制，而非依赖大模型原生能力

Spring AI Alibaba（SAA）在原生Spring AI基础上扩展了企业级AI智能体开发能力，重点解决了复杂编排、运维治理等生产环境需求。SAA通过Graph框架提供可视化工作流编排，内置多智能体协作模式，并集成阿里生态的MCP服务、RAG知识库、可观测性工具等企业级功能。相比Spring AI的原子化组件，SAA提供更高级的Agent Framework抽象和全生命周期管理平台（Ag

两个框架有相似之处，但是侧重点和设计思想都有不同，可以根据自己的业务场景来进行选择。

简单来说，Code Wiki 是一个AI 原生的代码知识库平台。它利用 Gemini 模型深度扫描你的代码库，将原本生涩的源代码自动转化成结构化、可交互、且始终与代码同步的维基文档公共项目：目前支持公开的 GitHub 仓库，你可以直接去官网搜项目名尝试。私有项目：Google 正在推出Gemini CLI 扩展。通过这个工具，你可以将 Code Wiki 的能力带入私有仓库或企业级代码库（目前需

A2A协议内容其实还有很多，这篇文章只讲了个大概，主要是想让读者了解全局，还有更多复杂的内容，比如生命周期、异步操作等等，由于篇幅的原因就不在此展开。

特性OverallState (自定义状态)关注点过程控制业务数据内容示例递归限制、回调函数、元数据、标签用户问题、LLM 回复、工具结果、数据库查询值可变性通常在运行开始时设定，传递过程中较少修改在每个步骤（Node）中不断被读取和修改（累加信息）类比交通规则与信号灯（红绿灯、限速）货车上的货物（每一站可能会装卸货物）