html5做手機(jī)網(wǎng)站,中國(guó)企業(yè)網(wǎng)銀怎么轉(zhuǎn)賬,360免費(fèi)建站域名,公司招聘網(wǎng)站排行榜Anthropic 這家“AI 后期之秀”擅長(zhǎng)在 Agent 工程領(lǐng)域“整活”。除了大家熟知的MCP#xff08;模型上下文協(xié)議#xff09;外#xff0c;前兩個(gè)月拋出了兩個(gè)新概念#xff1a;Skills #xff08;技能#xff09;與 程序化工具調(diào)用#xff08;PTC#xff09;#xff0c;…Anthropic 這家“AI 后期之秀”擅長(zhǎng)在 Agent 工程領(lǐng)域“整活”。除了大家熟知的MCP模型上下文協(xié)議外前兩個(gè)月拋出了兩個(gè)新概念Skills技能與程序化工具調(diào)用PTC并在自身的Claude開(kāi)發(fā)平臺(tái)落地支持。雖然目前 Skills 、PTC主要在 Claude 生態(tài)中可用但從它們的設(shè)計(jì)理念來(lái)看不排除未來(lái)會(huì)成為各大Agent框架的“標(biāo)配”。本文將帶你聚焦拆解MCP PTC、Skills 與 Subagents三者的定位、聯(lián)系與應(yīng)用相信可以拓展你構(gòu)建Agent系統(tǒng)的思維方式。本文內(nèi)容MCPPTC會(huì)“連招”的Agent工具箱Skills給Agent配備的“知識(shí)膠囊”Subagents“分而治之”的Agent架構(gòu)聯(lián)系、區(qū)別與協(xié)同001MCP PTC會(huì)”連招“的Agent工具箱時(shí)至今日MCP 已經(jīng)可以說(shuō)是 Agent 開(kāi)發(fā)領(lǐng)域最重要的開(kāi)放協(xié)議之一甚至可能是“最”重要的那個(gè)。它由 Anthropic 在 2024 年底提出目前已經(jīng)完成了兩次規(guī)范的版本迭代可見(jiàn)其在生態(tài)中的地位?！綧CP再回顧】在 MCP 出現(xiàn)之前如果你希望讓 AI 訪問(wèn)你的本地文件、企業(yè)數(shù)據(jù)庫(kù)或者第三方API你需要為每個(gè)外部資源寫(xiě)“膠水代碼”。這就像以前手機(jī)充電器接口各異極難通用。而 MCP 就是 AI 時(shí)代的 “USB-C”它標(biāo)準(zhǔn)化了 AI 與外部世界的連接方式。開(kāi)發(fā)者可以把數(shù)據(jù)庫(kù)、業(yè)務(wù)系統(tǒng)、API等訪問(wèn)等封裝成一個(gè) MCP Server一次暴露多處復(fù)用。任意一個(gè)具備 MCP 客戶(hù)端能力的 Agent都可以直接接入并使用這些能力無(wú)需再次開(kāi)發(fā)。MCP的核心架構(gòu)與能力用下圖總結(jié)【PTC程序化工具調(diào)用】有了MCP你可以給Agent“插上”大量工具但是新的問(wèn)題來(lái)了在一次復(fù)雜的任務(wù)中流程很容易變成這樣LLM推理-工具調(diào)用-結(jié)果塞入上下文-LLM再推理-下一個(gè)工具調(diào)用...這種反復(fù)來(lái)回的“乒乓球效應(yīng)”帶來(lái)的缺陷主要是高延遲大量的網(wǎng)絡(luò)往返與LLM推理可能讓響應(yīng)從幾秒變成幾分鐘高成本大量中間結(jié)果被塞入上下文占Token還影響推理質(zhì)量Anthropic 對(duì)此的解法是一種新的工具調(diào)用方式 — 程序化工具調(diào)用PTC, Programmatic Tool Calling用來(lái)優(yōu)化上述場(chǎng)景中的問(wèn)題。其核心理念是讓LLM編寫(xiě)一段完整的Python代碼并在安全的沙箱環(huán)境中運(yùn)行代碼中直接包含了對(duì)多次MCP 工具的調(diào)用、邏輯循環(huán)、條件判斷以及數(shù)學(xué)計(jì)算等。