Token导航 LogoToken导航TokenDH.com
Genai Friendly Architecture logo
AI代理未说明官方级别未说明来源级核验

Genai Friendly Architecture

MCP Server

一种无需担心框架过时的AI就绪系统构建方法,通过纯函数和标准化接口实现业务逻辑与编排工具的分离。

工具数

0

提示词数

0

GitHub Stars

2

资源数

0
AI代理工作流自动化模型集成

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

Hugues-DTANKOUO

提供方

Hugues-DTANKOUO

最后核验

2026/5/17 20:22

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

详细介绍

GenAI友好架构模式

构建AI就绪系统,无需担心框架过时

![License: MIT](https://opensource.org/licenses/MIT)

概述

GenAI领域发展迅速。模型上下文协议刚刚到达。新的编排工具不断涌现。6个月后,其他东西将重塑这个领域。

这种节奏带来了两个问题:

对于仍在决定的团队: 选择哪种编排方式?LangGraph?世俗的?气流?新东西?在错误的工具上投入数月意味着浪费时间和资源。结果:瘫痪。

对于已经承诺的团队: 与一个工具的深度集成会产生耦合。当下一次进化到来时,迁移变得极其昂贵。结果:锁定。

本文件介绍了 GenAI友好架构模式 这解决了这两个问题。

你将学到什么

该模式使您能够:

  • ✅ 立即构建工作系统,而无需承诺任何编排器
  • ✅ 保持最大的灵活性,以便以后采用任何AI编排工具
  • ✅ 在不重写业务逻辑的情况下在工具之间迁移
  • ✅ 自由实验,不必担心错误的选择

核心原则

将您的业务逻辑构建为 纯函数 具有标准化的接口。这些功能今天可以独立工作,明天可以与任何编排平台无缝集成。

def validate_order(state: OrderWorkflowState) -> OrderWorkflowState:
    """Validate order according to business rules."""
    validator = get_order_validator(state["order_id"])
    validator.execute_validations()

    state["validation_result"] = validator.get_summary()
    state["current_step"] = "validated"
    return state

相同的功能适用于:

  • 直接执行(无框架)
  • 快速API
  • LangGraph
  • 阿帕奇气流
  • 时序
  • 完美
  • 模型上下文协议(MCP)
  • 任何未来的编排工具

关键利益

好处说明
立即启动在不选择编排器的情况下构建功能系统
零锁定在不涉及业务逻辑的情况下切换编排器
无风险实验尝试不同的工具而不承诺
未来考验为AI进化的下一步做好准备
业务聚焦功能映射到业务能力,而不是技术抽象
渐进增强在需要时而不是之前添加编排

奖金洞察

除了灵活性,这种模式还提供了意想不到的可见性: 揭示你的系统实际做了什么,以及你认为它做了什么.

当你将代码结构化为业务函数时,现实就变得可见了。50000行代码库可能只显示了12个已确定的业务功能中的2个。这种透明度是强大的。

文件

英文版本

📄 Hugues Dtankouo.pdf的GenAI友好建筑模式

完整的指南涵盖:

  • 为什么这种模式现在很重要
  • 具体实施示例
  • 与LangGraph、气流、时间、MCP集成
  • 业务覆盖揭示技术
  • 渐进式增强方法

法语版/法语版

📄 图案建筑GenAI友好的par Hugues Dtankouo.pdf

具有相同内容的完整法语指南。

快速示例

今日:直接执行

state = OrderWorkflowState(order_id="12345", ...)
state = validate_order(state)
state = calculate_pricing(state)
state = approve_order(state)

明天:与任何编排者

# LangGraph
graph = StateGraph(OrderWorkflowState)
graph.add_node("validate", validate_order)
graph.add_node("price", calculate_pricing)
graph.add_node("approve", approve_order)

功能相同。不同的编排。零重构。

这是给谁的?

此模式适用于以下团队:

  • 被编排者的选择所麻痹
  • 被锁定在一个可能不会持久的框架中
  • 想要构建没有框架承诺的人工智能系统
  • 随着技术的发展,需要灵活性
  • 重视在技术变革中幸存下来的业务逻辑

实施方法

  1. 确定业务能力 -你的系统应该做什么?
  2. 定义状态 -步骤之间的数据流是什么?
  3. 创建函数 -每个业务能力一个(保持简单,10-30行)
  4. 委托复杂性 -需要时提取到业务类
  5. 简单开始 -先直接调用,稍后添加编排

关键的原则

函数编排,它们不实现。 保持工作流程功能的整洁(10-30行)。将复杂性放在它所属的业务类中。

作者

Hugues Dtankouo 高级Python开发人员-Gen AI

通过尖端生成人工智能的复杂编排,拥有7年解决投资银行和资本市场复杂自动化挑战的经验。

专业知识涵盖了投资银行、能源行业、四大咨询公司和保险业的高度监管环境。专注于构建生产就绪的人工智能架构,将战略挑战转化为创新解决方案。

📫 linkedin.com/in/dtankouo

许可证

此作品根据MIT许可证获得许可-有关详细信息,请参阅许可证文件。

出版日期

2025年11月1日

______________________________________________________________________

无论你是被选择所麻痹,还是被工具所束缚,都有前进的道路。

目录标签

目录标签

AI代理工作流自动化模型集成AI架构本地部署业务逻辑解耦编排工具无关未来证明纯函数

接入字段

传输方式(transport,传输协议)

未说明

鉴权方式(authType,认证方式)

none

工具数量(toolCount,工具数)

0

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

未说明none部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

仍需确认:installCommand

来源信息

继续浏览同类 MCP