In diesem Beitrag werden systematisch vier Kerntechnologien für die KI-Entwicklung vorgestellt: MCP (Model Context Protocol) als Standard-Kommunikationsspezifikation, RAG (Retrieval Augmentation Generation) zur Wissensergänzung in Echtzeit, Agent (Intelligent Body) für die autonome Entscheidungsfindung und Call (Funktionsaufruf) zur Ausführung der Operation. Diese Technologien arbeiten zusammen, um KI-Systeme in die Lage zu versetzen, Befehle zu erteilen, Informationen abzurufen, Aufgaben auszuführen und komplexe Prozesse zu automatisieren. Der Artikel beschreibt detailliert den Definitionsmechanismus jeder Technologie, Anwendungsszenarien und demonstriert den Kollaborationsmodus anhand des Beispiels eines Büroassistenten, der Entwicklern ein komplettes Framework für intelligente Gebäude bietet.
- Diese Zusammenfassung wurde von einer künstlichen Intelligenz erstellt, die den Inhalt des Artikels nur zu Informationszwecken analysiert.
Einführung
in der aktuellen KI-Anwendungsentwicklung.MCP (Modell-Kontext-Protokoll)undRAG (Retrieval Augmentation Generation)**Agent (Intelligente Stelle)im Gesang antwortenFunktionsaufrufe** sind äußerst wichtige technische Kernkonzepte. Sie stellen die verschiedenen Wege dar, über die das Sprachmodell mit externen Datenquellen, Tools oder Umgebungen interagiert, und bilden synergetische Beziehungen bei der Bearbeitung komplexer Aufgaben. In diesem Beitrag werden wir die Definitionen, Mechanismen, Anwendungsszenarien und synergetischen Muster dieser Begriffe für Ingenieure mit Entwicklungshintergrund systematisch analysieren, um ihre Rolle und Bedeutung in modernen intelligenten Systemen besser zu verstehen.

1) MCP (Modell-Kontext-Protokoll)
Definitionen und Mechanismen
Model Context Protocol (MCP, Model Context Protocol) ist ein offener Standard, der die Art und Weise standardisieren soll, wie große Sprachmodelle mit externen Datenquellen und Werkzeugsystemen interagieren. Sein Hauptziel ist es, die Kommunikation zwischen verschiedenen Modellen und externen Umgebungen in KI-Anwendungen zu standardisieren, damit die Verbindung verschiedener Tools und Wissensdatenbanken einheitlich und effizient wird, so wie die USB-C-Schnittstelle verschiedene elektronische Geräte standardisiert.
MCP verwendet eine Client-Server-Architektur, bei der das Modell als Client fungiert und Anfragen an den MCP-Server gemäß einem Standardprotokoll sendet. Der MCP-Server interagiert mit den tatsächlichen externen Ressourcen (z. B. Datenbanken, Anwendungsschnittstellen) und gibt eine Antwort in einem einheitlichen Format zur Verwendung durch das Modell zurück. Die gesamte Interaktion folgt strikt der Protokollspezifikation, um eine nahtlose Interaktion zwischen dem Modell und den externen Ressourcen zu gewährleisten.
Anwendungsszenario
- Integrierte Multitool-Anwendungen (Intelligenter Unternehmensassistent, Smart Office System)
- Quellenübergreifende Abfrage und Bearbeitung von Daten (einheitlicher Zugang zu unternehmensinternen Dokumenten, Kalendern, E-Mails)
- Multimodale KI-Anwendungen (hybride Grafik- und Textverarbeitung, Fusion von Wahrnehmungsdaten)
technische Bedeutung
MCP senkt die Schwelle für Modelle zur Integration mehrerer Datenquellen und Tools, verbessert die Skalierbarkeit des Systems und die Kompatibilität mit Standards und ermöglicht es Entwicklern, schnell auf alle Arten von externen Ressourcen auf einheitliche Weise zuzugreifen und diese aufzurufen.
