1- RAGS：带有RAG和MCP的模块化智能体框架
RAGS是一个用Python设计的框架，用于构建（系统/应用等，具体根据上下文确定）。 自主模块化人工智能代理其独特之处在于能够通过（某种方式）动态地扩展智能体的认知能力。 *容量模块*.
原生集成 RAG（检索增强生成） 以丰富背景和一个（此处“um”可能需要根据上下文确定具体翻译，但单独出现时通常无直接对应意义，可能表示“一个”或作为句子结构的一部分） 模块化能力议定书（MCP） 为了执行外部功能，RAGS（可能是指某种智能代理系统或框架）允许创建不仅能够思考，而且能够行动并与外部系统智能连接的代理。
______________________________________________________________________
2-- 主要特点
RAGS的哲学理念是，人工智能代理不应仅仅是一个“带有记忆的大型语言模型（LLM）”。为此，它建立在以下支柱之上：
- \**增强恢复生成（RAG）：* 为您的客服代表提供深入的知识培训，将他们与向量数据库、文档和其他信息源相连接，以提供更丰富、更准确的答复。
- 模块化能力（MCP）： 将代理转变为执行者。允许它们消费并执行任何Python函数、外部API或自动化流程，就像这些是它们天生具备的能力一样。
- 大型语言模型（LLM）的灵活性（“自带大脑”）： 设计之初即支持 Mistral AI（米斯特拉尔人工智能公司）但其架构是无偏见的，便于与其他模型（如OpenAI、Anthropic等的模型）集成。
- 运行时扩展： 为智能体添加新的工具和知识来源 *当它正在运行时*，无需重新启动。
- 受微服务启发的架构 功能组合和模块化是RAGS的核心，遵循以下原则： *无服务器* 以及具有最高可扩展性和可维护性的功能架构。