LLM Agent Projects
汇总一些最近感兴趣的项目信息。
MCP
MCP（Model Context Protocol，即模型上下文协议）是由 Anthropic（Claude 的母公司）提出的一个协议，旨在为 LLM（大型语言模型）通过一套标准化的协议提供拓展功能工具箱。赋予 LLM 访问外部数据，使用特定工具和 API 的能力。
Latest MCP 版本为 2025-03-26，最新这一版本引入了对 Streamable HTTP 的支持，允许 LLM 通过 HTTP 流式传输数据。
MCP - Transport
编码：所有消息均采用 JSON-RPC 2.0 格式，必须使用 UTF-8 编码。
传输： stdio（优先支持）：通过标准输入/输出流通信。/ Streamable HTTP（新版推荐）：基于 HTTP 的增强传输，支持流式交互。
Streamable HTTP
-
统一端点：单个 HTTP 路径（如
/mcp）同时处理POST（客户端→服务端）和GET（服务端→客户端）。
| 方向 | HTTP 方法 | Content-Type | 消息类型 | 响应逻辑 |
|---|---|---|---|---|
| 客户端 → 服务端 | POST | application/json |
请求/通知/响应（或批量） | - 纯响应/通知：返回 202 Accepted<br>- 含请求：返回 application/json 或 SSE 流 |
| 服务端 → 客户端（推送） | GET | text/event-stream (SSE) |
服务端主动发起的请求/通知（可批量） | 客户端需持续监听 SSE 流 |
Feature
MCP 区分服务端和客户端。客户端包括 Root 和 Sampling 两种功能。服务端包括 Prompts、Resources 和 Tools 三种功能。
Root: MCP 客户端通过 roots 特性向服务端暴露文件系统的可访问根目录，明确服务端能操作的文件范围边界。
Sampling: 允许服务端通过客户端请求 LLM 生成内容。服务端无需直接管理 API 密钥，通过客户端代理实现。
Prompts: 服务端提供结构化提示词模板，客户端可动态获取并填充参数生成最终提示。
Resources: 服务端暴露结构化数据（如文件、API 结果），供 LLM 获取上下文。
Tools: 服务端提供可执行工具（如 API 调用），由 LLM 按需触发。
PocketFlow
一个极其精炼的 LLM 框架，100 行 python 代码，概况了一个简单有效的大模型工作流，利用这些最基本的原语，可以构建出复杂的工作流。
核心概念
Node
node 是一个执行任务的最小单元，整体流程会分为 prep, exec, post 三个阶段。prep 阶段可能从shared store 里获取数据，exec 阶段执行任务，post 阶段将结果存入 shared store。
exec 部分支持失败后间隔重试，还可以再使用最终 fallback。
Flow
Flow 定义了 node 之间的执行顺序，每个 node 的执行结果可能影响下一个是哪一个 node。
简单来说就是 node 作为顶点，flow 是边，构成一个有向图。
定义里 Flow 也是继承自 Node，不过我感觉这部分的设计有点奇怪，还没体会到这种设计的好处…
Communication
Nodes 和 Flow 之间的主要通过 shared store 来进行数据传递（通常是一个 dict）。
Batch && Async
还有一些批量的异步的概念，比较好理解。
Patterns
官方给出的示意图，可以基于此设计实现的流行的模式。
