摘要： Function Calling是大模型调用外部工具的核心机制，用于获取实时信息、执行确定性计算或操作业务系统。其原理分为三步：定义工具（名称、参数、描述）、模型生成调用指令（不实际执行）、程序执行并回传结果。本文通过三个实战示例（单次调用、多工具循环、结构化输出）解析实现细节，并强调生产环境中的校验、权限控制等关键点。核心在于分离“决策”与“执行”——模型理解意图，程序负责落地，工具描述

本文探讨了Agent任务编排的几种主流架构，从简单到复杂逐步拆解。首先介绍ReAct循环（思考-行动-观察）的基础实现，适用于简单工具调用场景；其次分析路由模式，通过分类将任务分派给专用流程；然后讨论流水线架构，适合固定阶段的任务；接着展示多Agent协作的两种模式（分工和接力），强调状态共享的重要性；最后介绍GraphWorkflow如何用有向图统一所有模式，提供显式控制流和可观测性。文章指出，

本文介绍了如何从零搭建本地RAG（检索增强生成）系统，实现基于私有文档的问答功能。主要内容包括：1. 三种实现方案对比：完全本地的Python脚本方案（Ollama+LangChain+ChromaDB）、可视化搭建的Dify社区版、以及可封装成API的FastAPI方案。2. 技术实现细节：文档加载与切分、向量化存储、检索问答链构建、Gradio界面搭建等关键步骤，包含代码示例和参数调优建议。3

《MCP协议：AI Agent时代的工具接入标准》摘要： MCP（Model Context Protocol）是Anthropic开源的AI工具接入协议，旨在解决Agent开发中N×M的重复对接问题（如连接数据库、Slack等不同系统需编写独立代码）。其核心通过Host-Client-Server三层架构标准化工具（Tools）、资源（Resources）和提示模板（Prompts）的调用流程，