2. die RAG (Retrieval Augmentation Generation)
Definitionen und Mechanismen
Retrieval-Augmented Generation (RAG, Retrieval-Augmented Generation) bezieht sich auf die Abfrage relevanter Informationen aus externen Wissensdatenbanken durch das Retrieval-Modul, bevor das Modell den Inhalt generiert, und die Einbindung dieser Informationen in den Modellkontext als Hinweise zur Verbesserung der Genauigkeit und Aktualität der Antwort.
Die Implementierung besteht in der Regel aus einem Retriever (z. B. Volltextsuche, Vektor-Retrieval-Systeme) und einem Generator (z. B. groß angelegte Sprachmodelle). Der Retriever ist für das Auffinden von Informationen zuständig, die für die Frage des Benutzers relevant sind, und der Generator generiert die endgültige Antwort auf der Grundlage der Retrievalergebnisse.
Anwendungsszenario
- Wissensintensive Frage-und-Antwort-Systeme (z. B. Rechtsberatung, technische Unterstützung)
- Abrufen und Zusammenfassen von Nachrichten in Echtzeit
- Assistent für die Erstellung von Dokumentationen in speziellen Bereichen (z. B. medizinische Berichte, Finanzberichte)
technische Bedeutung
RAG durchbricht die Beschränkung auf geschlossene Trainingsdaten des Modells, gibt dem Modell die Möglichkeit, externes Wissen in Echtzeit zu finden, reduziert die Notwendigkeit, das Modell neu zu trainieren, und verbessert die Glaubwürdigkeit und Aktualität der Ergebnisse.
3. agentur
Definitionen und Mechanismen
Ein Agent (Intelligent Body) ist ein System, das durch ein umfangreiches Sprachmodell zur autonomen Entscheidungsfindung und Aufgabenausführung gesteuert wird. Es ist nicht nur in der Lage, bestimmte Ausführungsschritte auf der Grundlage von High-Level-Anweisungen zu begründen, sondern entscheidet sich auch dynamisch dafür, externe Werkzeuge aufzurufen oder Informationen abzurufen, die bei der Erledigung von Aufgaben helfen.
Agenten bestehen im Allgemeinen aus drei Phasen: Wahrnehmung (Verstehen der Umgebung und der Anweisungen), Entscheidungsfindung (Planen von Aufgaben und Schritten) und Ausführung (Aufrufen von Werkzeugen oder Manipulieren der Umgebung), wobei sie sich durch zyklisches Denken und Handeln kontinuierlich dem Ziel nähern.
Anwendungsszenario
- Automatisierter Büroassistent (Terminplanung, Postbearbeitung, Datenkonsolidierung)
- Autonomes Lernen und Erkundung von Aufgaben (z. B. automatische Forschungsassistenten, Datenanalyse-Intelligenzen)
- Autonome Charaktere in Spielumgebungen oder virtuellen Welten (z. B. KI-Spieler)
technische Bedeutung
Der Agent stellt für die KI einen wichtigen Sprung von einem statischen Frage- und Antwortsystem zu einem autonomen Handlungssystem dar. Durch die autonome Zerlegung von Zielen und die Inanspruchnahme verschiedener Ressourcen ist er in der Lage, Aufgaben mit höherer Offenheit und Komplexität zu bewältigen, die sich den menschlichen kognitiven und operativen Prozessen annähern.
4) Funktionsaufruf
Definitionen und Mechanismen
Ein Funktionsaufruf ist eine strukturierte Aufrufanforderung, die von einem großen Sprachmodell generiert wird, um eine Backend-Funktion, eine API oder einen Dienstvorgang während der Dialog- oder Aufgabenausführung auszulösen. Anstatt die Funktionslogik selbst auszuführen, gibt das Modell eine Aufrufanforderung im Standardformat aus, die von einem externen Programm geparst und tatsächlich ausgeführt wird, das dann die Ergebnisse an das Modell zurücksendet.

Dieser Mechanismus ermöglicht es dem Modell, auf Echtzeitdaten zuzugreifen, externe Operationen auszuführen und so die traditionellen Beschränkungen der Erzeugung von reinen Textantworten zu überwinden.
