本文围绕大语言模型（LLMs）智能应用中的工具与数据接入问题，系统介绍了两种主流方案：基于 Agent + Function Call 的动态调度机制与基于 MCP（Model Context Protocol）的标准化接入框架。通过梳理各自的工作原理、应用流程及典型实践，分析了不同场景下的适用性选择。

MCP（Model Context Protocol）的热度还未消散，新的 Agent 接口标准 A2A（Agent2Agent）又悄然登场。 就在上周，Google 在 Cloud Next 大会上正式推出了 Agent2Agent（A2A）开放协议。简单来说，A2A 旨在为 Agent 之间的通信提供一个开放标准，促进不同 Agent 之间的协作与交互。

4 月 9 日，阿里云在北京召开了 AI 势能大会。在大会现场，阿里云智能集团资深副总裁、公共云事业部总裁刘伟光现场宣布百炼上线业界首个全生命周期 MCP 服务，无需用户管理资源、开发部署、工程运维等工作，5 分钟即可快速搭建一个连接 MCP 服务的 Agent ...

以下 Github 链接展示了从头开始使用 LangGraph 和 Llama3-8B 构建可靠的智能体。它将3种先进 RAG 技术（自适应 RAG、纠正性 RAG和 ...

继续上周末基于 Semantic Kernel 对接星火大模型之后，我还想继续对接它的function call能力。而我们作为大模型应用开发者，最核心的需求就是将大模型应用到我们的日常业务场景中，参与到企业应用的方方面面。 而大模型的function call能力就是实现这一目标的关键。