MCP是一种模型上下文协议，主要是用来将各类大模型调用外部工具的接口进行统一，在实现AI Agent的过程中需要几个重要的步骤，其中最重要的就是通过大模型语言调用外部的工具将智能体联动起来。在没有MCP之前调用外部工具多数使用Open AI 的Function call方案，

随着Agent的爆火，MCP这个词被提及的次数也越来越多了，所以到底什么是MCP呢？今天给家人们简单介绍一下，不涉及非常技术性的内容~2024年11月，Anthropic开源Model Context Protocol (MCP)协议。：指各类AI模型，如GPT、Claude等：指提供给模型的额外资料或上下文：指一种通用标准或规范也就是说，MCP是一种使AI模型能够无缝对接外部资料的标准协议。AI

通用大型语言模型（LLM）如ChatGPT已显示出显著的成功。然而，此类LLM并未广泛用于医学目的，因为其准确度较低，无法提供医疗建议。我们提出了IvyGPT，这是一种基于LLaMA的LLM，通过使用高质量医学问答（QA）实例进行训练和人类反馈强化学习（RLHF）进行微调。经过监督微调后，IvyGPT具有良好的多轮对话能力，但在其他方面无法像医生一样表现，例如全面的诊断。通过RLHF，IvyGPT

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工

Agentic AI、AI Agents和Agents这三个词频繁出现在各大自媒体上。上周和朋友讨论时，我们发现很容易把这三个术语混为一谈。乍看之下，它们很相似，但它们并不可互换。但是可能理解他们的区别，似乎也并不重要，当一个事情所有人都模糊的时候，那就都是对的。从目前来看，真正的Agent/Agentic产品，似乎在摆脱Agent的概念。比如说，AI编程、AI研究…

最近AI超火，大家是不是很好奇，那些超厉害的AI模型，像能画画的Midjourney、会聊天的ChatGPT，它们到底是怎么“炼成”的呢？今天就带大家一探究竟，看看AI模型训练到底在训练什么！咱们先从生物的神经网络说起。大家都知道，咱们人类的大脑超厉害，能思考、能感知、能行动，这都多亏了大脑里的生物神经网络。它是由好多好多神经元组成的，神经元之间通过突触连接。

AI Agent是一个能够推理问题、制定计划并使用工具执行任务的系统。

AI Agent是基于人工智能技术开发出的自动执行任务的智能实体。它可以理解、学习、思考和推理，具备自主决策和执行能力。AI Agent通常由机器学习算法、深度学习网络、自然语言处理等技术构成，能够处理复杂的数据和情境，为企业提供智能化的解决方案。

随着AI Agent技术的快速发展，各大厂商和开源社区纷纷推出了自己的Agent框架。但面对众多选择，哪一个框架在企业级能力、Agent功能性和开发者体验方面取得了最佳平衡？今天，我们将对当前市场上的五大热门Agent框架进行深度对比分析，帮助你找到最适合企业级应用的最佳选择！

要说Agent历史，可以追溯到很久远，暂且不论Agent，先说大模型。我们前面研究神经网络和大模型已经知道，大模型本身就是仿照人脑进行设计的，你可以把大模型当成一个会思考的大脑。但是你只有大脑肯定什么也干不了，“知行合一”，只“知”而不“行”是没有任何实际产出的。所以第一个轰动的ChatGPT其实就是一个Agent，它接受你的提问，大模型“思考”后给出回复，你好像在和一个人在说话，但它不是真人，而