Anwendungsszenario
- Abfrage von Informationen in Echtzeit (Wetter, Börse, Fluginformationen)
- Datenbankabfragen und -operationen (interne Datenverwaltung)
- Ausführung von Aktionen (Versenden von E-Mails, Planen von Terminen, Aufrufen von Systembefehlen)
technische Bedeutung
Der Funktionsaufruf-Mechanismus ermöglicht es den Modellen, die Welt zu manipulieren, und ist eine wichtige Brücke zwischen dem Sprachverständnis und den tatsächlichen Systemfunktionen. Gleichzeitig verbessert er die Zuverlässigkeit und Genauigkeit der Modellantworten und erweitert die Tiefe und Breite der KI-Anwendungen erheblich.
5. integrierte Anwendungen und kollaborative Mechanismen
In einem vollständigen KI-System arbeiten MCPs, RAGs, Agenten und Funktionsaufrufe normalerweise zusammen, um ein effizientes und flexibles Workflow-System zu bilden:
- AgentAls "Gehirn" des Systems ist es für die Erfassung von Anforderungen, die Planung von Aufgaben und die Festlegung der Reihenfolge, in der die Werkzeuge aufgerufen werden sollen, zuständig.
- RAGAls "Wissensassistent" versorgt er den Agenten mit sofort abrufbaren maßgeblichen Informationen, um den kognitiven Bereich des Modells zu erweitern.
- Funktion AufrufEr fungiert als "Action Enforcer", der dem Agenten direkten Zugriff auf externe Systeme, Datenbanken oder Ausführungsanweisungen ermöglicht.
- MCPAls "Kommunikationsbasis" kann sie die Zugriffsprotokolle verschiedener externer Ressourcen vereinheitlichen, die vom Agenten verwendeten Werkzeuge standardisieren und modularisieren sowie die Skalierbarkeit und Wartbarkeit verbessern.
Beispiel Prozess
Wenn ein intelligenter Büroassistent den Auftrag erhält, "die Verkaufsdaten der letzten Woche zu analysieren und mir einen zusammenfassenden Bericht unter Berücksichtigung der Wettertrends zu erstellen", kann das System auf folgende Weise zusammenarbeiten:
- AgentAnalysieren der Aufgabe und Entwickeln der Schritte, die zum Abrufen von Verkaufsdaten, Wetterdaten, Analysieren, Erstellen von Texten und Versenden von E-Mails erforderlich sind.
- RAGDurchsuchen Sie Verkaufsdatenbanken und Wetter-APIs nach den aktuellsten Dateninformationen.
- Funktion AufrufSie können Daten abrufen, Analysetools aufrufen, E-Mails versenden und vieles mehr.
- MCPGewährleistung der Standardisierung von Schnittstellenaufrufen während des gesamten Prozesses und nahtloser Zugang zu verschiedenen externen Datenquellen und -diensten.
- AgentDie Analyse auf der Grundlage der erhaltenen Informationen selbständig abschließen und das endgültige Dokument für den Benutzer zusammenstellen.
Zusammenfassungen
MCP, RAG, Agent und Function Call bilden zusammen ein wichtiges Technologiesystem für die Entwicklung moderner intelligenter KI-Anwendungen:
- MCPbeaufsichtigenStandardisierte Verbindungen.;
- RAGbeaufsichtigensein Wissen erweitern.;
- AgentbeaufsichtigenAutonome Entscheidungsfindung und integrierte Umsetzung.;
- Funktion AufrufbeaufsichtigenSpezifische Aktionen und Datenabrufe.
Sie arbeiten so zusammen, dass das KI-System nicht nur menschliche Befehle versteht, sondern auch nach Informationen sucht, Operationen durchführt und seine Pläne ständig anpasst, um komplexe Aufgaben selbstständig zu erledigen.
