三步搭建MCP Agent，大模型知识引擎上线MCP插件
目前，知识引擎平台已经精选了多款MCP Server，包括腾讯位置服务、腾讯云EdgeOne Pages、Airbnb、Figma、Fetch、微信读书等，涵盖各类专业信息获取、网页部署和预览、网页解析获取等场景。精选MCP插件之外，用户也可以按照 MCP协议配置已经部署的MCP SSE服务，在应用中灵活调用。
MCP（Model Context Protocol，模型上下文协议）是专为大语言模型（LLM）应用设计的开放协议，旨在实现LLM与外部数据源、工具的无缝集成。它通过统一的接口规范，将原本分散的API插件集成简化为“即插即用”的模式，如同AI领域的"USB-C接口"，解决传统API插件集成中存在的多协议适配、高开发成本等问题。对于企业和开发者来说，这意味着AI应用和Agent的边界将进一步拓展，开发门槛也进一步降低。
去年11月由Anthropic发布以来，MCP协议迅速吸引了技术极客与开发者的关注。开发者们将各种场景功能封装成MCP Server提供服务，探索协议落地的可行性。而今年3月，Manus的火热则掀起了新一轮关于协议标准的讨论。虽然Manus并未直接采用MCP协议，但这一应用让业界看到了多Agent协同的想象力。协同的核心就是标准协议。可以说，MCP协议的普及和落地，带来了Agent和大模型应用开发的新范式。
大模型知识引擎为企业和开发者提供了标准模式、工作流模式和Agent模式等三种开发方式，用户可以在工作流和Agent这两种模式中快捷使用MCP Server。在工作流模式下，用户可以自定义工作流来响应用户的需求，通过拖拉拽知识引擎的各种原子，编排所需的流程。而Agent模式则由大模型进行任务自主规划和工具调用，无需代码，几步即可开发一个智能体应用。
比如，用户可以利用腾讯位置服务MCP插件，搭建路线规划助手。在Agent开发模式下，点击添加MCP插件，即可根据需求添加腾讯位置服务的MCP工具。
插件添加完成后，用户可以根据自身需求撰写提示词，使用AI一键优化。
配置完成后，可在对话测试窗口测试应用对话效果。
4月17日（周四）晚19:30，腾讯云大模型知识引擎产品经理将深度解析MCP，介绍Agent开发的新范式。可点击文首链接预约直播，也欢迎扫描下方二维码加入直播交流群。
发布评论