智能体开发实战：基于RAG与MCP协议构建可扩展技能系统

1次阅读

共计 1994 个字符，预计需要花费 5 分钟才能阅读完成。

在开发智能体 (Agent) 系统时，开发者常遇到两个典型问题：

技能复用性差 ：不同技能(Skill) 之间缺乏标准化接口，导致每次新增功能都需要重写大量基础代码
上下文断裂：多轮对话中难以维持连贯的上下文理解，特别是在复杂任务跨技能调用时

这些问题会显著增加开发成本，降低系统可维护性。本文将介绍如何通过 RAG(检索增强生成 Retrieval-Augmented Generation)和 MCP(模型上下文协议 Model Context Protocol)技术栈解决这些痛点。

MCP 协议通过分层方式管理上下文，包含三个核心层级：

对话层(Dialog Context)：记录用户当前会话的基础信息，包括：
用户身份标识
对话历史摘要
当前对话状态
技能层(Skill Context)：维护技能执行过程中的专有状态，例如：
技能执行进度
技能私有变量
跨技能调用关系
环境层(Environment Context)：包含系统级运行时信息，主要有：
硬件资源状态
外部 API 可用性
系统配置参数

这种分层设计使得不同层级的上下文可以独立更新和管理，避免信息混杂。

在 RAG 实现方案上，主流有两种技术路线：

LlamaIndex 方案：
优点：内置高效的向量检索算法，适合中小规模知识库
特点：提供开箱即用的文档分块和嵌入管理
LangChain 方案：
优点：支持更复杂的检索链设计，适合需要多步处理的场景
特点：集成多种检索器 (Retriever) 和记忆组件

对于大多数智能体应用，如果知识库规模在百万级文档以下，LlamaIndex 通常是更轻量化的选择。

通过 TypeScript 类型定义可以规范技能接口：

interface Skill {
  // 技能唯一标识
  id: string;

  // 技能元数据
  metadata: {
    name: string;
    description: string;
    version: string;
  };

  // 执行入口
  execute(
    input: Record<string, any>,
    context: MCPContext
  ): Promise<SkillExecutionResult>;

  // 终止处理
  terminate?(): Promise<void>;}

interface MCPContext {
  dialog: DialogContext;
  skill: SkillContext;
  environment: EnvironmentContext;
}

以下是使用 LlamaIndex 构建知识库的关键步骤：

from llama_index import VectorStoreIndex, SimpleDirectoryReader
from llama_index.embeddings import HuggingFaceEmbedding

# 1. 加载文档
# 支持 PDF、Word、TXT 等多种格式
documents = SimpleDirectoryReader("./knowledge").load_data()

# 2. 初始化嵌入模型
# 选用开源的 bge-small 模型
embed_model = HuggingFaceEmbedding(model_name="BAAI/bge-small-en-v1.5")

# 3. 创建向量索引
index = VectorStoreIndex.from_documents(
    documents,
    embed_model=embed_model,
    show_progress=True
)

# 4. 持久化存储
index.storage_context.persist(persist_dir="./storage")