In der Zukunft, wenn der Grad der Standardisierung zunimmt und die Autonomie der Agenten verbessert wird, wird dieses System die Intelligenzen weiter in Richtung eines höheren Niveaus komplexer Zusammenarbeit und verallgemeinerter Intelligenz treiben.

Expand: Unterschied und Zusammenhang zwischen MCP und Funktionsaufruf
I. Wesentliche Unterschiede
| Sportereignis | MCP (Modell-Kontext-Protokoll) | Funktion Aufruf |
|---|---|---|
| angeborener Charakter | Ein Kommunikationsprotokoll-StandardStandardisierung der Art und Weise, wie Modelle externe Daten/Werkzeuge anfordern und nutzen. | Ein DurchsetzungsmechanismusDas Modell veranlasst bestimmte Funktionsaufrufe im Dialog, um bestimmte Funktionen auszuführen. |
| Ziel einer Aktion | Allgemeine Standardisierung von Datenquellen, Diensten und Tool-Schnittstellen (ja)Methodik/Protokollebene). | Einzelne Funktion, API-Aufruf-Aktion (ja)Ausführung Aktionsschicht). |
| Verwendungsszenarien | für die Gestaltung und Standardisierung von Modellen mit verschiedenen externen Funktionen (Abruf, Tools, APIs)Verbindungsmethode. | Verwendung in Dialogen, bei denen Modelle angefordert werdenAuslösen einer bestimmten Funktion in Echtzeitum kleine Aufgaben zu erledigen. |
| strukturelle Komplexität | Komplexer (mit Austausch von Fähigkeiten, Spezifikationsformaten, Versionierung, Authentifizierungsmechanismen usw.). | Relativ einfach (es genügt, die Funktionsbeschreibung zu definieren und die Modellausgabe die Anforderung aufrufen zu lassen). |
| Grad der Standardisierung | Das Ziel ist esSystemübergreifend gemeinsamDie MCP-Spezifikation ermöglicht einen nahtlosen Zugang zu verschiedenen Diensten, die der MCP-Spezifikation entsprechen. | Die meistenLokale Definitionen innerhalb der AnwendungIn diesem Fall definiert jedes Projekt seinen eigenen Satz von Funktionen. |
| ein Beispiel anführen | Durch die Standardisierung erhalten die Modelle einen einheitlichen Zugang zu unternehmenseigenen Wissensdatenbanken, CRM-Systemen, GitHub, Kalendern und mehr. | Aufforderungen get_weather(Ort) Überprüfen Sie das Wetter, oder send_email(to, inhalt) E-Mail. |
II. Verknüpfungen
- Der Funktionsaufruf wird normalerweise als eine der Implementierungen einer Fähigkeit im MCP-Kommunikationsprotokoll verwendet.
- Der MCP legt fest, wie das Modell verschiedene externe Fähigkeiten entdeckt, anfordert und auf sie reagiert.
- Ein Funktionsaufruf ist die Angabe, wie ein Modell eine Fähigkeit (z. B. eine API) aufruft, wenn die MCP ausgeführt wird.
- Das kann man mit Sicherheit sagen:MCP ist der normative Rahmen für die Verbindung, und Funktionsaufruf ist die spezifische Aktion, die durchgeführt wird.
- In Szenarien, in denen kein MCP vorhanden ist, kann der Funktionsaufruf auch unabhängig davon verwendet werden.::
- OpenAI ChatGPT verfügt beispielsweise über integrierte Funktionsaufrufe, die den MCP-Standard nicht erfordern;
- Wenn Sie jedoch in großem Umfang auf heterogene Werkzeuge zugreifen wollen, reicht die Definition von Funktionsaufrufen nicht aus, und Sie benötigen eine einheitliche Spezifikation wie MCP.
- MCP kann mehrere Fähigkeiten verwalten, während ein Funktionsaufruf in der Regel einem einzigen Fähigkeitsaufruf entspricht.::
- MCP kann beschreiben, welche Funktionen ein Dienst unterstützt, z. B. das Abrufen, Speichern, Hochladen, Abrufen von Ordnerinformationen usw;
- Ein Funktionsaufruf ist nur eine der Aktionen, die bei einer einzigen Gelegenheit ausgeführt werden.
