Agent应用的MCP管理平台 CONTENT 目录 MCP & MCP Registry MCP 协议 和 MCP Registry 介绍 01 Nacos MCP Registry 能力介绍 Nacos MCP Regsitry 能力和原理介绍 02 Nacos MCP Registry 生态集成 Dify，higress，spring ai alibaba等生态集成 03 不会解决的问题 1. 源代码的托管 2. 高级搜索，排序，过滤等能力 3. 对私有部署的支持 Part 2 Nacos MCP Registry Nacos MCP Registry 能力介绍 Nacos MCP Registry 基本架构 MCP Server 元数据中心 提供标准MCP Registry API， 以及MCP Server管理能力，实 时MCP server 发现

展现出强大的泛化能力与在各领域内广阔的应用前景. 鉴于此, 对基于大模型的具身智能的工作进行了综述, 首先, 介绍大模型在具身智能系统中起到的感知与理解作用; 其次, 对大模型在具身智能中参与的需求级、任务级、规划级和动作 级的控制进行了较为全面的总结; 然后, 对不同具身智能系统架构进行介绍, 并总结了目前具身智能模型的数据来源, 包括 模拟器、模仿学习以及视频学习; 最后, 对基于大语言模型 (Large 的内容更倾向于从具身智能的角度介绍二者如何有 机结合, 并加入对模型规划层级的分类探讨. 此外, 由于该领域发展迅速, 在上述论文发布后又涌现出 了许多重要工作, 本文将补充这些最新进展, 为希 望了解该领域的研究人员提供更多的参考 (工作总 览见图 1[25, 29−100]). 本文内容安排如下: 第 1 节对大模型如何帮助 具身智能实现对环境的感知与理解进行介绍; 第 2 节分析大模型分别在需求级、任务级、规划级、动作 节分析大模型分别在需求级、任务级、规划级、动作 级这四个控制层级上为具身智能提供的规划; 第 3 节对各类实现大模型结合具身智能的系统架构进行 分类与介绍; 第 4 节从模拟器、模仿学习和视频学 习等方面介绍具身智能训练的数据来源, 探讨大模 型如何为机器人训练带来丰富的数据; 最后在第 5 节对全文进行总结并提出研究方向. 1 感知与理解 在与环境的交互中, 具身智能通过摄像头、麦 克风等传感器接受原始数据

................................................................................. 11 图 9 林间聊愈室产品介绍 ......................................................................................... 12 图 10 .............................................................................. 24 图 37 科大讯飞星火智能体介绍 .................................................................................. 25 图 38 部分星火 行业研究〃信息服务行业 请务必阅读正文之后的信息披露和法律声明 12 图9 林间聊愈室产品介绍 资料来源：App Store，海通证券研究所 2.3 效能讨论：成本与价值间的博弈 打造智能体并不是 0 成本，大语言模型的 token 消耗就是最直观的成本展示。由于 智能体

..........................................................................................5 1.1 背景介绍...............................................................................................7 1 AI 大模型的视频智能挖掘应用方案，为提升 公共安全管理能力提供了新思路和切实可行的方案，通过智能化手 段有效应对日益复杂的安全挑战，为建设更安全、更和谐的社会环 境奠定了基础。 1.1 背景介绍 随着社会的发展和城市化进程的加快，公共安全问题日益突 出。各类突发事件、公共安全事故频繁发生，给社会和人民生活带 来了沉重的负担。传统的安全管理手段已难以满足现代社会对快速 反应、精准应对 分析技术来实现对公共场所的实时监控与异常事件的自动识别。具 体而言，本文的目的包括以下几个方面： 1. 分析当前公共安全管理中视频监控的局限性，包括监控盲区、 事件响应延迟等问题。 2. 介绍 AI 大模型在视频分析中的优势，如深度学习算法的应 用，能够处理复杂场景并提高识别准确率。 3. 提出具体的实施方案，包括系统架构设计、数据采集与处理流 程、模型训练与优化，以及如何与现有的公共安全体系整合。

3.1.1.4 小结 通过内部搭建的灵活可切换的大模型底座，使保险企业能够快速响应市场变化，选择 合适的技术路线，进而保证成本效益。然而，大模型“能用”和“用好”之间还有很多工作要 做，下面将介绍大模型适配业务场景的关键环节及技术。 3.1.2 关键环节及技术 �� 提示词（prompt）工程是一种高效的技术手段，它通过精心设计的提示词来引导和优 化人工智能模型的输出，使其更加准确 在通用评测体系中没有得到足够的重视： （1）合规性：模型是否符合金融行业的法规和标准。 （2）风险管理：模型在评估金融风险时的准确性和可靠性。 3.2.2.1 保险行业垂直领域大模型评测体系介绍 �� （3）数据隐私：模型处理敏感金融数据时的安全性。 （4）实时性：模型对市场变化的响应速度。 （5）用户信任：用户对模型预测的信任度。 尽管通用和金融行业特定的评测体系为大模型的评估提供了基础，但直接应用于保 、智能管家、数字遗产四大服务，核心 功能如下：亲情陪伴，模拟子女形象和声音，提供全天候第二陪伴；医疗问诊，整合医疗资 源，提供全天候实时音频视频问诊；智能管家，辅助康养管家进行日常照护，社区活动介绍 推荐；数字遗产，结合老人生前数字信息，生成形象、语音、思维习惯类似数字人形象，减缓 亲人离去带来的情感冲击。 5.1.1.3 “AI+”模式下的探索和布局 �� 养老陪伴机器人以养老大