即Agent通過(guò)編寫(xiě)程序來(lái)調(diào)用工具而不是通過(guò)對(duì)話逐步推理出來(lái)。舉個(gè)簡(jiǎn)單例子“使用工具A從數(shù)據(jù)庫(kù)查詢(xún)所有訂單再用工具B生成分析圖表”如果通過(guò)傳統(tǒng)方式LLM 需要先拿到工具 A 的結(jié)果大量訂單記錄塞進(jìn)上下文再思考要不要調(diào)用 B — 又慢又貴。而在PTC模式下orders await toolA.query_orders() chart await toolB.generate_chart(orders) return chart沙箱一次性執(zhí)行完由于少了中間結(jié)果的反復(fù)響應(yīng)與Tokens成本大大降低?！綧CPPTC工具調(diào)用的“連招”】如果說(shuō)MCP工具是招式那么PTC就是一口氣打出多個(gè)“連招”MCP提供了“原子化”的工具能力查詢(xún)、讀寫(xiě)文件、API調(diào)用PTC提供了基于代碼的“粘合劑”工具調(diào)用、循環(huán)、條件判斷、過(guò)濾但PTC 本質(zhì)上是“自動(dòng)寫(xiě)代碼”適合執(zhí)行確定性強(qiáng)、流程相對(duì)固定的任務(wù)但不是所有的任務(wù)都適合PTC。特別是當(dāng)工具調(diào)用結(jié)果需要依賴(lài)LLM來(lái)進(jìn)行推理、理解以判斷下一步行為時(shí)PTC可能就不適合。比如“幫我分析這份商務(wù)合同如果有嚴(yán)重風(fēng)險(xiǎn)生成一份免責(zé)說(shuō)明否則給出修改建議。”由于這里需要LLM作語(yǔ)義判斷以推理風(fēng)險(xiǎn)等級(jí)這是一個(gè)典型的“LLM決策點(diǎn)”無(wú)法用PTC代碼來(lái)直接寫(xiě)死因此更適合經(jīng)典的Agent循環(huán)模式。002Skills給Agent的“知識(shí)膠囊”在理想世界里我們希望Agent什么都會(huì)。但現(xiàn)實(shí)是特別是在專(zhuān)業(yè)領(lǐng)域Agent往往缺乏足夠的”知識(shí)“來(lái)知道”怎么做“比如操作流程、應(yīng)該使用的Python模塊、采用的模板等。而且你無(wú)法把所有的經(jīng)驗(yàn)與指南都塞入上下文 — 畢竟空間有限?！維kills模塊化的”知識(shí)膠囊“】Skills是一種用來(lái)以模塊化方式給 LLM 注入專(zhuān)業(yè)技能的機(jī)制。它在物理上是一個(gè)“文件夾”里面包含一個(gè)核心說(shuō)明文件 SKILL.md相關(guān)的腳本/代碼其他資源文件文檔、模板、示例等這些內(nèi)容告訴LLM“遇到這類(lèi)任務(wù)時(shí)該怎么做”。這是一個(gè)官方處理PDF文件的技能目錄當(dāng)用戶(hù)輸入任務(wù)“請(qǐng)把我上傳的PDF文件提取成文本”時(shí)LLM 會(huì)自動(dòng)匹配到這個(gè)Skill閱讀其中的指南然后根據(jù)其中的說(shuō)明編寫(xiě)代碼或調(diào)用工具、運(yùn)行并獲得結(jié)果。在整個(gè)過(guò)程中操作細(xì)節(jié)不是靠LLM自行“猜”而是由Skill中的文檔給出指示?！維kills核心機(jī)制“漸進(jìn)式披露”】那么LLM是如何知道用哪個(gè)Skill的難道要把所有Skill資料一股腦塞進(jìn)上下文顯然不是。這涉及到Skills的核心理念漸進(jìn)式披露(Progressive Disclosure)即LLM對(duì)Skills的了解是一種“漸進(jìn)式”的方式。