fkcaikengren

本文介绍了大模型结构化输出的实现方式。主流模型已普遍支持JSON格式化输出，主要通过两种策略实现：1)利用模型原生API能力(ProviderStrategy)，2)通过提示词注入和工具调用间接实现(ToolStrategy)。文章演示了使用Pydantic定义数据结构，对比了with_structured_output和PydanticOutputParser两种实现方式，指出前者通过API直接获取结构化数据更可靠。对于列表输出，推荐使用PydanticOutputParser而非逗号分割方式。最后介绍了

本文介绍了LangChain技术的核心概念与生态体系。首先解析了Transformer架构和LLM的工作原理，包括自注意力机制、结构化输出和思维链技术。然后探讨了Agent的概念与三大范式（ReAct、Plan-and-Solve、Reflect）。最后梳理了LangChain生态的四个核心包：langchain-core（基础抽象）、langchain（应用入口）、langchain-community（第三方集成）和langchain-experimental（前沿功能）。文章为开发者提供了从理论到实践

本文介绍了MCP Server的开发原理和实现方式，重点分析了基于streamable HTTP的通信机制。文章详细解析了MCP协议的4次握手流程，包括初始化请求、能力交换和长连接建立过程，并通过WireShark抓包展示了实际通信细节。同时提供了工具列表查询和调用的具体示例，如天气查询工具的实现。此外，还介绍了配套的npm脚手架工具，可快速创建可运行的MCP项目模板。文章结合理论分析和代码实战，帮助开发者理解并实现MCP协议服务端。

本文介绍了如何使用Node.js和TypeScript实现一个基于stdio的MCP（Model Context Protocol）服务。MCP是一种让模型与外部工具安全交互的协议，本文通过实现mcp-file-counter服务演示了如何统计目录文件数量并支持忽略目录。文章详细讲解了项目创建、TypeScript配置、文件计数工具实现、MCP服务端开发等步骤，并提供了使用@modelcontextprotocol/inspector进行交互式调试的方法。完整代码和配置示例可帮助读者快速搭建和运行MCP服务

摘要：本文介绍了n8n工作流自动化工具的基础使用，重点讲解了如何结合AI Agent实现智能工作流。主要内容包括：1）n8n基础概念与安装方式（云服务/本地安装）；2）工作流搭建流程，包含AI节点配置和大模型接入；3）实战案例演示如何通过飞书多维表格工具节点实现数据查询分析功能。文章提供了详细的图文操作指引，包括节点选择、配置参数和工具安装等关键步骤，帮助用户快速上手n8n构建AI增强型自动化工作流。（149字）