Ce document présente systématiquement quatre technologies fondamentales dans le développement de l'IA : le MCP (Model Context Protocol) en tant que spécification de communication standard, le RAG (Retrieval Augmentation Generation) pour compléter les connaissances en temps réel, l'agent (Intelligent Body) responsable de l'exécution autonome des décisions et l'appel (Function Call) pour achever l'opération. Ces technologies fonctionnent en tandem pour permettre aux systèmes d'IA de commander, de récupérer des informations, d'exécuter des tâches et d'automatiser des processus complexes. L'article décrit en détail le mécanisme de définition de chaque technologie, les scénarios d'application et démontre le mode de collaboration à travers l'exemple de l'assistant de bureau, qui fournit un ensemble complet de cadres de construction intelligents pour les développeurs.
- Ce résumé est généré par une IA qui analyse le contenu de l'article à des fins d'information uniquement.
introductif
dans le développement actuel des applications de l'IA.MCP (Model Context Protocol)etRAG (Retrieval Augmentation Generation)**Agent (organisme intelligent)répondre en chantantLes appels de fonction** sont des concepts techniques fondamentaux extrêmement importants. Ils représentent les différents chemins par lesquels le modèle linguistique interagit avec des sources de données, des outils ou des environnements externes, et forment des relations synergiques dans le traitement de tâches complexes. Dans cet article, nous analyserons systématiquement les définitions, les mécanismes, les scénarios d'application et les modèles synergiques de ces termes pour les ingénieurs ayant une formation en développement, afin de les aider à comprendre pleinement leurs rôles et leurs significations dans les systèmes intelligents modernes.

1) MCP (Model Context Protocol)
Définitions et mécanismes
Model Context Protocol (MCP, protocole de contexte de modèle) est une norme ouverte qui vise à normaliser la manière dont les grands modèles de langage interagissent avec les sources de données externes et les systèmes d'outils. Son objectif principal est de normaliser la communication entre les différents modèles et les environnements externes dans les applications d'IA, de sorte que la connexion de différents outils et bases de connaissances devienne uniforme et efficace, tout comme l'interface USB-C standardise divers appareils électroniques.
MCP adopte une architecture client-serveur, dans laquelle le modèle agit comme un client et envoie des demandes au serveur MCP selon un protocole standard, et le serveur MCP interagit avec les ressources externes réelles (par exemple, les bases de données, les interfaces d'application) et renvoie une réponse dans un format uniforme pour l'utilisation par le modèle. L'ensemble de l'interaction suit strictement la spécification du protocole afin de garantir une interaction transparente entre le modèle et les ressources externes.
scénario d'application
- Applications intégrées multi-outils (Enterprise Intelligent Assistant, Smart Office System)
- Recherche et manipulation de sources de données croisées (accès unifié aux documents, calendriers et courriels de l'entreprise)
- Applications multimodales de l'IA (traitement hybride de graphiques et de textes, fusion de données perceptives)
importance technique
MCP abaisse le seuil des modèles d'intégration de sources de données et d'outils multiples, améliore l'évolutivité du système et la compatibilité avec les normes, et permet aux développeurs d'accéder rapidement à tous les types de ressources externes et de les appeler d'une manière commune.
2) RAG (génération d'augmentation de la recherche)
Définitions et mécanismes
La génération améliorée par extraction (RAG, Retrieval-Augmented Generation) consiste à demander des informations pertinentes à des bases de connaissances externes par l'intermédiaire du module d'extraction avant que le modèle ne génère le contenu, et à injecter ces informations dans le contexte du modèle sous forme d'indices afin d'améliorer la précision et l'actualité de la réponse.
