microsoft标签_MCP技术社区

microsoft

LangChain模型调用全家桶-LLM-聊天模型-嵌入模型-流式输出

要点一句话现代开发一律用 ChatModel，LLM 已退居二线消息三种角色System（定规则）、Human（提问）、AI（回答）多厂商调用一个ChatOpenAI通吃所有兼容 OpenAI 协议的模型本地模型Ollama +ChatOllama，数据不出门，零成本调用流式输出stream()让模型逐字输出，用户体验大幅提升嵌入模型把文字变向量，语义搜索和 RAG 的地基核心参数控制创造力，ma

2301_79606436
2026-08-23 13:35:03

 579

 6

#microsoft #人工智能
LangChain+FastMCP 搭建大模型工具调用服务

为解决大模型外部工具调用、上下文传递标准不统一、适配混乱的痛点，本文基于 MCP 模型上下文协议，使用轻量化 FastMCP 构建 MCP 服务端，借助 langchain‑mcp‑adapters 完成与 LangChain 生态集成。

2301_81043294
2026-08-21 13:32:17

 380

 5

#microsoft #人工智能
上 AI 就要换系统？WorkMate 说：不用，接根线就行

企业引入AI时常面临老系统兼容难题。WorkMate提出创新方案：通过MCP接口协议实现AI与老系统无缝对接，无需推倒重建。该方法具有三大优势：1）低成本改造，仅需为AI高频功能添加标准化接口；2）不改变原有业务流程；3）支持渐进式升级和可回退机制。实践表明，MCP接口既能保留老系统的数据资产和业务连续性，又能赋予其AI能力，实现"原地升级"。这种"系统接AI线&qu

leizhen19840809
2026-08-21 09:50:37

 344

 8

#java #人工智能 #microsoft
1.智能体-Agent与Harness

我们从 Agent 的理论起源出发，探讨了其核心构成（LLM + Planning + Memory + Tool Use），并深入剖析了将理论落地为生产系统所必须面对的工程化挑战与解决方案。现代 Agent 架构已演进为的双层范式。Model 层作为智能核心，负责理解、推理与生成；Harness 层则作为基础设施，集成了 Prompt 系统、Function Call、Memory、Contex

悟道心
2026-08-20 12:35:51

 410

 9

#microsoft
Agent上线前，最值得检查的不是模型参数

最近把 Claude Code 接进团队项目，原本指望能分担一些重复代码的活儿，结果上线第一天就崩了。不是模型不行，是工具调用越权、记忆跨会话丢失、任务规划死循环——这三个坑我一个个踩过，才搞明白 Agent 从个人试用到团队协作之间，差的不是模型参数，是工程细节。今天不聊概念，直接拆三个核心组件，结合真实排查过程和招聘 JD 里常考的能力点，给你一个可执行的练习顺序。---Agent 从个人试用

 晨xi的光
2026-08-19 22:57:06

 306

 3

#microsoft
LangChain+FastMCP 搭建大模型工具调用服务

本文介绍了一种基于MCP（Model Context Protocol）协议的轻量化大模型工具调用方案，通过FastMCP框架构建MCP服务端，并结合langchain-mcp-adapters实现与LangChain生态的集成。文章以天气查询为例，详细展示了自定义工具开发、静态资源封装、提示词模板配置的完整流程，并演示了LangChain客户端如何加载工具、读取资源、解析提示词以及进行多服务协同

 微软技术分享
2026-08-19 15:45:27

 302

 3

#microsoft
AI 总说“文件改好了“，文件却纹丝不动？用 desktop-commander MCP 根治“假完成

AI助手常出现"假完成"现象：声称已修改文件但实际未改动。文章介绍desktop-commander MCP工具如何通过真实文件操作、精确匹配编辑、写后验证和终端命令执行等机制解决这一问题。该工具强制AI进行真实系统调用，使每次修改都有可验证证据，将AI从"声称完成"转变为"真实完成"。配置简单但需配合系统提示词约束使用，虽非完美解决方案，但能显著降低"假完成"概率，提高AI文件操作的可靠性。

Java——>
2026-08-19 11:13:52

 173

 6

#人工智能 #microsoft
Microsoft 微软 MarkItDown 源码静态评测：一个文档转换项目的工程结构、扩展能力与证据边界

摘要 Microsoft开源的MarkItDown项目是一个文档转换工具，专注于将PDF、Office文档、HTML等格式转换为Markdown。本次静态评测基于提交fd239d5d2be43d9b68329730206b9312c7d5a388，分析了72个Python源文件、6个配置文件及20个测试文件。项目核心功能包括文档解析、多格式转换、OCR扩展和插件机制，并以CLI、Python AP

