agent的记忆系统和MCP协议

一、RAG 与企业级 AI 助手的区别

1.1、RAG（半智能）局限

• 不理解上下文
• 无法主动办事
• 仅知识检索，不做事务处理

1.2、企业真正需要的 AI 助手

• 多轮对话记忆
• 主动调用 API 工具
• 工作流自动化

二、记忆系统

短期记忆

• 实现：checkpointer
• 原理：每轮从存储加载历史到上下文对话窗口
• 优化：消息剪枝（保留最近几条 / 最近若干 token）、语义存储、历史压缩
• 支持存储：redis、mongo、postgresql，不支持 mysql

长期记忆

• 实现：store，跨会话存储用户偏好
• 需要绑定用户 ID
• 存储：短期+长期可用 PostgreSQL；高并发建议 Redis

常用记忆组件

• ConversationBufferMemory：对话缓冲记忆，简单历史上下文
• Chatmessagehistory：复杂聊天场景
• 关键：prompt 问题要精准

三、MCP 模型上下文协议

1、作用

• 统一 LLM 与外部世界连接：文件、数据库、第三方 API
• 只需开发 Server + Client，减少适配成本

2、核心协议

2.1. 消息协议：JSON-RPC 2.0
2.2. 传输协议

• Stdio：本地标准输入输出
• SSE：远程长连接，server 主动推送
• Streamable HTTP：无状态，无需长连接

3、拓展思考

1. 接入真实 API：考虑频率限制、异常处理
2. 多工具选择：工具描述要唯一，便于 LLM 精准选择
3. 提升记忆：使用 memory 组件
4. 生产级选型：企业级用 Langchain / Langgraph，Coze、Dify 不适合生产