MCP标签_CSDN-OPC开发者社区

MCP

agent-server的搭建（goland）

本文记录了一个基于 Go 微服务架构的推特 AI Agent 系统从 0 到 1 的完整设计思路。项目没有另起炉灶，而是在现有微服务体系上新增 agent-service，以 MCP（Model Context Protocol）作为工具调用协议，将发推、搜索等操作封装成 AI 可调用的标准 Tool。核心设计围绕两条主线展开：一是用 Go 原生并发实现 ReAct 决策循环，让 Agent 真正

 帅气的宝蛋
2026-05-07 11:13:17

 401

 8

#MCP
Multi-Agent协同与MCP集成——RAGFlow 0.20.0企业级Agent架构解析

RAGFlow 0.20.0版本通过统一的编排画布，创新性地融合了确定性工作流与自主性Agentic Workflow，实现了Multi-Agent协同。该架构支持组建虚拟智能体团队，并深度集成MCP协议，无缝连接外部工具与数据，从而将能力边界扩展至整个企业IT系统，为企业构建实时、闭环的智能决策应用提供了坚实、可控的操作系统级平台。

keras9composer
2026-03-09 07:44:07

 387

 8

#MCP
Java 多 Agent 串联：用分析 Agent + 执行 Agent 构建客服工单处理流水线

本文介绍了如何构建多Agent协作流程来处理客服工单任务，重点解决单Agent在处理"决策"和"执行"两类不同任务时的边界问题。文章提出了双Agent架构设计：分析Agent负责查询订单、物流状态和退款政策，使用ReAct模式调用业务工具；执行Agent负责写入工单系统，采用Function Calling模式进行结构化操作。两者通过TranslateHan

花千树-010
2026-04-16 14:08:59

 1608

 68

#MCP
《OpenCode中的Agent、MCP、Tool、SubAgent到底是什么关系》

最简单理解：Agent就是一个具有目标、能够自主规划并调用工具完成任务的AI。你：帮我写一个登录页面AI：给你代码结束。你：帮我实现登录页面Agent：① 查看项目结构② 找前端框架③ 找已有组件④ 创建页面⑤ 修改路由⑥ 运行测试⑦ 修复错误⑧ 提交代码它不是回答问题，而是执行任务。这是理解 OpenCode 最关键的概念。一句话：Tool就是Agent可以调用的外部能力。输入文字输出文字它不能

 范德蒙蒙
2026-07-12 03:49:27

 232

 4

#学习 #MCP
Zvec v0.5.0实战：不用部署服务，Python几行代码搞定向量检索+全文搜索

Zvec v0.5.0加了全文检索和混合检索之后，嵌入式向量数据库该有的功能基本齐了。个人项目、本地RAG、边缘部署，pip install完就能跑，不用折腾Docker和服务配置，省心不少。DiskANN索引让它能处理更大规模的数据而不吃太多内存，不再只能当原型验证的工具了。代码仓库：https://github.com/alibaba/zvec文档：https://zvec.org。

baidu_32885171
2026-06-17 11:08:28

 309

 6

#AI #MCP
EasyClick MCP Server：让 AI IDE 成为自动化脚本开发专家

EC-MCP Server 是目前行业内最完整、最体系化、最贴合 EasyClick 官方生态的 AI 智能体服务。它彻底解决了通用 AI 写自动化脚本乱造 API、不规范、不区分平台、不懂工程体系的痛点，让 AI IDE 真正成为专业的自动化开发工具。

Mr -老鬼
2026-07-07 04:37:53

 290

 9

#人工智能 #ide #自动化 +1
什么是企业级 AI 智能体开发平台

企业级AI智能体开发平台是推动大模型能力向业务应用转化的关键基础设施。该平台通过统一模型接入、构建安全知识库、连接业务系统、编排复杂工作流，实现AI能力的业务闭环。其核心架构包含模型接入层、能力层、编排层、应用层和治理层，支持从合同审查到数据分析等多样化场景。与传统的确定性系统不同，智能体平台需同时处理模型推理、能力复用和全链路追踪，将AI项目沉淀为企业数字资产。该平台的价值在于：将通用AI转化为

