LLM Multi Agent大模型多智能体

专注大模型多智能体应用

fast-agent：企业级 MCP 生态下的 AI Agent 框架技术解析

深度解析 fast-agent 框架的 MCP 完整实现、ACP IDE 集成、6 种工作流模式与企业级特性

深入探讨 Moonshot AI 开源项目 Kimi CLI 的 Agentic AI 架构、KimiSoul 执行引擎、工具系统与 ACP 协议，揭示下一代开发工具的设计哲学

深入解析FastMCP 2.0框架的核心功能、技术实现与应用实践，探索这款被誉为'AI的USB-C端口'如何简化LLM与外部资源的集成流程

本文系统拆解智能代理(Agent)的完整构建流程，从任务定义到部署迭代，结合实战案例分享如何避开常见陷阱，用系统化方法打造真正实用的AI助手。

深入探讨AI产品从技术落地到人性化体验的完整路径，解析如何平衡工程实现与情感连接，打造真正有温度的智能产品

深入解析MemOS如何通过将内存提升为一等资源，解决大型语言模型在知识更新、上下文管理和个性化方面的核心挑战，以及如何在实际应用中落地这一创新技术

深入解析上下文工程如何重塑AI应用开发，从理论基础到实践落地，全面掌握这一AI开发新范式的核心技术与最佳实践

对Anthropic多智能体研究系统构建经验的深度解读，探讨现代AI系统架构设计、工程挑战与实践启示。从哲学意义到工程实践，从架构智慧到未来展望，全面分析多智能体系统的设计理念和实现之道。

深入探讨 Google agent-2-agent (A2A) 通信框架，解析其核心设计原则、关键概念、与MCP模式的区别，以及如何实现企业级健壮应用。了解A2A如何赋能智能体间的无缝协作，开启智能自动化的新纪元。

深入探讨Microsoft AutoGen框架中的Model Context Protocol (MCP)，以及如何利用它构建功能强大的多智能体系统，并且展示了如何集成 Jira MCP、Confluence MCP 和 Github MCP。

这篇博客介绍了 Google 推出的 A2A (Agent to Agent) 框架，一个旨在实现智能体之间无缝互操作的开放性标准和协议。

OpenManus 是一个开源的智能体框架，旨在提供类似 Manus 的功能但无需邀请码，让开发者和用户能够轻松构建并使用功能强大的 AI 智能体。本文将从架构设计、核心组件、使用方法和技术特点等方面对 OpenManus 进行全面分析。

李飞飞教授等人编著的《Agent AI Surveying the Horizons of Multimodal Interaction》简单总结

OPENAI论文《Practices for Governing Agentic AI Systems》的总结，讲述了 Agentic AI的潜在收益和如何保持 Agentic AI 的安全等内容

An Open-Source Programming Framework for Agentic AI. (微软开源的多智能体框架)

LangChain is a framework for developing applications powered by large language models.(大模型应用开发框架，支持多智能体、chatbot和 RAG 等功能)

MCP 是一个开源协议，旨在为 AI 助手（尤其是 LLM 应用）提供一个统一、标准化的方式来连接各种数据源和外部工具。可以将其想象为 AI 应用的 USB-C 接口，就像 USB-C 为设备提供标准化的连接方式一样，MCP 为 AI 模型提供了标准化连接不同数据源和工具的方式。