logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

MCP 在低代码平台中的集成——让业务用户使用 Agent

然而,低代码平台在处理复杂的、动态的业务逻辑时存在局限。用户界面是固定的,不能根据用户意图实时变化。业务用户可以通过拖拽组件、配置参数、设计流程来构建应用程序,而无需编写代码。这种模式适合构建复杂的业务流程自动化应用,如审批流程、订单处理、客户跟进。第五,面向业务用户的配置界面包括自然语言配置、模板向导、预览模拟。第一,低代码平台让业务用户构建应用,但处理复杂动态逻辑时有局限。可以访问低代码应用中

#AI#人工智能
CrewAI 与 MCP 的深度集成——角色化 Agent 的 Skill 编排

装饰器可以从函数的文档字符串和类型提示中自动提取工具的名称、描述、参数模式。在执行任务时,会根据任务描述和可用工具列表,自主决定调用哪些工具以及以什么顺序调用。通过聚合这些日志,可以还原完整的调用链。的调用模型完全一致。两者都是模型决定调用什么,框架负责执行。执行工具调用,将结果返回给模型。调用链出现性能问题时,调用链可视化可以帮助快速定位瓶颈。在创建时,只需要指定加载器,不需要手动列出所有工具。

#AI#人工智能#MCP
Semantic Kernel 与 MCP 的深度集成——微软 Agent 框架的 MCP 实践

两者都是通过函数元数据让模型理解何时调用,框架负责执行。中,插件是能力的组织单元。一个插件可以包含多个函数,每个函数是一个独立的能力单元。第一种是本地函数,开发者创建一个类,类中的方法使用。可以触发流程执行,传入参数,获取结果。执行函数,将结果返回给模型。这为企业提供了合规的、托管的大模型服务。,核心执行引擎,管理模型连接、插件注册、服务配置。规范中的元数据填充函数的名称、描述、参数模式。,规划器

#microsoft#AI#MCP +1
为什么 Prompt、规则和经验,撑不起一个多 Skill Agent 系统

的核心活动是:定义结构化策略、配置权限模型、设置审计规则、设计审批工作流。它的输出是可执行的策略代码,可以被版本控制、测试、验证。的核心活动是:写自然语言指令、测试、修改措辞、再测试。它用强制性的策略替代概率性的劝说,用精确的结构化语言替代模糊的自然语言,用可审计的执行替代不可观测的决策。而当调用被允许时,完整的调用链被记录在审计日志中。代码是精确的、可执行的、可测试的。没有例外,没有概率,没有。

#人工智能#AI#MCP
一个实战案例:用 MCP 重构一个 OpenClaw + Skill Agent 系统

在可回滚性方面,重构前错误操作无法撤销,用户投诉后只能手动补偿,耗时长且容易出错。第四条,策略需要持续优化。随着系统运行,团队需要不断分析审计日志,发现异常模式,优化策略规则。在可观测性方面,重构前日志分散在五个服务中,格式混乱,查询困难,追溯一个问题需要数小时。编写了结构化的规范,包括身份标识、输入输出规范、副作用声明、权限声明、错误声明、观测指标。重构后权限由策略引擎控制,违规调用被自动拦截,

#人工智能#AI#MCP
MCP 与下线机制:如何安全地“关掉”一个 Agent 系统?

六、为什么“能下线”反而让 Agent 更容易被批准上线?二、为什么“直接关服务”在 Agent 系统中是危险的?五、一个健康的 Agent 下线流程,通常包含哪些阶段?、MCP 把“关掉 Agent”从事故操作,变成设计能力。一、能否“安全下线”,决定 Agent 是否真的能上线。七、一个危险信号:下线方案只存在于“应急预案”里。、下线不是异常场景,而是系统生命周期的一部分。、Agent 系统的

#MCP#人工智能
MCP 与图数据库的集成——知识图谱 Agent 的构建

矛盾检测,检测知识图谱中的不一致,如同一个人有两个不同的出生日期。缺失关系补全,根据已知关系预测缺失的关系,如根据购买记录推荐商品。需要从用户问题中识别出实体,并将其链接到图数据库中的节点。应对策略是使用索引加速节点查找,限制查询深度和返回数量,使用查询缓存。查询两个节点之间的关系。首先查询已知的事实,然后应用规则推理新的事实,再将新事实作为已知事实继续推理。需要将自然语言意图映射为图查询语言,包

#人工智能
MCP 生态的未来十年——从工具调用到 Agent 互联网

即使标准有变化,好的接口设计总是有价值的。使用结构化的输入输出模式,声明副作用和权限,提供清晰的错误信息。但有一点是确定的:标准化的协议、可治理的行为、可观测的系统、智能化的治理,将是。使用结构化的日志格式,支持请求追踪,记录关键操作。生命周期管理、审计日志的规模化存储、控制平面的容灾备份、调用链的端到端追踪。互联网中的核心定位,预测技术趋势的协同演进,并为开发者、企业、创业者提供最终建议。将继续

#AI
MCP 在 DevOps 领域的应用——Agent 驱动的自动化运维

低风险变更,如查询操作、只读检查,可以自动执行,不需要审批。中风险变更,如重启服务、扩容实例,需要一级审批。高风险变更,如修改核心配置、删除数据、回滚,需要二级审批。例如,应用访问失败:首先检查服务是否正常运行,然后检查网络连通性,再检查配置是否正确,最后检查依赖服务。例如,检测某个错误码出现的频率是否突然升高,检测某个服务的错误日志是否出现新模式。日志包括操作内容、执行结果、操作人、审批人、时间

#AI#人工智能
MCP + OpenClaw:执行框架如何被约束成系统

这意味着没有能够绕过网关的调用路径,所有调用都在网关的监控之下,任何违规调用都可以在网关层被拦截。的情况下,人工审批需要开发者自己实现一个复杂的流程:挂起执行、等待审批、恢复执行。的约束体现在四个层面:调用路径的统一收口、权限策略的外部化、审计日志的自动化、人工审批的强制执行。审计日志的格式是统一的,存储是集中的,查询是标准化的。既是执行引擎又是调用通道,它负责推理、决策、工具调用、结果处理。安全

#人工智能#AI#MCP
    共 188 条
  • 1
  • 2
  • 3
  • 19
  • 请选择