La mise en œuvre consiste généralement en un extracteur (par exemple, recherche plein texte, systèmes de recherche vectorielle) et un générateur (par exemple, modèles de langage à grande échelle). Le récupérateur est chargé de localiser les éléments d'information pertinents pour la question de l'utilisateur, et le générateur génère la réponse finale sur la base des résultats de la recherche.
scénario d'application
- Systèmes de questions-réponses à forte intensité de connaissances (par exemple, conseils juridiques, assistance technique)
- Recherche et résumé d'informations en temps réel
- Aide à la rédaction de documents dans des domaines spécialisés (par exemple, rapports médicaux, financiers)
importance technique
Le RAG supprime la limitation des données de formation fermées du modèle, donne au modèle la capacité de trouver des connaissances externes en temps réel, réduit la nécessité de recycler le modèle et améliore la crédibilité et l'actualité des résultats.
3. agent
Définitions et mécanismes
Un agent (organisme intelligent) est un système piloté par un grand modèle linguistique pour la prise de décision autonome et l'exécution de tâches. Il est non seulement capable de raisonner sur des étapes d'exécution spécifiques basées sur des instructions de haut niveau, mais il choisit également de manière dynamique d'invoquer des outils externes ou de récupérer des informations pour l'aider à accomplir ses tâches.
Les agents se composent généralement de trois phases : la perception (compréhension de l'environnement et des instructions), la prise de décision (planification des tâches et des étapes) et l'exécution (utilisation d'outils ou manipulation de l'environnement), et se rapprochent continuellement de l'objectif par le biais d'un raisonnement et d'une action cycliques.
scénario d'application
- Assistant bureautique (planification, traitement du courrier, consolidation des données)
- Apprentissage autonome et exploration des tâches (par exemple, assistants de recherche automatisés, intelligences d'analyse des données)
- Personnages autonomes dans des environnements de jeu ou des mondes virtuels (par exemple, joueurs IA)
importance technique
L'agent représente un saut important pour l'IA, passant d'un système statique de questions et de réponses à un système d'action autonome. En désassemblant de manière autonome les objectifs et en invoquant diverses ressources, il est capable de faire face à des tâches plus ouvertes et plus complexes, se rapprochant des processus cognitifs et opérationnels humains.
4. appel de fonction
Définitions et mécanismes
Un appel de fonction est une demande d'appel structurée générée par un grand modèle de langage pour déclencher une fonction de back-end, une API ou une opération de service pendant l'exécution d'un dialogue ou d'une tâche. Au lieu d'exécuter la logique de la fonction elle-même, le modèle génère une demande d'appel au format standard, qui est analysée et exécutée par un programme externe, qui renvoie ensuite les résultats au modèle.

Ce mécanisme permet au modèle d'accéder à des données en temps réel, d'effectuer des opérations externes et donc de dépasser les limites traditionnelles de la génération de réponses textuelles.
scénario d'application
- Demande d'informations en temps réel (météo, bourse, informations sur les vols)
- Requêtes et opérations sur les bases de données (gestion interne des données)
- Exécution d'actions (envoi de courrier, planification de rendez-vous, invocation de commandes système)
importance technique
Le mécanisme d'appel de fonction permet aux modèles de manipuler le monde et constitue un pont important entre la compréhension du langage et les fonctions réelles du système. En même temps, il améliore la fiabilité et la précision des réponses des modèles et élargit considérablement la profondeur et l'étendue des applications de l'IA.
5. applications intégrées et mécanismes de collaboration
Dans un système d'IA complet, les MCP, les RAG, les agents et les appels de fonction fonctionnent généralement ensemble pour former un système de flux de travail efficace et flexible :
- AgentEn tant que "cerveau" du système, il est chargé de détecter les besoins, de planifier les tâches et de décider de l'ordre dans lequel les outils doivent être invoqués.
- RAGEn tant qu'"assistant de connaissance", il fournit à l'agent des informations qui font autorité et qu'il récupère instantanément afin d'élargir le champ cognitif du modèle.
- Appel de fonctionAgit comme un "exécuteur d'actions", donnant à l'agent un accès direct aux systèmes externes, aux bases de données ou aux instructions d'exécution.
- MCPEn tant que "base de communication", il peut unifier les protocoles d'accès à diverses ressources externes, normaliser et modulariser les outils utilisés par l'agent et améliorer l'évolutivité et la maintenabilité.
