introdutório

no atual desenvolvimento de aplicações de IA.MCP (Protocolo de contexto de modelo)eRAG (Retrieval Augmentation Generation)**Agente (Corpo Inteligente)responder com cânticosAs chamadas de função** são conceitos técnicos fundamentais extremamente importantes. Representam os diferentes caminhos através dos quais o modelo de linguagem interage com fontes de dados, ferramentas ou ambientes externos e formam relações sinérgicas no processamento de tarefas complexas. Neste documento, analisaremos sistematicamente as definições, os mecanismos, os cenários de aplicação e os padrões sinérgicos destes termos para engenheiros com experiência em desenvolvimento, para ajudar a compreender plenamente as suas funções e significados nos sistemas inteligentes modernos.

1. MCP (Model Context Protocol)

Definições e mecanismos

O protocolo de contexto de modelo (MCP, Model Context Protocol) é uma norma aberta que visa normalizar a forma como os grandes modelos de linguagem interagem com fontes de dados externas e sistemas de ferramentas. O seu principal objetivo é normalizar a comunicação entre diferentes modelos e ambientes externos em aplicações de IA, de modo a que a ligação de diferentes ferramentas e bases de conhecimentos se torne uniforme e eficiente, tal como a interface USB-C normaliza vários dispositivos electrónicos.

O CIM adopta uma arquitetura cliente-servidor, em que o modelo actua como cliente e envia pedidos ao servidor CIM de acordo com um protocolo padrão, e o servidor CIM interage com recursos externos reais (por exemplo, bases de dados, interfaces de aplicação) e devolve uma resposta num formato uniforme para utilização pelo modelo. Toda a interação segue rigorosamente a especificação do protocolo para garantir uma interação perfeita entre o modelo e os recursos externos.

cenário de aplicação

• Aplicações integradas multi-ferramentas (Assistente Inteligente para Empresas, Sistema de Escritório Inteligente)
• Recuperação e manipulação de fontes de dados cruzadas (acesso unificado a documentos, calendários e correio eletrónico dentro da empresa)
• Aplicações multimodais de IA (processamento híbrido de gráficos e texto, fusão de dados perceptuais)

significado técnico

O MCP reduz o limiar dos modelos para integrar várias fontes de dados e ferramentas, melhora a escalabilidade do sistema e a compatibilidade com as normas e permite que os programadores acedam e chamem rapidamente todos os tipos de recursos externos de uma forma comum.

---

2. RAG (retrieval augmentation generation)

Definições e mecanismos

A Geração Aumentada por Recuperação (RAG, Retrieval-Augmented Generation) refere-se à consulta de informações relevantes de bases de conhecimento externas através do módulo de recuperação antes de o modelo gerar o conteúdo, e à injeção destas informações no contexto do modelo como sugestões para melhorar a precisão e a atualidade da resposta.

A implementação consiste normalmente num recuperador (por exemplo, pesquisa de texto integral, sistemas de recuperação vetorial) e num gerador (por exemplo, modelos linguísticos de grande escala). O recuperador é responsável pela localização das informações relevantes para a pergunta do utilizador e o gerador gera a resposta final com base nos resultados da recuperação.

cenário de aplicação

• Sistemas de perguntas e respostas com grande intensidade de conhecimentos (por exemplo, aconselhamento jurídico, apoio técnico)
• Recuperação e resumo de notícias em tempo real
• Assistente de redação de documentação em domínios especializados (por exemplo, relatórios médicos, financeiros)

significado técnico

As RAG quebram a limitação dos dados de formação fechados do modelo, dão ao modelo a capacidade de encontrar conhecimentos externos em tempo real, reduzem a necessidade de treinar novamente o modelo e melhoram a credibilidade e a atualidade dos resultados.