TunerT_TQ
2026-08-19 10:06:02

 294

 8

#microsoft #python #c++
Anthropic约80%的营收来自API

昨日，《福布斯》援引分析师报道，行业监测数据显示，Anthropic约80%的营收来自API及企业业务，其今年5月年化营收突破80亿美元（约合人民币539.21亿元）的Claude Code，正成为第二增长曲线，这一部分属于面向企业的按量计费收入，营收规模随使用量上涨，而非按售卖席位数量增长。智东西8月18日消息，刚刚，据彭博社援引知情人士报道，截至7月底，Anthropic的年化营收已超650亿

 2601_96793377
2026-08-18 15:14:10

 232

 8

#人工智能 #microsoft #时序数据库 +2
11.微软365 Copilot重磅升级！接入Claude Opus 5，复杂办公分析能力全面跃升

分层拆解产业链价值，精准区分「核心部件高价值赛道」与「项目集成高风险赛道」，跳出单一企业视角，立足行业全局做分析研判。此次Microsoft 365 Copilot接入Claude Opus 5，不再是简单的AI功能升级，而是**办公AI从“基础辅助”向“专业落地”**的跨越。无论是日常长文档撰写、复杂数据复盘，还是专业的行业分析、企业尽调、PPT成果输出，Claude Opus 5都能凭借更强的

 copilot中国版
2026-08-18 09:15:21

 358

 4

#microsoft #copilot
LangChain与LangGraph深度解析：从智能体搭建到工作流编排

随着大语言模型（LLM）技术的快速发展，AI智能体（Agent）已成为构建复杂AI应用的核心范式。LangChain作为最流行的LLM应用开发框架，提供了从基础模型调用到复杂智能体构建的全套工具链。而LangGraph作为其工作流编排引擎，进一步将智能体开发推向工程化、可控化的新高度。本文将深入探讨LangChain的核心架构、智能体搭建过程，以及如何通过LangGraph实现复杂工作流编排，并分

 shiyibushiqi
2026-08-12 14:32:35

 270

 9

#microsoft #大数据
MCP与A2A企业级开发：从原理到代码落地全指南

这是一本来自一线从业者的协议驱动开发实战笔记，目标是帮助AI开发人员、架构师与技术决策者构建完整的协议驱动开发的能力，帮助企业构建模型、工具、数据与多智能体高效协作的数字员工体系，让AI真正自动化赋能企业业务。本书围绕MCP与A2A的核心原理、架构设计与应用实践展开，系统解析MCP如何打通大语言模型与外部资源的交互壁垒，A2A如何支撑多智能体间的能力发现、任务协同与可信通信，深度呈现二者在企业级A

onc-virn
2026-08-11 11:40:26

 1.2w

 3

#网络 #microsoft
【Azure APIM】在VS Code中使用MCP Inspector 插件来调试MCP Server URL (三)

本文介绍了如何使用VSCode插件MCPInspector测试部署在Azure API Management中的MCPServer服务。主要内容包括：安装MCPInspector插件后，通过配置连接参数（如Streamable HTTP传输类型、API MCP server URL等）建立连接；验证服务时，可获取Tool列表并测试基础调用功能，但需注意该工具主要用于验证服务连通性，不能完全替代真实

 lubu123456
2026-08-10 21:22:06

 243

 5

#azure #microsoft
MCP 微软教材背书:5 国产基座 Agent 承接力实测

微软MCP协议在2026年迎来重大升级，成为AI Agent开发的关键基础设施。作者对通义千问、智谱AI、月之暗面等5个国产基座模型进行了MCP适配性测试，结果显示Qwen3.6在复杂参数解析表现最佳，GLM-5.1长链路规划能力突出，DeepSeek-V3.2性价比最高。文章指出MCP适用于多工具、跨团队协作场景，但对于简单工具调用或延迟敏感任务仍建议使用传统Function Calling。最

 神奇霸王龙
2026-08-10 21:20:11

 371

 13

#microsoft #MCP #AI作画
通知机制实战：长任务进度上报与实时状态推送

写 MCP 专栏到最后一篇了。前面 23 篇讲的都是请求-响应模式，客户端发请求，服务器返回结果。但实际项目里有一类场景这个模式搞不定，就是长任务。比如批量处理 1000 个文件，可能要跑几分钟，用户不想干等着，想看到进度条。MCP 的通知机制就是解决这个问题的。这篇我来讲讲进度上报、日志通知和资源变更通知这三种通知机制的实现。

白话机器学习
2026-08-10 09:13:53

 234

 7

#windows #python #microsoft +1
Completions与通知机制：自动补全、进度上报与状态通知

我之前给团队写过一个批量数据导出工具，跑一次要好几分钟。用户每次都来问我，到底是卡死了还是在干活。后来我把 MCP 的进度通知接上，界面能实时显示处理到第几条，问题一下子就没了。这篇就来聊聊 MCP 里那些容易被忽略的交互细节，包括自动补全、进度上报、日志推送和资源变更通知，配套可运行的代码。

