当前位置:首页 > 报告详情

杨福海《AI 工作流 + MCP 的架构设计与应用》0419.pdf

上传人: 芦苇 编号:651733 2025-05-01 82页 9.61MB

1、AI 工作流+MCP 的架构设计与应用演讲人:杨福海小码科技贵州小码科技 CEO杨福海-大语言模型应用开发框架 Agents-Flex 作者-面向 AI 的下一代富文本编辑器 AIEditor 作者-AI 智能体流程编排解决方案 Tinyflow 作者AI 工作流的架构设计02AI 应用技术的发展趋势01MCP 架构技术03AI Flow 和 MCP 整合04AI 应用技术的发展趋势01AI 应用技术的发展趋势文案生成、代码生成、图片生成、语音视频生成.提示词工程+API基于 RAG+Function Calling 调用私有 API解决定向生成和内容幻觉的问题RAG+Function通过智能

2、体编排,可以极大的减轻开发的工作,通过复用智能体以解决千变万化的需求AI Flow为 AI 配上手脚、解决服务、资源、数据与AI 链接的问题MCP.Level 1Level 2Level 3Level 4AI 应用技术的发展趋势或者复杂提示词工程模拟 Function CallingAI 场景落地RAGAI FlowMCP?API+Function CallingDeepseek通义千问文心一言ChatGPT.AI 应用技术方案AI 落地解决方案腾讯元宝字节 CozeDifyAIFlowyAI FlowRAG.MCPAPI+Function CallingAI 应用技术的发展趋势这些产品,都是

3、通过 AI Flow 的方式整合 RAG、私有 API、MCP 等能力解决 AI 场景落地问题。总结AI 应用技术的发展趋势对标字节 Coze、腾讯元宝 和 Dify。开发者可以基于 AIFLowy 的能力,来开发自己的 AI 产品,它假设您的业务是基于它进行丰富和开发的。AIFlowy暂无对标产品,创新研发。它假设你已经有成熟的业务系统,开发者可以把 Tinyflow 当做一个组件,嵌入到自己的产品中,使得这个成熟的业务系统,拥有结合业务的 AI 编排能力。Tinyflow开源地址:https:/ Coze对比项是否开源是是否否开源协议ApacheApache-开发语言JavaPython未

4、知未知使用是否允许修改Logo不允许不允许不允许不允许是否允许多租户允许不允许-是否支持节点闭环支持不支持不支持支持是否支持设置边执行条件支持不支持不支持不支持是否支持设置节点执行条件支持不支持不支持不支持AI 工作流的技术架构02什么是 AI 工作流?AI 工作流(AI Workflow)是一种基于预定义步骤的 流程化方法,旨在通过自动化和智能化的方式,优化特定的业务流程。它结合了人工智能技术与传统工作流的概念,通过可视化编排,复用 流程节点能力,从而显著提升效率、并支持复杂的任务处理。它是一个 AI 工程的解决方案。一个写文章的例子AI 工作流的技术架构ChainNode 1Node 2N

5、ode 3Edge 1Edge 2Chain 的 组成:边 和 节点(PS:Chain 也是一个节点)边:用于连接两个节点,定义执行流向关系节点:执行特定逻辑,可以配置和复用AI 工作流的技术架构ChainNode 1Node 2Edge 1ChainNode 1Node 2Node 3Edge 1Edge 2Node 3AI 工作流的技术架构记忆共享世界感知执行反馈Chain 的特征状态反馈:未开始、执行中、等待执行完成、执行错误、恢复执行.内容反馈:过程输出、结果输出ChainNode 1Node 2Node 3Edge 1Edge 2AI 工作流的技术架构ChainNodeEdgeCha

6、in ContextListenersNodesChainStartEventEdgesChain StatusId/Name/DescConditionMemoryContextParametersId/Name/DescConditionTargetSourceChainEndEventEventsNodeStartEventNodeEndEvent.outputDefsAI 工作流的技术架构设置设置边条件,不同的条件匹配不同的执行路线.Node 1Node 2Node 3Node 4If.If.If.AI 工作流的技术架构Node 2Node 3Node 4Node 1If.-每 edg

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要介绍了AI工作流+MCP的架构设计与应用。AI工作流是一种基于预定义步骤的流程化方法,通过自动化和智能化的方式优化特定业务流程。它结合了人工智能技术与传统工作流的概念,通过可视化编排,复用流程节点能力,显著提升效率,并支持复杂的任务处理。MCP是模型上下文协议的缩写,它规范了大语言模型(LLM)与外部数据、工具和服务之间的交互方式。MCP技术架构包括MCP客户端、MCP服务器、服务发现和分发、服务私有化、运行沙箱和安装工具、更新工具与更新机制、授权与执行监控等。AI工作流与MCP的整合主要包括MCP节点、LLM+MCP节点、AI Flow发布为MCP服务器、AI Flow与MCP智能编排、编排大模型等。最后,文章展望了AI工作流与MCP的未来发展,并呼吁大家一起期待人工智能的芬芳与繁华。
如何提升AI应用技术的发展趋势?" 如何实现智能编排与服务发现?" 如何解决模型上下文交互的挑战与机遇?"
客服
商务合作
小程序
服务号
折叠