锐学AI

Agents将大模型与工具结合起来，创建能够进行任务推理、决定使用哪种工具并迭代解决方案的系统。 create_agent 提供了一种适用于生产的Agent的实现方式。 在模型发出最终输出或达到迭代限

LangChain是一种可以非常简单地构建智能体（Agents）和由大语言模型（LLMs）驱动的应用的方式。其核心目标是让开发者能够快速上手，无缝集成各种 LLM

在本教程中，我们将通过构建一个简单的MCP server，并通过 OpenMCP 进行测试。 MCP核心概念 MCP servers可以提供三种主要类型的功能

远程MCP servers 将AI应用的能力扩展到本地环境之外，提供对联网工具、服务和数据源的访问。

MCP servers通过提供对本地资源（local resources）和工具（tools）的安全可控的访问来扩展AI应用的能力。许多客户端都支持MCP，实现了跨平台和跨应用的多样化集成。

MCP（模型上下文协议）使用基于字符串的版本标识符，格式为YYYY-MM-DD，表示向后不兼容的最终日期。

MCP客户端由Host应用实例化，与特定的MCP服务器通信。Host应用，如Claude.ai或IDE（Cursor），管理整体用户体验并协调多个客户端。每个客户端处理与一个服务器的一次直接通信。

MCP服务器是通过标准化协议接口向AI应用公开特定功能的程序。 核心功能：Tools（工具）、Resources（资源）、Prompts（提示词）。

篇关于模型上下文协议（MCP）的概述，讨论了其范围和核心概念。MCP Host， MCP server， MCP client，数据层，传输层等