Exemple de processus
Lorsqu'un assistant de bureau intelligent est chargé d'"analyser les données de vente de la semaine dernière et de me rédiger un rapport de synthèse, en tenant compte des tendances météorologiques", le système peut collaborer de la manière suivante :
- AgentAnalyse de la tâche et développement des étapes nécessaires pour récupérer les données de vente, les données météorologiques, l'analyse, la création de textes et l'envoi d'e-mails.
- RAGRecherchez les bases de données commerciales et les API météorologiques pour obtenir les informations les plus récentes.
- Appel de fonctionEffectuez des recherches de données, appelez des outils d'analyse, envoyez des courriers électroniques, etc.
- MCPAssurer la normalisation des appels d'interface tout au long du processus et l'accès transparent à diverses sources de données et services externes.
- AgentCompléter l'analyse de manière autonome sur la base des informations obtenues et organiser le document final à envoyer à l'utilisateur.
résumés
Le MCP, le RAG, l'agent et l'appel de fonction constituent ensemble un système technologique important pour le développement d'applications modernes d'IA intelligente :
- MCPêtre en charge deConnexions normalisées. ;
- RAGêtre en charge deélargir ses connaissances. ;
- Agentêtre en charge dePrise de décision autonome et mise en œuvre intégrée. ;
- Appel de fonctionêtre en charge deActions spécifiques et appels de données.
Ils travaillent en tandem pour permettre aux systèmes d'IA non seulement de comprendre les commandes humaines, mais aussi de trouver des informations, d'effectuer des opérations et d'ajuster constamment leurs plans afin que des tâches complexes puissent être accomplies de manière autonome.
À l'avenir, à mesure que le degré de normalisation augmentera et que l'autonomie des agents sera renforcée, ce système fera évoluer les intelligences vers des niveaux plus élevés de collaboration complexe et d'intelligence généralisée.

Expand : Différence et connexion entre MCP et Function Call
I. Différences fondamentales
| événement sportif | MCP (Model Context Protocol) | Appel de fonction |
|---|---|---|
| caractère inné | Une norme de protocole de communicationLes modèles doivent être normalisés en ce qui concerne la demande et l'utilisation de données et d'outils externes. | Un mécanisme d'applicationLe modèle lance des demandes d'appel de fonctions spécifiques dans le dialogue afin d'exécuter des fonctions spécifiques. |
| cible d'une action | Normalisation générale des sources de données, des services, des interfaces d'outils (oui)Méthodologie/couche protocole). | Fonction unique, action d'appel API (oui)Couche d'action d'exécution). |
| Scénarios d'utilisation | pour la conception et la normalisation de modèles dotés de diverses capacités externes (extraction, outils, API)méthode de connexion. | Utilisé dans les dialogues où les modèles sont à la demandeDéclencher une fonction spécifique en temps réelpour accomplir de petites tâches. |
| complexité structurelle | Plus complexes (impliquant l'échange de capacités, les formats de spécification, les versions, les mécanismes d'authentification, etc.) | Relativement simple (il suffit de définir la description de la fonction et de laisser la sortie du modèle appeler la demande). |
| Degré de normalisation | L'objectif est deCommun à tous les systèmesLa spécification MCP permet un accès transparent aux différents services qui suivent la spécification MCP. | le plusDéfinitions locales dans l'applicationDans ce cas, chaque projet définit son propre ensemble de fonctions. |
| donner un exemple | La standardisation donne aux modèles un accès unifié aux bases de connaissances de l'entreprise, aux systèmes CRM, à GitHub, aux calendriers et à bien d'autres choses encore. | invocations get_weather(location) Vérifier la météo, ou send_email(to, content) Courriel. |
II. liens
- L'appel de fonction est généralement utilisé comme l'une des implémentations d'une capacité dans le protocole de communication MCP.
- Le MCP définit la manière dont le modèle découvre, demande et répond à diverses capacités externes.