 大龄码农有梦想
2026-07-06 20:14:23

 510

 11

#人工智能 #MCP
VibeCoding 时代，你必须理解 MCP

VibeCoding 正在从一种尝鲜式的开发方式，变成越来越多开发者的日常。这个转变的核心驱动力，是 AI Agent 能力的持续提升。而 Agent 能力的持续提升，很大程度上取决于它能连接到多少外部工具、获取多少上下文信息。MCP 就是这个连接层。它让 AI Agent 从"会说话的脑子"变成"能动手操作的开发搭档"。理解 MCP、掌握怎么配置 MCP，是在 VibeCoding 时代高效工作

 jrfff
2026-07-06 17:46:04

 292

 9

#人工智能 #MCP
ComfyUI MCP 115 工具全景解析：你的 AI Agent 到底能做什么

当 WorkBuddy 通过 MCP 协议连接到本地 ComfyUI 后，Agent 获得了 115 个工具的控制权——从一键文生图到工作流精细编排，从 GPU 健康诊断到节点二分排查。本文是这 115 个工具的完整能力图谱，按 13 个功能领域逐一拆解每个工具的参数、用例和安全级别，既是发布参考，也是 Agent 自身的工具索引手册。

love530love
2026-07-04 10:05:39

 575

 7

#人工智能 #大数据 #MCP
MCP 工具集成：外部工具变 Eino Tool

本文介绍了企业级AI Agent中MCP工具集成的实现方案。MCP（Model Context Protocol）基于JSON-RPC 2.0协议，定义了AI模型与外部工具的通信格式。Eino通过两层接口（BaseTool/InvokableTool）抽象工具能力，核心转换逻辑仅需30行代码完成Schema转换和接口适配。文章详细剖析了GetTools()的三步实现：查询工具列表、Schema转换

 李燚
2026-07-01 11:02:48

 238

 5

#人工智能 #MCP
MCP 和 AI Agent 是什么关系：从工具协议到任务闭环

MCP 是连接模型与外部工具/数据的协议，AI Agent 是围绕目标规划、调用工具、观察结果并修正的任务执行系统。本文从工程化角度拆清 MCP、Tool Calling、RAG、Prompt 和 Agent 的边界。

zalus
2026-06-29 11:35:20

 327

 7

#人工智能 #MCP
OpenAI DevDay实战解析：Sora 2、AgentKit与Apps生态的工程落地指南

视频生成与智能体编排正从研究概念走向工业级生产应用。Sora 2通过时空注意力与原生音频建模，首次将生成质量推至物理可信与声画同步的可用阈值；AgentKit则以MCP协议和声明式工作流，重构了LLM应用的可靠性边界。二者共同指向一个趋势：大模型技术栈的核心竞争已从‘能否实现’转向‘能否稳态交付’。在800万周活用户成为基础设施基线的今天，开发者亟需兼顾成本控制、安全水印、工具链闭环与跨平台兼容性

 chongshi3083
2026-06-16 13:35:38

 487

 7

#MCP
AI Agent与MCP协议驱动测试自动化：架构、实现与实战

测试自动化是软件工程中提升效率、保障质量的关键实践，其核心原理在于通过脚本或工具模拟用户操作，自动执行测试用例并验证结果。随着人工智能技术的发展，AI Agent为测试自动化带来了“智能”与“自主”的新范式。通过引入MCP（模型上下文协议）作为标准通信层，AI Agent能够以统一的方式发现和调用各种专用测试工具（Skills），如接口测试、UI自动化和性能压测工具，从而实现对复杂测试任务的自主规

 jackleechina2011212
2026-06-16 12:26:14

 821

#MCP
A2A+MCP+VPL：AI Agent协作落地的铁三角架构

AI Agent协作已从单点调用升级为系统化工程实践，其核心在于解决语义鸿沟、上下文治理与流程可维护性三大瓶颈。Model Context Protocol（MCP）作为标准化上下文管理协议，将分散在Prompt中的状态抽离为可审计、可加密、带生命周期的结构化资源；AI Agent2Agent（A2A）则通过能力契约（Capability Contract）定义输入/输出语义与错误归因，实现跨团队

