crossaspeed的博客

RAG是一种结合检索能力与大语言模型生成能力的AI技术，核心目标是解决大模型“知识陈旧”，让模型能够基于外部权威数据生成更准确，更具时效性的回答。相当于RAG给大模型配备了一个“外置知识库”，模型在生成会打钱，会从这个知识库种检索相关信息，再结合自身能力整合信息输出结果，而非依赖训练阶段的固有知识。

核心定义：MCP和Function Calling是AI大模型与外部世界进行交互的两种核心处理机制。是特定模型的模型API扩展。针对不同的模型，可能需要编写一些不同的调用API的格式或者参数。定义了LLM与外部工具交互的标准流程、消息格式和错误处理机制。模型生成要调用的函数+参数，应用程序执行函数并返回结果。所有的模型都统一了这种调用模式。-MCP HOST：运行LLM的应用。-MCP CLINET：负责协议交互。-MCP SERVER：提供外部功能。-发送请求后不阻塞，结果返回再处理。

本地服务，Client 启动 Server 作为子进程，通过标准输入 / 输出通信。：支持 Claude、GPT 等不同 LLM，实现 "一次集成，多模型使用"：远程服务，通过服务器发送事件和 HTTP POST 请求交互。：无需修改模型，随时添加新功能 (如接入新 API)：清晰划分 AI 与外部系统边界，保护敏感数据。：一个协议连接所有外部资源，大幅降低集成成本。，使不同 AI 系统能无缝交互外部资源。让大语言模型 (LLM) 能够。，而不局限于训练数据。

文章摘要：函数调用技术是AI模型通过识别用户需求自动调用外部工具的关键能力，能够有效解决大模型的知识更新、复杂计算和系统交互三大痛点。该技术通过意图识别、参数提取、多轮调用和结果处理四个关键环节，实现端到端自动化服务。其核心价值在于提升任务准确性、避免信息幻觉，并支持复杂场景下的智能决策流程，如智能客服自动查询订单等业务场景。