白话机器学习
2026-08-09 21:27:58

 362

 3

#windows #microsoft #MCP
Elicitation原语：Server向Client请求用户输入

去年我做一个部署工具的MCP Server，工具接收一个服务名就执行部署。结果有次模型把生产环境的服务名传进来直接部署了，差点酿成事故。我赶紧加了个硬编码的环境判断，治标不治本。后来MCP规范推出了Elicitation原语，我让工具在执行前向用户确认"确定要部署到production吗"，用户点同意才继续。从此再没出过误操作。这篇我把Elicitation这个交互机制完整讲一遍，它是MCP五大原

 白话机器学习
2026-08-09 21:26:42

 347

 8

#microsoft #windows #MCP
MCPHub 路由原理：一个入口如何管理并调用上百个 MCP Server

MCPHub 能够通过一个入口管理大量 MCP Server，并不是因为域名本身具备某种自动识别能力。Codex 先通过initialize建立 MCP 会话，再通过tools/list获取扁平化工具定义，最后通过tools/call调用某个明确工具。工具发现：汇总所有允许访问的 MCP 工具。工具命名和注册表：使用带 Server 前缀的工具名建立确定性映射。路由策略：根据统一、单服务、分组或智

 高世之智
2026-08-07 15:47:11

 409

 11

#microsoft #windows
AI 编程工具实战（8）：给 AI 编程工具接入 MCP 扩展能力

讨论MCP 扩展时，最常见的误区是用一次“看起来很聪明”的回答替代工程评估。MCP Server、tools、resources分别擅长不同交互位置，但真正决定收益的是任务边界、上下文质量和反馈速度。一个补全工具在单文件样板代码上很快，不代表它适合跨目录迁移；一个代理能运行命令，也不代表应该直接获得发布权限。选型前先写出输入、允许修改范围、验收命令和失败后的回滚办法，才能比较实际完成时间，而不是比

 CodexDave
2026-08-06 08:22:48

 345

 5

#人工智能 #microsoft #MCP
MCP更新： 2026-07-28：从 Agent 插件协议到企业 AI 工具总线

MCP协议2026-07-28版本进行了重大更新，从有状态的双向通信模型转变为无状态、可路由的请求响应协议。主要改进包括：取消initialize握手和协议级Session，引入MRTR机制替代Server主动回调，将Tasks扩展纳入正式框架以支持长任务，优化网关治理和缓存策略，采用OpenTelemetry标准化可观测性，并收紧OAuth授权边界。这些变化使MCP更适合企业级部署，解决了负载均

 weixin_41468466
2026-08-02 16:59:25

 534

 15

#microsoft
模型上下文协议（MCP）

模型上下文协议（MCP）是连接大语言模型与外部系统的开放标准。它采用客户端-服务器架构，让 LLM 能通过标准化工具访问资源、利用 Prompt、执行操作。MCP 支持数据库访问、生成式媒体编排、物联网控制和金融自动化等场景。文中通过文件系统服务器和 FastMCP 服务器的智能体集成示例，展示了 MCP 与 ADK 的实际应用。MCP 是打造具备交互能力的智能体系统不可或缺的核心组件。

梓仁沐白
2026-07-30 16:53:14

 442

 13

#microsoft
从模型调用到工程运行：AgentKit Harness 如何支撑 Agent 落地

对于火山引擎 AgentKit 的开发者来说，当 Agent 从 Demo 落地真实业务，真正的挑战早已不是模型能否生成回答，而是智能体能否在业务约束下稳定完成整个任务流程。即便模型本身表现出色，一旦接入真实工具、外部数据、多轮复杂任务后，各类工程问题便会集中暴露：工具调用如何统一管理、异常失败如何自动恢复、会话状态如何持久存储、时延与成本如何持续观测，以及 Prompt 或工具迭代后如何快速验证

 大靠山
2026-07-29 20:56:46

 318

 5

#java #人工智能 #前端 +3
DeepAgents : 工具（Tools ）

摘要（149字）： DeepAgents工具模块实现智能体与外部环境的高效交互，支持自定义函数、LangChain工具及MCP服务的无缝集成。开发者可通过tools=参数快速注入工具集，结合内置文件操作、任务调度等运行时工具构建复杂工作流。框架兼容Google、OpenAI等主流大模型，并提供多模态返回能力（文本/图片/音频等）。示例演示了Tavily搜索工具封装、MCP异步服务调用及沙箱环境工具

 mingo_敏
2026-07-29 12:10:10

 457

 11

#数据库 #人工智能 #microsoft
结合openai协议谈谈tools调用是怎么实现的

一直迷惑agent怎么实现tools的调用，可能我的prompt不对，问千问、豆包，回复都很抽象，感觉自己知道了，好像又不知道。下面以程序员的角度，以实例分析一下tools的调用过程。告之agent，当前交互需要调用工具。如下所示，截取LLM返回的2个chunk。4. agent拼接上下文后（role:tool），再次请求LLM，LLM会返回请求的结果。例如，你定义了一个递归的函数作为tool，然