- Un appel de fonction est le détail de la manière dont un modèle appelle une capacité (par exemple, une API) spécifiquement lorsque le MCP est exécuté.
- On peut le dire sans risque :Le PCM est le cadre normatif de la connexion, et l'appel de fonction est l'action spécifique effectuée.
- Dans les scénarios où il n'y a pas de MCP, l'appel de fonction peut également être utilisé indépendamment.: :
- Par exemple, OpenAI ChatGPT intègre la fonction Function Calling, qui ne nécessite pas la norme MCP ;
- Mais si vous souhaitez accéder à des outils hétérogènes à grande échelle, la définition de Function Call n'est pas suffisante et vous avez besoin d'une spécification unifiée telle que MCP.
- MCP peut gérer plusieurs capacités, alors qu'un appel de fonction correspond généralement à un seul appel de capacité.: :
- Le MCP peut décrire les fonctions prises en charge par un service, telles que la recherche, le stockage, le téléchargement, la recherche d'informations sur les dossiers, etc ;
- Un appel de fonction n'est qu'une des actions exécutées en une seule occasion.
Résumé analogique (perception du développeur)
| analogique | MCP | Appel de fonction |
|---|---|---|
| Clavier USB standard et touches de clavier | MCP est comme la norme USB, qui spécifie la forme de l'interface, les règles du protocole et l'accès unifié pour différents appareils ; | Un appel de fonction équivaut à ce qu'un utilisateur appuie sur une touche du clavier pour déclencher une action spécifique. |
| Spécification de l'API RESTful par rapport à une demande d'API unique | MCP est comme une spécification de conception globale pour les API RESTful ; | Un appel de fonction revient à appeler une interface REST spécifique (par exemple POST /login). |
| Architecture du système et appel de fonctions | Les PCM sont des règles de communication pour l'ensemble du système ; | Un appel de fonction est une action de communication spécifique (par exemple, l'envoi d'un message). |
IV. exemples simples (combinés avec la compréhension)
Si vous développez un assistant intelligent, vous devez pouvoir lui permettre de rechercher des documents, d'envoyer des courriers électroniques, de réserver des salles de réunion et de consulter la météo :
- Vous pouvez utiliser leMCPÉlaborer un ensemble de spécifications permettant aux intelligences d'accéder à [un service de fichiers] [un service de courrier] [un service de calendrier] [un service météorologique] par le biais d'un protocole unifié ;
- Sous chaque service se cachent de nombreuses fonctions spécifiques telles que
- Services de documentation :
fichier_de_recherche(mot_clé)(math.) genreupload_file(fichier) - Service postal :
send_email(to, content) - Services de calendrier :
book_meeting(date, participants) - Services météorologiques :
get_weather(city)
- Services de documentation :
- Lorsqu'une intelligence gère une tâche (par exemple, "Réservez-moi une réunion et prévenez tout le monde"), elle choisit d'appeler uneAppel de fonction. ;
- Dans les coulisses, ces appels de fonction peuvent être destinés à suivre lesNormes MCPLes capacités exposées peuvent également être de petites fonctions convenues au sein de votre propre système.
Autres termes pertinents
1. utilisation des outils
- définirLe modèle linguistique peut sélectionner et appeler activement des outils externes (chercheurs, calculateurs, API, etc.) en fonction des besoins de la tâche.
- parties liéesL'utilisation d'outils : L'utilisation d'outils est une capacité essentielle pour qu'un agent puisse accomplir des tâches complexes, et l'appel de fonctions est un moyen d'utiliser des outils.
- exemple typique: l'appel de fonction d'OpenAI, l'utilisation d'outils par Claude.
2. les plugins
- définirModule de fonctionnalité externe que les modèles peuvent appeler à la demande, généralement exposé par l'intermédiaire d'une API, comme un "paquet d'extension de capacité".
- parties liéesLes plugins peuvent être accessibles via le MCP ou faire l'objet d'un appel de fonction.