---

3. agente

Definições e mecanismos

Agente (corpo inteligente) refere-se a um sistema orientado por um grande modelo linguístico para a tomada autónoma de decisões e a execução de tarefas. Não só é capaz de raciocinar etapas de execução específicas com base em instruções de alto nível, como também opta dinamicamente por invocar ferramentas externas ou obter informações para ajudar na realização de tarefas.

Os agentes são geralmente compostos por três fases: perceção (compreensão do ambiente e das instruções), tomada de decisões (planeamento de tarefas e passos) e execução (invocação de ferramentas ou manipulação do ambiente), aproximando-se continuamente do objetivo através de raciocínio e ação cíclicos.

cenário de aplicação

• Assistente de escritório automatizado (programação, tratamento de correio, consolidação de dados)
• Aprendizagem autónoma e exploração de tarefas (por exemplo, assistentes de investigação automatizados, inteligências de análise de dados)
• Personagens autónomas em ambientes de jogos ou mundos virtuais (por exemplo, jogadores com IA)

significado técnico

O agente representa um salto importante para a IA, passando de um sistema estático de perguntas e respostas para um sistema de ação autónomo. Ao desmontar autonomamente objectivos e invocar vários recursos, é capaz de lidar com tarefas de maior abertura e complexidade, aproximando-se dos processos cognitivos e operacionais humanos.

---

4) Chamada de função

Definições e mecanismos

Uma chamada de função é um pedido de chamada estruturado gerado por um modelo de linguagem de grande dimensão para acionar uma função back-end, uma API ou uma operação de serviço durante a execução de um diálogo ou de uma tarefa. Em vez de executar a própria lógica da função, o modelo emite um pedido de chamada de formato standard, que é analisado e efetivamente executado por um programa externo, que depois envia os resultados de volta para o modelo.

Este mecanismo permite que o modelo aceda a dados em tempo real, realize operações externas e, assim, ultrapasse as limitações tradicionais de gerar respostas apenas em texto.

cenário de aplicação

• Consulta de informações em tempo real (meteorologia, bolsa de valores, informações sobre voos)
• Consultas e operações de bases de dados (gestão interna de dados)
• Execução de acções (envio de correio, agendamento de compromissos, invocação de comandos do sistema)

significado técnico

O mecanismo de chamada de função permite que os modelos manipulem o mundo e é uma ponte importante entre a compreensão da linguagem e as funções reais do sistema. Ao mesmo tempo, melhora a fiabilidade e a precisão das respostas dos modelos e expande significativamente a profundidade e a amplitude das aplicações de IA.

---

5. aplicações integradas e mecanismos de colaboração

Num sistema de IA completo, os CIM, os RAG, os agentes e as chamadas de função trabalham normalmente em conjunto para formar um sistema de fluxo de trabalho eficiente e flexível:

• AgenteComo "cérebro" do sistema, é responsável por detetar os requisitos, planear as tarefas e decidir a ordem pela qual as ferramentas devem ser invocadas.
• RAGComo "assistente de conhecimento", fornece ao agente informações autorizadas recuperadas instantaneamente para alargar o âmbito cognitivo do modelo.
• Chamada de funçãoActua como um "executor de acções", dando ao Agente acesso direto a sistemas externos, bases de dados ou instruções de execução.
• CIMComo "base de comunicação", pode unificar os protocolos de acesso de vários recursos externos, normalizar e modular as ferramentas utilizadas pelo agente e melhorar a escalabilidade e a manutenção.

Exemplo de processo

Quando um assistente de escritório inteligente recebe instruções para "analisar os dados de vendas da semana passada e redigir um relatório de síntese para mim, tendo em conta as tendências meteorológicas", o sistema pode colaborar das seguintes formas

1. AgenteAnalisar a tarefa e desenvolver as etapas necessárias para obter dados de vendas, dados meteorológicos, analisar, gerar cópias e enviar e-mails.
2. RAGPesquise bases de dados de vendas e APIs meteorológicas para obter as informações de dados mais actualizadas.
3. Chamada de funçãoEfetuar a recuperação de dados, chamar ferramentas de análise, enviar mensagens de correio eletrónico e muito mais.
4. CIMAssegurar a normalização das chamadas de interface ao longo do processo e o acesso sem descontinuidades a várias fontes de dados e serviços externos.
5. AgenteCompletar a análise de forma autónoma com base nas informações obtidas e organizar o documento final a enviar ao utilizador.

