获得徽章 6
- MCP vs. A2A（Agent2Agent）一图秒懂↓
A2A：让Agent调用其他Agent
MCP，让Agent调用工具/接口
A2A协议原则：
1. 拥抱智能体的核心能力：允许智能体以自然、非结构化的方式进行互动。
2. 基于现有标准构建：采用现代流行的技术标准，如HTTP、SSE和JSON-RPC。
2. 默认安全：内置认证和授权机制，确保通信的安全性。
3. 支持长时间运行的任务：能够处理长时间任务的执行，并同步任务状态。
4. 支持多种模态：支持音频和视频等多种数据格式
A2A关键功能：
1. 能力发现：智能体可以通过JSON格式的“智能体名片”（Agent Card）宣传自己的能力，使客户端智能体能够识别最适合执行特定任务的智能体。
2. 任务管理：定义了任务的生命周期，支持短期和长期任务的管理。
3. 协作：智能体之间可以互相发送消息，传递上下文信息、回复、成果或用户指令。
4. 用户体验协商：每条消息包含“内容片段”，允许智能体协商所需的正确格式，并明确包含对用户界面能力的协商。
A2A技术架构：
1. 通信协议：定义了一套标准的通信协议，规范智能体间消息的交换规则、语法结构和传输机制。
2. Agent身份：智能体可以通过Agent Card声明自身标识、功能特性、服务接口等信息。
3. 服务发现机制：提供了服务发现机制，使智能体能够依据任务需求查询并定位具备特定能力的其他智能体。展开赞过
评论3 - 全模态模型Qwen2.5-Omni开源，7B尺寸实现全球最强性能
作为通义系列模型中首个端到端全模态大模型，可同时处理文本、图像、音频和视频等多种输入，并实时生成文本与自然语音合成输出。在权威的多模态融合任务OmniBench等测评中，Qwen2.5-Omni刷新业界纪录，全维度远超Google的Gemini-1.5-Pro等同类模型。展开评论点赞 - 🚀 给大家带来全网最速 DeepSeek-V3-0324 写代码实测！
直接说结论—— 超越 DeepSeek-R1！甚至超越 Claude-3.7! 难以想象这还不是一个 Thinking 模型！
DeepSeek-V3-0324 目前以 328.3 分在 KCORES 大模型竞技场排名第三 (图1)，仅次于 claude-3.7-sonnet-thinking 和 claude-3.5 (没错 claude-3.5 在我们的测试下比 claude-3.7 要好一些)。
四项评测中：
20 小球碰撞测试 (图2)，肉眼可见的进步，之前 DeepSeek-V3 的小球挤成一团，现在物理运动模拟得非常好，仅因掉出了7边形扣了5分，项目排名第5 (图3)
mandelbrot-set-meet-libai 测试 (图4)，没有过多变化，分数较DeepSeek-V3 低了2分，主要还是将渲染方向搞反了以至于拖累了渲染性能，但是完成度可以看到比之前高很多。项目排名第12 （图5）
火星任务测试（图6），巨大的提升，这次星球，图例均渲染正确，甚至发射和返回窗口计算也有很大进步！项目排名并列第2 （图7）
九大行星模拟测试（图8），这个是史诗级提升，这是测试的25个模型中，唯一一个画了土星环的大模型！（画土星环就如同画时钟要写3，6，9，12. 画苹果要有个梗一样）项目排名并列第13，主要还是地球轨道周期没写对 （图9）
总体而言，DeepSeek-V3-0324 能力十分可怕，甚至这还都不是 DeepSeek-V4，更不是 DeepSeek-R2 ！我现在十分期待 DeepSeek-R2 的发布了！
评测是开源的哦，地址：github.com/KCORES/kcores-LLM-Arena展开赞过 评论2 - GitHub 上一份可能是目前收集整理最全的 MCP 服务器合集：Model Context Protocol servers，已斩获 21.4k+ Star。
包含 20+ 个官方参考实现，75+ 官方集成，150+ 实用的 MCP 服务器，涉及文件操作、数据库、API、Docker 等等内容。
GitHub：github.com/modelcontextprotocol/servers
同时提供详细入门指南，简单几步，即可使用该仓库的所有服务器，快速连接到 Claude 客户端。