 weixin_30855099
2026-06-17 09:09:35

 352

 8

#MCP
Agent、MCP、Skill与OpenClaw：本地AI执行栈四要素解析

AI工程化正从‘能说’迈向‘能干’，其核心在于构建可验证、可调度、可落地的本地执行能力。这要求突破传统LLM应用范式，建立以目标驱动的闭环系统——其中Agent作为决策中枢，需依托标准化协议（如MCP）协调外部能力；Skill作为原子化工具单元，必须具备可发现、可组合、可热更的工程属性；OpenClaw则扮演轻量级本地执行操作系统角色，统一管理技能生命周期与资源沙箱。四者协同构成‘规划—协议—能力

 雨少主
2026-06-19 11:36:45

 252

 8

#MCP
Hermes Agent：基于MCP协议的自学习AI工作流系统

AI工作流系统是将大模型能力嵌入日常自动化任务的技术范式，其核心在于解耦模型推理与工具执行。Model Control Protocol（MCP）作为轻量级JSON-RPC接口规范，定义了AI调用本地程序、读写文件和触发HTTP请求的标准方式，实现跨模型、跨平台的能力复用；WSL2则为Windows用户提供符合Linux生产环境要求的底层支撑，包括cgroups资源隔离与/dev/shm共享内存，

gfyy2555
2026-06-19 12:01:28

 267

 11

#MCP
Agent、Skill、MCP与OpenClaw：AI工作流四层基础设施实战解析

在AI原生应用开发中，'Agent'并非抽象智能体，而是任务协调的状态机；'Skill'不是模型而是带输入输出契约的可执行函数；'MCP'（Model Control Protocol）是面向高频调用优化的轻量级RPC协议，替代HTTP实现低延迟通信；'OpenClaw'则是保障数据不出域的本地安全沙箱。这四者共同构成从决策到执行的完整技术栈：Agent调度逻辑、Skill封装能力、MCP统一通信

 Lord Diplock
2026-06-19 15:54:25

 280

 7

#MCP
Agent、MCP、Skill与OpenClaw：生产级AI自动化落地实战

AI自动化不再停留于理论模型或Demo演示，而是深入CI/CD流水线的工程实践。Agent作为带状态的常驻进程，MCP作为强约束的HTTP通信契约，Skill作为可热加载的Python能力单元，OpenClaw作为预编译、开箱即用的Docker工具链——四者共同构成‘让大模型真正动手做事’的最小可行闭环。其技术价值在于 bridging the gap between LLM reasoning

北知春
2026-06-19 09:27:32

 344

 6

#MCP
Vibe Coding实战：用MCP协议与Agent Skills重构AI编程范式

AI编程正从代码补全迈向交付结果导向的新阶段——当输入输出明确、边界清晰时，'如何实现'已退居基础设施层。MCP（Model Control Protocol）作为AI能力的控制协议，通过结构化任务契约（如YAML声明）为模型装上方向盘和刹车；Agent Skills则演变为带权限分级、审计日志与沙盒隔离的能力护照，而非简单功能列表。这种以业务效果为验收标准的agentic workflow，显著

 nzy233
2026-06-19 15:08:55

 262

 8

#MCP
Agent Finder 火了之后，企业真正缺的不是更多 Agent，而是 MateClaw 这样的能力目录和运行闭环

GitHub Agent Finder 和 Google ARD 规范的出现，说明 AI Agent 正在从“单个聊天助手”进入“能力目录时代”。企业不再只是接入更多 MCP Server、Skills 和工具，而是要解决能力发现、按需注入、权限绑定、审批审计和运行验收。本文结合近期 Agent Finder、ARD、Agentic Workflows 等热点，聊聊 MateClaw 如何从 Ag