---

resumos

A MCP, o RAG, o agente e a chamada de função constituem, em conjunto, um sistema tecnológico importante para o desenvolvimento de aplicações modernas de IA inteligente:

• CIMser responsável porLigações normalizadas.;
• RAGser responsável poralargar os seus conhecimentos.;
• Agenteser responsável porTomada de decisão autónoma e aplicação integrada.;
• Chamada de funçãoser responsável porAcções específicas e chamadas de dados.

Trabalham em conjunto para que o sistema de IA não só compreenda os comandos humanos, mas também procure informações, realize operações e ajuste constantemente os seus planos para conseguir a realização autónoma de tarefas complexas.
No futuro, à medida que o grau de normalização aumenta e a autonomia dos agentes é reforçada, este sistema conduzirá ainda mais as inteligências para níveis mais elevados de colaboração complexa e de inteligência generalizada.

Expandir: diferença e ligação entre CIM e chamada de função

I. Diferenças fundamentais

evento desportivo	MCP (Protocolo de contexto de modelo)	Chamada de função
carácter inato	Uma norma de protocolo de comunicaçãoNormalizar a forma como os modelos solicitam e utilizam dados/ferramentas externos.	Um mecanismo de aplicaçãoO modelo inicia pedidos específicos de chamada de função no diálogo para executar funções específicas.
alvo de uma ação	Normalização geral das fontes de dados, serviços, interfaces de ferramentas (sim)Metodologia/camada de protocolo).	Função única, ação de chamada API (sim)Camada de acções de execução).
Cenários de utilização	para conceber e normalizar modelos com várias capacidades externas (recuperação, ferramentas, API)método de ligação.	Utilizado em diálogos em que os modelos são solicitadosAcionar uma função específica em tempo realpara realizar pequenas tarefas.
complexidade estrutural	Mais complexos (envolvendo intercâmbio de capacidades, formatos de especificação, controlo de versões, mecanismos de autenticação, etc.).	Relativamente simples (basta definir a descrição da função e deixar que a saída do modelo chame o pedido).
Grau de normalização	O objetivo éComum a todos os sistemasA especificação CIM permite um acesso sem descontinuidades a diferentes serviços que seguem a especificação CIM.	maisDefinições locais na aplicaçãoNeste caso, cada projeto define o seu próprio conjunto de funções.
dar um exemplo	A normalização proporciona aos modelos um acesso unificado a bases de dados de conhecimento empresariais, sistemas CRM, GitHub, calendários e muito mais.	invocações get_weather(localização) Verificar o estado do tempo, ou send_email(to, content) Correio eletrónico.

---

II. ligações

• A Chamada de Função é normalmente utilizada como uma das implementações de uma capacidade no protocolo de comunicação MCP.
  • O CIM define a forma como o modelo descobre, solicita e responde a várias capacidades externas.
  • Uma Chamada de Função é o detalhe de como um modelo chama uma capacidade (por exemplo, uma API) especificamente quando o MCP é executado.
  • É seguro dizer:A CIM é o quadro normativo para a ligação e a Chamada de Função é a ação específica executada.
• Nos cenários em que não existe um PCM, a Chamada de função também pode ser utilizada de forma independente.::
  • Por exemplo, o OpenAI ChatGPT tem uma chamada de função incorporada, que não requer a norma MCP;
  • No entanto, se pretender fazer um acesso heterogéneo a ferramentas em grande escala, a definição de Chamada de Função não é suficiente, sendo necessária uma especificação unificada como a MCP.
• A MCP pode gerir múltiplas capacidades, enquanto que uma chamada de função corresponde normalmente a uma única chamada de capacidade.::
  • Os MCP podem descrever as funções que um serviço suporta, como a recuperação, o armazenamento, o carregamento, a recuperação de informações de pastas, etc;
  • Uma chamada de função é apenas uma das acções que são executadas numa única ocasião.