展开评论点赞 - 拆解了一下Manus的工作流，总的来说，Manus就是一个整合了 computer use、deep research、coding agent等概念的会规划并执行的Multiagent system ，并在前端交互用户体验上做到了极致。
1. 任务管理：通过 todo.md 系统化规划任务，作为agent上下文记忆
2. 工作流：整合computer use、deep research、coding agent执行任务
3. 记忆：内置知识与偏好学习，自动调用相关经验
4. 前端交互：会话回放与实时进度跟踪，优化用户体验
5. 交付：生成多文件成果，提供会话管理功能
不对的地方还请多多包涵（转）展开等人赞过 47 
自己开源的搜索引擎LangChain-SearXNG
重要更新： LangChain-SearXNG 全面升级到 v2 版本, 支持更快搜索更精准问答🚀
💥
github.com
**v2 对比 v1 版本的差别**
1. v1 版本主要是搜索获取数据，再通过过滤筛选出最佳数据，但如果一开始源数据质量不佳，则后续工作效果就会大减，而且基础源数据数量不多，向量化过滤时间很长。
2. v2 版本一个主要原则是确保源数据质量，搜索结果尽可能符合搜索关键字，所以精心构建了搜索召回工作流，让大模型参与获取最佳搜索结果。同时由于已经筛选出最佳搜索数据，不需要向量化过滤，可以直接 LLM 让生成结果。（Token 越来越便宜也是一大趋势）
3. v2 版本还优化了搜索网页加载流程，尽可能快的获取到搜索数据
4. v2 版本增加搜索过程可视化，在流式返回中，可以动态显示搜索进度，展示更丰富的内容展开评论点赞- 一款自研的热门AI产品招募开发者和运营伙伴
🚀 产品介绍
「帝阅」
是一款个人专属知识管理与创造的 AI Native 产品
为用户打造一位专属的侍读助理，帮助提升用户获取知识效率和发挥创造力
让用户更好地去积累知识、管理知识、运用知识
产品官网：dread.run
招募对象
开发者：AI爱好者，自我驱动的独立贡献者
运营伙伴：AI产品发烧友，有提升用户增长的项目经验
目前团队4位开发者，产品今年2月份上线，目前运营用户有1000+，连续上榜即刻APP产品推荐榜单。
为了产品快速发展，欢迎更多小伙伴，参与一起共建帝阅社区，打造一款属于自己的AI产品～展开评论点赞 - 二月份，我这边与朋友独立研发上线了一款智能摘要工具-帝阅DeepRead
产品官网：dread.run
产品介绍：uafzaub8s8.feishu.cn
我们的目标是打造用户个人知识库，在此基础上去扩展更多应用（智能摘要、写作等），帮助用户去管理好运用好积累的知识。
经过一个月的的上线运营，有600多个用户使用，由于目前团队缺少运营经验，希望寻找一位志同道合的运营小伙伴，与我们一道将产品推广给更多用户使用。![[碰拳]](//lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_114.4b8db8b.png)
目前项目采用内部开源的模式，参与开发的小伙伴将是项目贡献者，展示在项目官网开发者名单（支持个人IP链接跳转）。后期项目商业化后，将有机会进入项目初创团队，欢迎感兴趣的开发朋友来撩，一起做一个属于自己的产品吧～![[奋斗]](//lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_29.2801857.png)
由于我们目前是初创团队，基本上都是远程沟通，同时我们也想与对AI行业感兴趣和强烈动力的朋友一起交流学习
展开
评论点赞 - 为了提升用户体验，让大家日常使用PC时，能更好的使用我们帝阅智能摘要，近日我们发布v0.8.3版本，全面升级了帝阅PC端应用～
快速体验，请用PC端访问下面链接
dread.run
帝阅-专注信息摘要的智能侍读助理
欢迎大家试用～展开
评论点赞
github.com![[碰拳]](http://lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_114.4b8db8b.png)
![[奋斗]](http://lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_29.2801857.png)
