What is Agent Functioncalling Mcp

Agent_FunctionCalling_MCP is a comprehensive knowledge base focused on core technologies in the field of large language models (LLM), specifically Agent, Function Calling, and MCP. It includes detailed notes and code implementations for these concepts.

Use cases

Use cases for Agent_FunctionCalling_MCP include building intelligent agents that can interact with users, automating function calls in applications, creating APIs with automatic schema generation, and developing client-server interactions for LLM applications.

How to use

To use Agent_FunctionCalling_MCP, you can explore the provided Jupyter notebooks and documentation files. Each section contains interactive notebooks for hands-on experience, along with detailed guides on concepts and implementations.

Key features

Key features of Agent_FunctionCalling_MCP include interactive notebooks for Agent and Function Calling, detailed documentation for understanding concepts, code implementations for practical applications, and guides for creating and interacting with MCP servers.

Where to use

Agent_FunctionCalling_MCP can be utilized in various fields such as artificial intelligence, natural language processing, software development, and any domain requiring sophisticated interaction with large language models.

Agent、Function Calling和MCP知识库总览

这个知识库包含关于大语言模型(LLM)领域中Agent、Function Calling和MCP三个核心技术的详细笔记和代码实现。

项目结构

.
├── README.md                       # 项目概述
├── Agent/                          # Agent相关知识和实现
│   ├── Agent.ipynb                 # Agent交互式笔记本
│   ├── Agent.md                    # Agent概念和实现文档
│   ├── Prompt.md                   # Prompt工程指南
│   └── ReAct.md                    # ReAct模式文档
├── FunctionCalling/                # Function Calling相关知识和实现
│   ├── FunctionCalling.ipynb       # Function Calling交互式笔记本
│   ├── FunctionCalling.md          # Function Calling概念和实现文档
│   ├── FunctionCalling_Code.py     # Function Calling代码实现
│   ├── IterativeFunctionCalling.py # 迭代式Function Calling实现
│   ├── 自动创建ApiSchema.md        # API Schema自动生成指南 
│   └── attachments/                # 图片附件目录
│       ├── Function_Calling.png    # Function Calling流程图
│       └── Function_Calling_Function.png  # 函数调用示例图
└── MCP/                            # MCP相关知识和实现
    ├── MCP.ipynb                   # MCP交互式笔记本
    ├── MCP.md                      # MCP概念和架构文档
    ├── MCP_Server的创建.ipynb      # MCP服务器创建笔记本
    ├── MCP_Server的创建.md         # MCP服务器创建指南
    ├── MCP_Server与客户端（MCP_Client）的交互.ipynb  # 服务器与客户端交互笔记本
    ├── MCP_Server与客户端（MCP_Client）的交互.md     # 服务器与客户端交互文档
    ├── 客户端（MCP_Client）与大模型的交互.ipynb     # 客户端与LLM交互笔记本
    ├── 客户端（MCP_Client）与大模型的交互.md        # 客户端与LLM交互文档
    ├── Cline客户端的system_prompt.md               # Cline客户端系统提示词
    ├── test/                                      # 测试代码目录
    │   ├── MCPServer_test.py                      # MCP服务器测试代码
    │   ├── mcp.json                               # MCP配置文件
    │   └── minimaxMCP.html                        # MiniMax MCP Web示例
    └── attachments/                               # 图片附件目录
        └── ...                                    # 各种流程图和截图

[[Agent]]

• Agent 是封装了大语言模型 + Tools + Memory 等的调度框架，在代码中是一个类。

核心文档

• [[Agent]] - Agent的概念、构建流程和示例实现
• [[Prompt]] - Prompt的概念、分类、学习资源
• [[ReAct]] - ReAct提示词模版

工具调用

概述

日常使用大模型的工具调用功能通常通过客户端，客户端是大模型和本地工具之间的桥梁。

• 客户端-大模型：客户端可以告诉大模型工具内容以及调教大模型具有工具调用功能，这一过程可以用System [[Prompt]]实现，后来为了规范化，开发出来[[FunctionCalling]]的技术。
• 客户端-tools：客户端可以解析大模型发送的调用工具的指令，让本地或者在线工具执行，这一过程没有统一的规范，是MCP协议打包了这一过程并规范化。

客户端-大模型

• 方式1：System [[Prompt]]驱动
  • 使用提示词模板如[[ReAct]]，内容包含：可用工具列表、迭代式调用步骤说明
• 方式2：[[FunctionCalling]]
  • 核心过程：模型（经过训练的）接受结构化的json格式的函数声明（api schema），生成结构化的json格式的函数调用指令
  • 模型需要使用了上述输入输出的文本的训练集做微调
  • 核心文件：
    • [[FunctionalCalling]] - 函数调用的基本概念和OpenAI框架下的实现
    • [[自动创建ApiSchema]] - 自动为函数生成API Schema的方法
    • [[FunctionCalling_Code.py]] - FunctionalCalling文件中的纯代码
    • [[IterativeFunctionCalling.py]] - 将[[FunctionCalling_Code]]中只有两轮对话的具体案例扩展成可以循环对话

客户端-tools

• 方式1：自定义函数解析指令
• 方式2：[[MCP]]

  • 为解决以下痛点，将编写api schema和调用工具的函数（当然也包括调用在线工具的函数，通讯代码都是在函数中实现的）封装成MCP server，然后由MCP cilent统一调用，这个过程遵循MCP。

  • 统一不同客户端调用工具的接口

  • 简化工具函数代码在不同使用者的agent代码中的重复过程

  • 简化工作流平台上api schema的配置和维护

  • 标准定义（ChatGPT）：MCP（Model Context Protocol） 是一种统一协议，用于将不同模型平台和工具调用封装为标准化的 MCP Server，使得 Agent 无需关心具体模型或工具的通信格式，只需通过 MCP Client 进行统一访问，极大简化了 Tool/API 的集成与调度过程。

  • 核心文档：

  • [[MCP]] - MCP的基本概念、痛点和流程，并说明了分成下面三个部分仔细介绍：

    • [[MCP_Server的创建]] - 创建一个最简的MCP服务器，代码和在cline中的配置文件如下：
      • [[test/MCPServer_test.py]] - MCP服务器测试代码
      • [[test/mcp.json]] - MCP配置文件
    • [[MCP_Server与客户端（MCP_Client）的交互]] - 服务器与客户端的交互流程
    • [[客户端（MCP_Client）与大模型的交互]] - 客户端如何与LLM交互
      • [[Cline客户端的system_prompt]] - Cline客户端使用的系统提示词

  • [[test/minimaxMCP.html]] - minimax MCP 生成三体介绍网页的示例