---

III. resumo analógico (perceção do criador)

analógico	CIM	Chamada de função
Padrão USB vs Teclas de teclado	A MCP é como a norma USB, que especifica a forma da interface, as regras de protocolo e o acesso unificado para vários dispositivos;	Uma chamada de função é como um utilizador que carrega numa tecla do teclado que desencadeia uma ação específica.
Especificação da API RESTful vs pedido único de API	O MCP é como uma especificação geral de design para APIs RESTful;	Uma chamada de função é como chamar uma interface REST específica (por exemplo, POST /login).
Arquitetura do sistema vs Funções de chamada	Os CIM são regras para a comunicação de todo o sistema;	Uma chamada de função é uma ação de comunicação específica (por exemplo, o envio de uma mensagem).

---

IV. exemplos simples (combinados com a compreensão)

Se desenvolvermos um assistente inteligente, temos de ser capazes de o fazer procurar documentos, enviar e-mails, reservar salas de reunião e verificar o estado do tempo:

• É possível utilizar oCIMDesenvolver um conjunto de especificações para que as inteligências acedam a [serviço de ficheiros] [serviço de correio eletrónico] [serviço de calendário] [serviço meteorológico] através de um protocolo unificado;
• Por baixo de cada serviço existem muitas funções específicas, tais como:
  • Serviços de documentação:search_file(palavra-chave)(matemática) géneroupload_file(ficheiro)
  • Serviço de correio:send_email(to, content)
  • Serviços de calendário:marcar_reunião(data, participantes)
  • Serviços meteorológicos:get_weather(cidade)
• Quando uma inteligência trata de uma tarefa (por exemplo, "Marque-me uma reunião e notifique toda a gente"), opta por chamar umChamada de função.;
• Nos bastidores, estas chamadas de função podem ser para seguir aNormas CIMAs capacidades expostas também podem ser pequenas funções acordadas no seu próprio sistema.

Outros termos relevantes

1) Utilização de ferramentas

• definirPermitir que o modelo de linguagem selecione e chame ativamente ferramentas externas (pesquisadores, calculadoras, API, etc.) conforme necessário para a tarefa.
• partes relacionadasA Utilização de Ferramentas é uma capacidade essencial para um Agente realizar tarefas complexas e a Chamada de Função é uma forma de realizar a Utilização de Ferramentas.
• exemplo típicoA chamada de funções do OpenAI e a utilização de ferramentas do Claude.

---

2) Plugins

• definirMódulo de funcionalidade externa para os modelos chamarem a pedido, normalmente exposto através de uma API, como um "pacote de extensão de capacidades".
• partes relacionadasPlugins: Os plugins podem ser acedidos através da MCP ou podem ser objeto de uma chamada de função.
• exemplo típicoPlugins ChatGPT (Plugins de Encomenda OpenTable, Plugins de Browser, etc.).

---

3. orquestração

• definirO processo de racionalização das diferentes ferramentas/etapas/chamadas API numa tarefa complexa por um organismo inteligente num fluxo lógico.
• partes relacionadasO agente deve ter capacidades de orquestração para programar RAGs, chamadas de função, APIs externas, etc. de uma forma lógica.
• exemplo típicoCadeia/fluxo de trabalho em LangChain, orquestração de agentes em AutoGen.