III. analoge Zusammenfassung (Entwicklerwahrnehmung)
| analog | MCP | Funktion Aufruf |
|---|---|---|
| USB-Standard vs. Tastaturtasten | MCP entspricht dem USB-Standard, der die Form der Schnittstelle, die Protokollregeln und den einheitlichen Zugang für verschiedene Geräte festlegt; | Ein Funktionsaufruf ist vergleichbar mit einem Benutzer, der eine Taste auf der Tastatur drückt und damit eine bestimmte Aktion auslöst. |
| RESTful API-Spezifikation vs. einzelne API-Anfrage | MCP ist wie eine allgemeine Design-Spezifikation für RESTful APIs; | Ein Funktionsaufruf ist wie der Aufruf einer bestimmten REST-Schnittstelle (z. B. POST /login). |
| Systemarchitektur vs. Funktionsaufrufe | MCPs sind Regeln dafür, wie das gesamte System kommuniziert; | Ein Funktionsaufruf ist eine bestimmte Kommunikationsaktion (z. B. das Senden einer Nachricht). |
IV. einfache Beispiele (kombiniert mit Verständnis)
Wenn Sie einen intelligenten Assistenten entwickeln, müssen Sie ihn in die Lage versetzen, Dokumente nachzuschlagen, E-Mails zu versenden, Besprechungsräume zu buchen und das Wetter abzufragen:
- Sie können dieMCPEntwicklung einer Reihe von Spezifikationen für den Zugang von Intelligenzen zu [Dateidienst] [Maildienst] [Kalenderdienst] [Wetterdienst] über ein einheitliches Protokoll;
- Zu jedem Dienst gehören eine Reihe spezifischer Funktionen, wie z. B:
- Dokumentationsdienste:
search_file(Schlüsselwort)(math.) Gattungupload_file(datei) - Postdienst:
send_email(to, inhalt) - Kalenderdienste:
book_meeting(date, Teilnehmer) - Wetterdienste:
get_weather(Stadt)
- Dokumentationsdienste:
- Wenn eine Intelligenz eine Aufgabe bearbeitet (z. B. "Buchen Sie eine Besprechung und benachrichtigen Sie alle"), wählt sie den Aufruf bestimmterFunktion Aufruf.;
- Hinter den Kulissen können diese Funktionsaufrufe denMCP-NormenBei den offengelegten Fähigkeiten kann es sich auch um kleine Funktionen handeln, die innerhalb Ihres eigenen Systems vereinbart wurden.
Andere relevante Begriffe
1. die Verwendung von Werkzeugen
- definieren.Aktivieren des Sprachmodells zur aktiven Auswahl und zum Aufruf externer Tools (Suchprogramme, Rechner, APIs usw.), die für die Aufgabe benötigt werden.
- verbundene ParteienTool Use ist eine wesentliche Fähigkeit für einen Agenten, um komplexe Aufgaben zu erledigen, und Function Call ist eine Möglichkeit, Tool Use zu erreichen.
- typisches BeispielOpenAI's Funktionsaufruf, Claude's Werkzeugnutzung.
2. plugins
- definieren.Ein externes Funktionsmodul für Modelle, das bei Bedarf aufgerufen werden kann und in der Regel über eine API zugänglich ist, wie ein "capability extension package".
- verbundene ParteienPlugins können über den MCP angesprochen werden oder Gegenstand eines Funktionsaufrufs sein.
- typisches BeispielChatGPT Plugins (OpenTable Ordering Plugins, Browser Plugins, etc.).
3. die Orchestrierung
- definieren.Rationalisierung: Bezeichnet den Prozess der Rationalisierung der verschiedenen Werkzeuge/Schritte/API-Aufrufe in einer komplexen Aufgabe durch eine intelligente Einrichtung in einem logischen Fluss.
- verbundene ParteienDer Agent muss über Orchestrierungsfunktionen verfügen, um RAGs, Funktionsaufrufe, externe APIs usw. auf logische Weise zu planen.