這種方式的出發(fā)點(diǎn)仍然來(lái)自于“上下文危機(jī)”在復(fù)雜Agent運(yùn)行時(shí)由于不斷注入大量的專(zhuān)業(yè)知識(shí)、工具信息、調(diào)用結(jié)果、對(duì)話歷史等。你可能會(huì)面臨上下文爆炸有用信息被擠出Tokens成本飆升且存在浪費(fèi)信息被稀釋LLM推理出錯(cuò)概率增大性能下降A(chǔ)gent響應(yīng)延遲想象下如果你需要把上百個(gè)MCP Server中的工具說(shuō)明、流程指引等加載進(jìn)上下文Agent將會(huì)“記憶過(guò)載”。當(dāng)前應(yīng)對(duì)上下文危機(jī)的主要方法是借助上下文工程的長(zhǎng)期Memory方案。Skills采用的策略是讓Agent可以訪問(wèn)大量技能但不會(huì)一次性“灌輸式”教學(xué)而是“按需加載”。這種漸進(jìn)式披露的運(yùn)作機(jī)制如下第一層技能發(fā)現(xiàn)會(huì)話開(kāi)始時(shí)從SKILL.md文件的元數(shù)據(jù)區(qū)域加載名稱(chēng)與描述用于發(fā)現(xiàn)技能。具體來(lái)說(shuō)就是把name和description注入系統(tǒng)Prompt。第二層技能理解當(dāng)LLM識(shí)別需要使用某個(gè)Skill時(shí)會(huì)加載該技能的完整SKILL.md以了解真正的技能指南。第三層資源按需加載在使用技能時(shí)如果發(fā)現(xiàn)有額外的動(dòng)態(tài)資源需要讀取文檔、模板、腳本等則按需加載對(duì)應(yīng)資源。以下是官方的PDF技能在每個(gè)階段被注入到上下文的內(nèi)容注意到對(duì)于需要編程處理的任務(wù)開(kāi)發(fā)者可以在Skill目錄放置 Python 腳本。當(dāng)Agent使用該Skill時(shí)可以加載這些代碼在安全沙盒中執(zhí)行這樣比讓LLM生成代碼更高效、更可控。003Subagents”分而治之“的Agent架構(gòu)當(dāng)面對(duì)一個(gè)復(fù)雜的任務(wù) — 比如“對(duì)整份文檔做全面審核并給出修復(fù)建議”時(shí)單一的Agent即使配備 MCPSkills會(huì)遇到麻煩角色混亂一個(gè) System Prompt 同時(shí)包含“專(zhuān)業(yè)的創(chuàng)作者”和“嚴(yán)苛的審核員”兩種截然不同的人設(shè)容易造成混亂。上下文污染各種任務(wù)指令、文檔內(nèi)容、工具說(shuō)明、調(diào)用結(jié)果等擠在同一個(gè)上下文里L(fēng)LM可能會(huì)忘記最初目標(biāo)?！維ubagents“分而治之”】Claude開(kāi)發(fā)平臺(tái)的Subagents就是旨在通過(guò)“分而治之”的策略來(lái)解決上述問(wèn)題把復(fù)雜任務(wù)拆成幾個(gè)可控的子任務(wù)由不同的 Agent 專(zhuān)家分別處理各司其職互不干擾。Subagents本質(zhì)是多智能體系統(tǒng)的一種實(shí)現(xiàn)并非Claude獨(dú)有。其好處是上下文隔離每個(gè) Subagent 都在獨(dú)立環(huán)境中運(yùn)行。主Agent將子任務(wù)指派給 SubagentSubagent 可能會(huì)開(kāi)展大量的中間處理。但最終只會(huì)向主Agent返回一個(gè)“精煉”結(jié)果主Agent上下文不會(huì)被“污染”。子Agent之間也不會(huì)相互干擾 — AI“測(cè)試員”的幾千條錯(cuò)誤日志不會(huì)塞滿AI“架構(gòu)師”的思考空間。專(zhuān)業(yè)化配置每個(gè) Subagent 可以擁有自己獨(dú)立的 System Prompt、模型選擇、可用工具Skills等。獨(dú)立權(quán)限控制你可以創(chuàng)建給不同的Subagent只賦予其某些工具權(quán)限從而最大限度降低誤操作風(fēng)險(xiǎn) 。