 chenlq618
2026-07-28 15:41:23

 257

 5

#microsoft #前端 #javascript
MCP协议开发实战：从零搭建AI Agent工具链

MCP协议为AI Agent与外部工具交互提供了标准化方案。

m0_73571447
2026-07-24 16:31:23

 305

 3

#android #人工智能 #前端 +1
【AI智能客服】MCP协议与智能路由：‘说做一体‘的技术基石

MCP协议与智能路由构建了AI客服的核心技术架构。MCP协议作为AI与业务系统的"通用语言"，通过标准化接口实现"说做一体"，将预约保养等场景的处理时间从8分钟缩短至30秒。智能路由采用强化学习算法，实现毫秒级的多维度最优资源匹配。二者协同工作形成"知识进化飞轮"机制，使系统月均知识更新量提升10倍，首次解决率提高26个百分点。该架构通过

 CallHot
2026-07-15 21:02:25

 222

 8

#人工智能 #microsoft
Code0.ai 怎么用更省心：gpt-5.4-high 接入、代码生成和费用排查实践

摘要（150字）： Code0.ai 作为模型调用平台，支持接入 gpt-5.4-high 等模型，适合复杂推理任务（如架构设计、竞品分析、代码审查），但日常任务建议用普通模型以降低成本。接入步骤包括：注册账号、查看模型权限、获取API Key和Base URL，并通过代码测试链路。代码生成时需拆分需求，明确输入/输出和边界条件；内容生产更推荐用于SEO策略或长文规划，而非批量生成。注意API K

xywww168
2026-07-10 15:47:13

 224

 7

#人工智能 #microsoft
AI Agent 智能体开发框架深度对比：LangGraph、CrewAI 与 AutoGen

2026年的多 Agent 框架生态已经形成了清晰的格局：LangGraph 以图式编程提供精确控制，CrewAI 以角色模型降低开发门槛，AutoGen 以对话驱动支持灵活探索。三者并非替代关系，而是互补关系。协议标准化：MCP（Model Context Protocol）正在成为 Agent 间通信和工具调用的行业标准记忆持久化：向量数据库与图数据库的结合将实现周级甚至月级的长期记忆自主进化

 少林码僧
2026-07-09 08:34:49

 380

 7

#人工智能 #microsoft
多智能体协作系统架构设计与治理实战

多智能体协作系统代表了 AI 工程化的下一个前沿。架构设计：根据任务特征选择合适的架构模式（集中式/分布式/混合式）通信协议：采用标准化的消息格式和路由机制，确保 Agent 间高效协作记忆系统：建立分层记忆架构，支持经验积累和知识共享安全治理：实施多层约束框架，确保系统行为可控、可审计展望未来，多智能体系统将向以下方向发展：协议标准化（MCP 成为行业标准）、自主进化（Agent 从经验中学习优

 少林码僧
2026-07-09 08:32:27

 422

 6

#人工智能 #microsoft
LangChain[2] ---- Model I/O

文章摘要（150字）： LangChain的Model I/O模块是大模型应用开发的核心组件，提供标准化交互规范，支持多模型统一调用（如OpenAI、DeepSeek等）。其三大核心环节包括提示词模板（Prompts）、模型调用层（Models）和输出解析器（Output Parsers）。重点介绍了对话模型（Chat Models）的通用接口，对比原生SDK优势在于接口统一、扩展性强，并详细演示

 2301_80386114
2026-07-08 18:35:25

 360

 8

#java #microsoft
Semantic Kernel 实战笔记：插件、记忆与编排——真实踩坑记录

Semantic Kernel 是微软推出的开源 AI 编排 SDK，帮助开发者将大语言模型与现有代码无缝结合。深入解析了 SK 的三大核心能力：插件系统、记忆机制和编排策略。插件系统将函数、API、MCP 服务封装为 AI 可调用的能力单元；记忆机制经历了从 SemanticMemory 到 Vector Store 抽象的演进，支持多种向量数据库集成；

Openclaw2026
2026-07-05 20:23:28

 404

 7

#人工智能 #microsoft
04MCP与A2A

本文系统解析了AI智能体领域的MCP和A2A两大标准化协议。MCP（模型上下文协议）作为"万能工具接口"，通过标准化Agent与外部工具的交互，解决了能力接入问题；A2A（智能体间协议）则作为"通用协作语言"，实现了多智能体的安全高效协作。二者互补共存，构成AI智能体生态的基础设施层：MCP负责"做事"（工具调用），A2A负责"

Hint739
2026-07-03 08:36:30

 471

 9

#microsoft