- exemple typiqueChatGPT Plugins (OpenTable Ordering Plugins, Browser Plugins, etc.).
3. l'orchestration
- définirLa rationalisation : il s'agit du processus de rationalisation des différents outils/étapes/appels d'API d'une tâche complexe par un organisme intelligent dans le cadre d'un flux logique.
- parties liéesL'agent doit avoir des capacités d'orchestration pour programmer de manière logique les RAG, les appels de fonction, les API externes, etc.
- exemple typiqueChaîne/flux de travail dans LangChain, orchestration d'agents dans AutoGen.
4. la mémoire
- définirL'Intelligentsia enregistre les dialogues historiques, les résultats des opérations externes et les états de raisonnement internes pour le raisonnement ultérieur et l'exécution des tâches.
- parties liéesL'agent a besoin d'une mémoire pour maintenir le contexte de la tâche, et les résultats des appels de fonction et des recherches sont souvent stockés dans la mémoire.
- exemple typiqueLa mémoire à court terme (mémoire de travail), la mémoire à long terme (mémoire à long terme), la mémoire de la base de données vectorielle.
5. le cycle action/observation
- définirProcessus dans lequel l'agent effectue continuellement une action (invocation d'un outil), observe le résultat (réception de données), puis ajuste l'action suivante sur la base de l'observation.
- parties liéesChaque appel de fonction peut être considéré comme une action ; le MCP et la mémoire prennent en charge l'observation.
- exemple typiqueLe cadre d'exécution du raisonnement : ReAct (Reasoning + Acting).
6. l'autoréflexion
- définirLes agents réfléchissent à leur exécution pour voir s'ils ont commis des erreurs, s'ils doivent réessayer ou s'ils doivent ajuster leurs plans.
- parties liéesLes systèmes d'agents d'ordre supérieur doivent être capables de s'autocontrôler et de s'autocorriger simplement.
- exemple typiqueRéflexion, vérification de l'enchaînement des pensées.
7. le Toolformer (auto-apprentissage des outils)
- définirLe modèle doit apprendre à "décider de manière autonome" quand et comment invoquer l'outil au cours de la formation, sans dépendre d'instructions codées en dur.
- parties liéesLe cadre de Toolformer étend l'utilisation intelligente des appels de fonction et constitue la direction du développement de l'utilisation des outils.
- exemple typiqueLa méthode Toolformer proposée par Meta AI (2023).
8. plugin de récupération / Retriever
- définirLe composant qui effectue l'action de recherche proprement dite, qui peut être une requête dans une base de données, un appel à un moteur de recherche, une mise en correspondance avec un index vectoriel, etc.
- parties liéesLe RAG doit s'appuyer sur Retriever ; Retriever peut être exposé via MCP ou déclenché via un appel de fonction.
- exemple typiqueFAISS (Facebook AI Similarity Search), Pinecone, Weaviate.
9. magasin vectoriel
- définirLes vecteurs : convertissent le texte, les images et d'autres contenus en vecteurs à haute dimension, puis les stockent, et prennent en charge la recherche de similarité basée sur les vecteurs.
- parties liéesLe RAG améliore généralement la recherche sémantique à l'aide de bases de données vectorielles.
- exemple typique: Pinecone, Milvus, Chroma, Weaviate.
10. le cadre de l'agent (cadre de développement de l'organisme intelligent)
- définirLe système de gestion des agents : une boîte à outils qui fournit des composants standardisés et une gestion des processus pour le développement d'agents complexes.
- parties liéesLe système de gestion de l'information : une collection de modules tels que la mémoire, l'utilisation d'outils, l'orchestration, l'appel de fonctions, etc.
- exemple typique: :
- LangChain(classique, à composantes et flexible)
- AutoGen (Microsoft)(Collaboration multi-intelligence)
- CrewAI(division du travail et collaboration multi-rôles)
- LlamaIndex(RAG expertise en matière d'amélioration des données, mais peut également créer des agents)


评论功能已关闭。