- typisches BeispielKette/Workflow in LangChain, Agenten-Orchestrierung in AutoGen.
4. speicher
- definieren.Intelligentsia speichert historische Dialoge, externe Operationsergebnisse und interne Argumentationszustände für spätere Überlegungen und die Ausführung von Aufgaben.
- verbundene ParteienAgent benötigt Speicher, um den Aufgabenkontext aufrechtzuerhalten, und Funktionsaufrufe und Abrufergebnisse werden häufig im Speicher abgelegt.
- typisches Beispiel: Kurzzeitgedächtnis (Arbeitsgedächtnis), Langzeitgedächtnis (Langzeitgedächtnis), Vektor-Datenbankgedächtnis.
5 Zyklus Aktion/Beobachtung
- definieren.Ein Prozess, bei dem der Agent fortlaufend eine Aktion ausführt (ein Tool aufruft), das Ergebnis beobachtet (Daten erhält) und dann die nächste Aktion auf der Grundlage der Beobachtung anpasst.
- verbundene ParteienJeder Funktionsaufruf kann als eine Aktion betrachtet werden; MCP und Memory unterstützen Observation.
- typisches BeispielReAct (Reasoning + Acting) Reasoning Execution Framework.
6. die Selbstreflexion
- definieren.Agenten reflektieren ihre Ausführung, um festzustellen, ob sie Fehler gemacht haben, ob sie es noch einmal versuchen müssen oder ob sie ihre Pläne anpassen müssen.
- verbundene ParteienAgenten-Systeme höherer Ordnung müssen zur einfachen Selbstüberwachung und Selbstkorrektur fähig sein.
- typisches BeispielReflexion, Gedankenkette, Selbstüberprüfung.
7. toolformer (selbstlernendes Werkzeug)
- definieren.Das Modell soll lernen, "autonom" zu entscheiden, wann und wie es das Tool während des Trainings aufruft, ohne sich auf fest kodierte Anweisungen zu verlassen.
- verbundene ParteienToolformer: Das Toolformer-Framework erweitert die intelligente Nutzung von Function Call und ist die Richtung der Tool Use-Entwicklung.
- typisches BeispielToolformer-Methode, vorgeschlagen von Meta AI (2023).
8 Retrieval Plugin / Retriever
- definieren.Die Komponente, die die eigentliche Abrufaktion durchführt, z. B. eine Datenbankabfrage, einen Suchmaschinenaufruf, einen Vektorindexabgleich usw.
- verbundene ParteienDer RAG muss sich auf Retriever stützen; Retriever kann über MCP ausgesetzt oder über einen Funktionsaufruf ausgelöst werden.
- typisches BeispielFAISS (Facebook AI Similarity Search), Pinecone, Weaviate.
9 Vektorspeicher
- definieren.Konvertierung von Text, Bildern und anderen Inhalten in hochdimensionale Vektoren und deren anschließende Speicherung sowie Unterstützung der vektorbasierten Ähnlichkeitssuche.
- verbundene ParteienRAG verbessert normalerweise das semantische Retrieval mit Vektordatenbanken.
- typisches BeispielPinecone, Milvus, Chroma, Weaviate.
10. das Agent Framework (Intelligent Body Development Framework)
- definieren.Ein Toolkit, das standardisierte Komponenten und Prozessmanagement für die Entwicklung komplexer Agenten bietet.
- verbundene ParteienEine Sammlung von Modulen wie z. B. Speicher, Werkzeugnutzung, Orchestrierung, Funktionsaufruf usw.
- typisches Beispiel::
- LangChain(klassisch, komponentisiert und flexibel)
- AutoGen (Microsoft)(Multi-intelligente Zusammenarbeit)
- CrewAI(Arbeitsteilung und rollenübergreifende Zusammenarbeit)
- LlamaIndex(RAG-Datenanreicherungsexpertise, kann aber auch Agenten erstellen)


评论功能已关闭。