MateCloud微服务
2026-06-23 16:45:53

 238

 6

#MCP
深入理解 Function Calling、MCP 与 Skills：AI Agent 的三层能力架构

本文深入探讨了AI Agent的工具调用体系，从底层机制到上层抽象，涵盖Function Calling、MCP协议和Skills三层架构。首先指出大语言模型（LLM）的三大局限（知识截止、无状态、纯文本），强调工具调用的必要性。Function Calling作为底层原语，通过JSON Schema定义工具接口，实现模型决策与宿主执行的解耦。MCP协议进一步标准化工具交互，提供统一发现机制与传输

 exphigh
2026-06-15 13:31:34

 393

 6

#人工智能 #MCP
MCP协议实战指南：从零构建AI Agent工具调用生态，解锁大模型无限潜能

本文详细介绍了MCP协议在AI Agent工具调用生态中的应用与实践。通过从零搭建开发环境、实现工具调用、构建企业级工具生态到高级调试技巧，展示了MCP协议如何标准化工具调用流程，提升开发效率。文章还分享了行业应用案例和性能优化经验，帮助开发者解锁大模型的无限潜能。

stem5
2026-02-04 02:00:56

 513

 13

#MCP
Agent、Skill、Tool 到底有什么区别？为什么很多系统一开始就做错了？

应该像一个优秀的经理：它知道要达成什么目标，知道团队里谁有什么能力，知道如何分解任务和分配工作，但它不会亲自去写代码、发邮件、查数据库。的共同特征：它们的输入输出是严格定义的，它们的行为是确定性的（给定相同输入，产生相同输出或执行相同操作），它们不关心。有的记录日志，有的不记录。它代表一个具体的、可执行的操作，有明确的输入、输出和副作用。不需要知道日志文件的路径，不需要知道文件编码，不需要知道如何

 powerjuly
2026-04-27 02:51:15

 368

 5

#人工智能 #MCP
LangGraph×亮数据 MCP：让 AI Agent 告别“知识截止“，5行代码搞定实时数据

LangGraph×亮数据 MCP：让 AI Agent 告别"知识截止"，5行代码搞定实时数据

 码农飞哥
2026-02-24 16:47:22

 3107

 16

#MCP #爬虫
为何MCP需要网关：将模型上下文协议集成转化为生产级代理基础设施

模型上下文协议（Model Context Protocol，MCP）属于那种“事后看起来显而易见”的想法：如果大型语言模型（LLM）应用要使用工具和数据，我们就需要一种标准化方式把它们连接起来。MCP 恰好做到了这一点。它为工具、数据与工作流提供了生态系统共同的“端口”——这样你就不必为每个模型、每个应用、每个内部系统重复构建定制连接器。在实践中，这对构建者来说是一项巨大的解锁。但 MCP 也会

 powerjuly
2026-02-28 18:50:18

 519

 10

#MCP #人工智能
每天了解几个MCP SERVER：AI 调试透视镜！追踪 Agent 每一步操作，AgentOps 让 AI 思维透明化

AgentOps MCP Server简介 AgentOps MCP Server是一款用于调试AI Agent的工具，提供对可观测性和追踪数据的访问。主要功能包括：通过ID查询追踪信息(Trace)和具体Span信息、调试AI Agent运行情况、进行性能分析等。安装方式推荐使用Smithery一键安装，也可手动配置。该工具包含授权、获取追踪信息等多个实用功能，适用于AI Agent开发调试、执

 一个喜欢中医的程序员
2026-03-09 22:07:26

 494

 20

#MCP
别再只盯模型强弱了：2026 年真正开始落地的，是“能接系统、能跑流程、能被管理”的 AI Agent

基于近期 MCP、Google Workspace Agent 接入、OpenAI 企业落地合作等动态，分析 2026 年 AI 竞争重点正从模型强弱转向连接层、工作流层与可管理的 Agent 落地能力，并给出普通团队的实操判断框架。

yc_Blog
2026-03-12 08:23:11

 432

 6

#人工智能 #MCP #工作流
什么是 MCP：模型上下文协议到底解决了什么问题

为什么说 MCP 是 AI 工程化的前提（Why MCP Is a Prerequisite for AI Engineering）、Prompt 是技巧，MCP 是体系（Prompt Is a Technique, MCP Is a System）、为什么 Prompt 无法替代 MCP（Why Prompt Alone Is Not Enough）二、MCP 到底在“协议”什么？三、MCP 与

 powerjuly
2026-03-24 15:34:50

 289

 3

#人工智能 #MCP