下面是定義兩個(gè)Subagents的例子...... subagents_config { # 子智能體 1安全審計(jì)專(zhuān)家 security-auditor: AgentDefinition( descriptionExpert in identifying security vulnerabilities (OWASP Top 10). Use this agent for code review., promptYou are a rigorous security auditor. Focus ONLY on SQL injection, XSS, and auth bypass. Be extremely critical., tools[read_file, grep], # 限制工具只讀不可修改代碼 modelclaude-3-5-sonnet-20240620# 使用最強(qiáng)模型進(jìn)行深度分析 ), # 子智能體 2測(cè)試運(yùn)行員 test-runner: AgentDefinition( descriptionExecutes test suites and reports results. Use this agent after code changes., promptYou are a QA engineer. Your job is to run tests, analyze failure logs, and report pass/fail rates., tools[bash, read_file], # 允許運(yùn)行 bash 命令 modelclaude-3-haiku-20240307# 使用快速模型處理簡(jiǎn)單執(zhí)行任務(wù) ) }最新LangChain的DeepAgents框架中也有用來(lái)完成子任務(wù)的Subagent機(jī)制。004聯(lián)系、區(qū)別與協(xié)同現(xiàn)在我們來(lái)總結(jié)這三種不同的Agent機(jī)制?！綧CPPTC連接層機(jī)制】它們更多的是一種基礎(chǔ)設(shè)施。它給Agent提供了更簡(jiǎn)潔與豐富的訪問(wèn)外部資源的能力并通過(guò) PTC 提高執(zhí)行效率。后續(xù)的Skills 和 Subagents 都可以依賴(lài) MCP/PTC/工具調(diào)用之上來(lái)實(shí)現(xiàn)。當(dāng)需要讓LLM訪問(wèn)某個(gè)外部數(shù)據(jù)/API應(yīng)優(yōu)先想到MCP。比如我要讓AI查詢(xún)公司的CRM數(shù)據(jù)庫(kù)。【Skills認(rèn)知層機(jī)制】Skills用來(lái)告訴LLM在面對(duì)某類(lèi)問(wèn)題“怎么做”其定位在于提供標(biāo)準(zhǔn)、可復(fù)用的“知識(shí)膠囊”。很適合特定領(lǐng)域內(nèi)的單一、明確、通用、可復(fù)用的小任務(wù)比如轉(zhuǎn)換文檔、生成模板報(bào)告、規(guī)范化代碼等這類(lèi)任務(wù)。當(dāng)希望為Agent注入特定任務(wù)的知識(shí)時(shí)可以編寫(xiě)Skill。比如我要讓AI了解如何創(chuàng)建規(guī)范的React項(xiàng)目結(jié)構(gòu)。【Subagents組織層機(jī)制】該機(jī)制讓Agent從獨(dú)立工作的個(gè)人過(guò)渡到帶領(lǐng)團(tuán)隊(duì)工作。適合復(fù)雜、多步驟、多子任務(wù)子流程、大 context 或需要角色分工 (比如“代碼審查專(zhuān)家”、“數(shù)據(jù)分析專(zhuān)家”、“研究專(zhuān)家”) 的任務(wù)。當(dāng)發(fā)現(xiàn)Agent承擔(dān)了太多的職責(zé)而難以管理時(shí)考慮Subagents。