---

4. memória

• definirO Intelligentsia guarda diálogos históricos, resultados de operações externas e estados de raciocínio internos para raciocínio subsequente e execução de tarefas.
• partes relacionadasO agente precisa de memória para manter o contexto da tarefa, e as chamadas de função e os resultados da recuperação são frequentemente armazenados na memória.
• exemplo típico: memória de curto prazo (memória de trabalho), memória de longo prazo (memória de longo prazo), memória de base de dados vetorial.

---

5. ciclo de ação/observação

• definirProcesso em que o agente executa continuamente uma ação (invocando uma ferramenta), observa o resultado (recebendo dados) e, em seguida, ajusta a ação seguinte com base na observação.
• partes relacionadasCada chamada de função pode ser considerada como uma ação; a CIM e a memória suportam a observação.
• exemplo típicoReAct (Reasoning + Acting) Quadro de execução do raciocínio.

---

6) Autorreflexão

• definirOs agentes reflectem sobre a sua execução para ver se cometeram erros, se precisam de tentar de novo ou se precisam de ajustar os seus planos.
• partes relacionadasOs sistemas de agentes de ordem superior têm de ser capazes de auto-monitorização e auto-correção simples.
• exemplo típicoReflexão, auto-verificação da cadeia de pensamento.

---

7) Toolformer (auto-aprendizagem de ferramentas)

• definirO modelo aprende a "decidir autonomamente" quando e como invocar a ferramenta durante a formação, sem depender de instruções codificadas.
• partes relacionadasO quadro Toolformer alarga a utilização inteligente da Chamada de Função e constitui a direção do desenvolvimento da Utilização de Ferramentas.
• exemplo típicoMétodo Toolformer proposto pela Meta AI (2023).

---

8) Plugin de recuperação / Retriever

• definirComponente que executa a ação de recuperação propriamente dita, que pode ser uma consulta a uma base de dados, uma chamada a um motor de busca, uma correspondência de índices vectoriais, etc.
• partes relacionadasO RAG deve depender do Retriever; o Retriever pode ser exposto através do CIM ou acionado através da Chamada de Função.
• exemplo típico: FAISS (Facebook AI Similarity Search), Pinecone, Weaviate.

---

9. loja de vectores

• definirConvertem texto, imagens e outros conteúdos em vectores de alta dimensão, armazenando-os em seguida, e suportam a recuperação por semelhança baseada em vectores.
• partes relacionadasRAG: A RAG melhora geralmente a recuperação semântica com bases de dados vectoriais.
• exemplo típico: Pinecone, Milvus, Chroma, Weaviate.

---

10. quadro de agentes (quadro de desenvolvimento de organismos inteligentes)

• definirUm conjunto de ferramentas que fornece componentes normalizados e gestão de processos para o desenvolvimento de agentes complexos.
• partes relacionadasUm conjunto de módulos, tais como Memória, Utilização de ferramentas, Orquestração, Chamada de funções, etc.
• exemplo típico::
  • LangChain(clássico, componentizado e flexível)
  • AutoGen (Microsoft)(Colaboração multi-inteligência)
  • TripulaçãoAI(divisão do trabalho e colaboração em várias funções)
  • LlamaIndex(experiência em melhoria de dados RAG, mas também pode construir agentes)

Para mais produtos, consultar	Ver mais em
ShirtAI - Inteligência penetrante	O Grande Modelo do AIGC: inaugurando uma era de dupla revolução na engenharia e na ciência - Penetrating Intelligence
1:1 Restauração de Claude e GPT Site oficial - AI Cloud Native	Aplicação de jogos em direto Leitor de visualização de desporto HD global (recomendado) - Blueshirt Technology
Serviço de trânsito baseado na API oficial - API GPTMeta	Ajuda, alguém pode dar algumas dicas sobre como fazer perguntas no GPT? - Conhecimento
Loja digital de bens virtuais globais - Global SmarTone (Feng Ling Ge)	Quão poderosa é a funcionalidade Claude airtfacts que o GPT instantaneamente não cheira bem? -BeepBeep