业务框架 + 知识类型 + 交互斱式 用智慧发现信息价值 Discover information 知识自劢化加工 自劢加工出 42 条知识 文档中癿图片也自劢拆分为独立知识条目 海尔洗衣机介绍 word 文 档 用智慧发现信息价值 Discover information 知识自劢化加工 海尔洗衣机维修收费标准 word 文档 自劢加工成 27 个知识条目，自劢提取业务标 签

因素。但除了价格，保障的内容、服务质量、赔偿速度等都是非常 重要的因素。我们的保险产品定价考虑了这些因素，以确保为您提供最高的价值和最好的服务。 请问您是否有特定的需求或关注点？我可以为您详细介绍我们的保险产品特点和优势，以及它为何能为您提供超出其他产品的价值。我们的目标是确保您真 正了解并满意您的选择。您愿意听我进一步解释吗？ 这种回应方式旨在引导客户重新考虑其决策，同时强调产品的价值，以保留潜在的客户。

首先，本文将介绍城市轨道交通行业的基本情况以及面临的主 要挑战。这些挑战包括实时数据处理不足、乘客流量波动、设备维 护不及时等。接着，我们将详细探讨 AI 大模型的定义及其在其他 行业的成功应用案例，从而为城市轨道交通的应用奠定理论基础。 在结构上，本文将分为以下几个部分： 1. 行业分析：全面回顾当前城市轨道交通的运营现状、市场环境 和技术发展趋势。 2. AI 大模型概述：介绍什么是 AI 使得系统适应不断变化的交通需求和运营环境，从而实现智能化的 城市轨道交通管理。 4.2 训练流程与技术 在城市轨道交通行业 AI 大模型应用方案中，模型选择与训练 是确保系统有效性和可靠性的关键环节。本节将详细介绍训练流程 与技术的具体内容。 训练流程主要包括数据收集与预处理、模型选择、模型训练、 模型验证以及模型部署五个阶段。每一个阶段都对最终模型的性能 和应用效果有着重要影响。首先，进行数据收集与预处理时，需要 首先，制定需求调研的计划，包括调研的目标、范围、方法和 时间安排。通过确定调研的关键利益相关者，可以确保在后续流程 中获取全面的信息。 接下来，执行以下步骤： 1. 组织初步会议：召集项目相关的利益相关者，明确项目目标， 介绍 AI 大模型的基本概念，梳理他们的期望与关注点。 2. 收集已有数据：通过分析城市轨道交通的历史数据和现有报 告，初步评估当前系统的运作效率和存在的问题。这些数据可 能包括客流量、故障记录、维护成本等。

算法，对铁路沿线的环境、设施、流量 等进行综合分析，为运营管理提供数据支持，帮助决策者进行 更有效的资源配置。 3. 改善服务质量 通过对沿线环境的态势感知，提升旅客出行体验，准确提供列 车通行信息和沿线景观介绍，增强客户的整体满意度。 4. 推动可持续发展 加强对沿线生态环境的监测，支持绿色出行政策，减小铁路运 输对环境的影响，推动铁路的可持续发展。 5. 实现智慧铁路生态系统 构建多层次的智慧铁路生态，整合各类数据，如气象、交通、 在系统集成方案中，API 接口设计是实现各个模块之间有效通 信的关键。随着铁路沿线实景三维 AI 大模型的复杂性不断增加， 设计一个灵活、易用和高效的 API 接口显得尤为重要。本节将详细 介绍 API 接口的设计思路、规范和技术细节。 首先，API 接口的设计应遵循 RESTful 架构风格，使得接口具 备良好的可读性和可访问性。通过使用 HTTP 协议，接口可以轻松 被各种客户端访问。以下是 部分。课程将涵盖 以下主题：  系统介绍及架构  数据输入与处理流程  三维模型的生成与应用  问题诊断与排除技巧  日常维护与更新操作 为了更好地满足用户的需求，培训计划将分为不同的培训阶 段，以适应不同层次用户的学习需求。 第一阶段（基础培训）： 目标群体：新用户和操作员 内容：  系统基本概念  操作界面介绍  常见操作流程演示 形式：线上直播与线下工作坊结合

SaaS 平台，为用户提供稳定的服务支持，实现商 业价值的最大化。 4.1 开发工具与技术栈 在构建人工智能行业大模型 SaaS 平台的过程中，选择合适的 开发工具和技术栈至关重要。这一部分将详细介绍实现本平台所需 的主要技术组件、开发工具以及技术栈的选择和应用。 为了高效地构建和部署大规模人工智能模型，需要选用一些行 业标准的开发语言和框架。Python 是当前人工智能领域的主流编 程 家及机器学习相关人才时，应加强与科研院校和技术社区的联系， 培养潜在候选人。 在团队的培训与发展方面，我们需要设计系统的入职培训和定 期的技能提升课程。入职培训应当包括:  平台架构与技术栈介绍  现有模型与算法的应用介绍  团队文化与项目目标的阐述 技能提升课程则涵盖最新的人工智能研究成果、技术工具的使 用、以及软技能培训如沟通与团队协作。 此外，团队协作工具的使用至关重要。我们建议采用敏捷开发