本系列文章基于 Lynxe 作者沈询的实战经验，深入浅出解析 ReAct Agent 的核心原理与工程价值，帮助开发者快速掌握从“写流程”到“造智能体”的关键跃迁。 关于这个系列 作为 Lynxe(原JManus）的作者，我花费了很多课余时间来完善这个Func-Agent框架，也因此对于 ...

MCP（模型上下文协议）、Function Calling 和 AI Agents 是三种重要的技术手段，它们在实现 AI 模型与外部系统交互方面各有特点。本文将详细对比这三种技术，并深入探讨 MCP 的多项显著优势。 MCP、Function Calling 和 AI Agents 的区别 Function Calling:平台依赖的函数调用机制 ...

角色设定：给模型一个明确的身份 角色提示在Function Calling中变得更加重要，因为它不仅定义了AI的行为基调，还明确了可执行的操作范围。 OpenAI在指南中提供了一个标准的角色设定示例，这个示例值得每个开发者学习和借鉴。

本文旨在为初学者揭开MCP和Function Calling的神秘面纱，以清晰易懂的方式澄清二者之间的关系。我们将基于当前主流的学习趋势，解释它们为何对AI的未来发展至关重要。要厘清它们的关系，我们首先需要独立地理解每一个概念的定义和作用。 引言：为什么我们都 ...

把大模型从“聊天玩具”升级成“业务员工”的核心开关，就藏在两条技术路线里：Function Calling 与 MCP。前者像给模型一部“内线电话”，随时调用你的 CRM、ERP；后者干脆为它配了“万能插座”，插件、记忆、权限一键热插拔。我们对比实测发现：Function Calling ...

Berkeley Function-Calling Leaderboard（BFCL）是由加州大学伯克利分校开发的专门评估大语言模型（LLM）工具调用能力的基准测试平台。该平台通过2000对问答对，重点考察模型在API调用和实用工具使用方面的表现，是衡量LLM从理论到实际应用能力的重要指标。近期榜单 ...