比如我要構(gòu)建一個(gè)開(kāi)發(fā)智能體既能做架構(gòu)、又能寫(xiě)代碼、還能做測(cè)試。表格總結(jié)如下【Subagent Skill MCP/PTC 的協(xié)同】最后我們用三者間的一個(gè)協(xié)同場(chǎng)景來(lái)結(jié)束本文主 Agent 接到一個(gè)復(fù)雜任務(wù) ( “給這個(gè)項(xiàng)目生成完整報(bào)告 做代碼審查 更新文檔 匯總結(jié)果”)。主 Agent 將“代碼審查”子任務(wù)交給 Review Subagent — 它用獨(dú)立 Context 專(zhuān)屬工具去分析代碼庫(kù)不污染主 Context也能并行處理多個(gè)文件。子任務(wù)里若需要格式化 /轉(zhuǎn)換 /模板生成 (例如把分析結(jié)果生成 Markdown 報(bào)告)Subagent 內(nèi)部可以使用一個(gè) Skill來(lái)完成。若子任務(wù)還需訪問(wèn)公司數(shù)據(jù)庫(kù) / APIs 獲取數(shù)據(jù) (例如Bug跟蹤, 提交歷史)Subagent (或 Skill) 通過(guò) MCP 工具/PTC 來(lái)獲得這些數(shù)據(jù)。子代理處理完把最終結(jié)果以簡(jiǎn)潔總結(jié)形式返回給主 Agent。主 Agent 收集多個(gè) Subagent 的結(jié)果整合 / 合成最終輸出給用戶(hù)。這種組合方式將 分工 (Subagent) 、 領(lǐng)域技能 (Skill) 和 工具 (MCP PTC) 三層有機(jī)結(jié)合既保證效率、可維護(hù)性也保證系統(tǒng)靈活與擴(kuò)展性。AI大模型學(xué)習(xí)福利作為一名熱心腸的互聯(lián)網(wǎng)老兵我決定把寶貴的AI知識(shí)分享給大家。 至于能學(xué)習(xí)到多少就看你的學(xué)習(xí)毅力和能力了 。我已將重要的AI大模型資料包括AI大模型入門(mén)學(xué)習(xí)思維導(dǎo)圖、精品AI大模型學(xué)習(xí)書(shū)籍手冊(cè)、視頻教程、實(shí)戰(zhàn)學(xué)習(xí)等錄播視頻免費(fèi)分享出來(lái)。一、全套AGI大模型學(xué)習(xí)路線AI大模型時(shí)代的學(xué)習(xí)之旅從基礎(chǔ)到前沿掌握人工智能的核心技能因篇幅有限僅展示部分資料需要點(diǎn)擊文章最下方名片即可前往獲取二、640套AI大模型報(bào)告合集這套包含640份報(bào)告的合集涵蓋了AI大模型的理論研究、技術(shù)實(shí)現(xiàn)、行業(yè)應(yīng)用等多個(gè)方面。無(wú)論您是科研人員、工程師還是對(duì)AI大模型感興趣的愛(ài)好者這套報(bào)告合集都將為您提供寶貴的信息和啟示。因篇幅有限僅展示部分資料需要點(diǎn)擊文章最下方名片即可前往獲三、AI大模型經(jīng)典PDF籍隨著人工智能技術(shù)的飛速發(fā)展AI大模型已經(jīng)成為了當(dāng)今科技領(lǐng)域的一大熱點(diǎn)。這些大型預(yù)訓(xùn)練模型如GPT-3、BERT、XLNet等以其強(qiáng)大的語(yǔ)言理解和生成能力正在改變我們對(duì)人工智能的認(rèn)識(shí)。 那以下這些PDF籍就是非常不錯(cuò)的學(xué)習(xí)資源。因篇幅有限僅展示部分資料需要點(diǎn)擊文章最下方名片即可前往獲四、AI大模型商業(yè)化落地方案因篇幅有限僅展示部分資料需要點(diǎn)擊文章最下方名片即可前往獲作為普通人入局大模型時(shí)代需要持續(xù)學(xué)習(xí)和實(shí)踐不斷提高自己的技能和認(rèn)知水平同時(shí)也需要有責(zé)任感和倫理意識(shí)為人工智能的健康發(fā)展貢獻(xiàn)力量