总体目标

1、支持 IBS 动态数据查询（工单进展、域名配置、运营数据、订购数据等）；
2、智能分析 CDN 优质客户；
3、团队纵向扩展：支持融合 CDN 配置一键下发下发、DNS动态数据查询等

公司现状

基于 vLLM 推理引擎部署 DeepSeek-R1-Distill-Qwen-32B

推荐：Qwen3.5-35B-A3B、Qwen3.5-35B-A3B-FP8

32K tokens（32768 约 2.4 万字中文）使用 vLLM 框架，注意需开启工具调用相关配置。

RAGFlow v0.18.0 2025-04-23（知识库）

最新 v0.24.0 完全支持 MCP v0.20.0 依赖 MySQL、ES、Redis、MinIO

bge 向量模型。

Function Calling / Tool Call / Tool Calling

LangGraph 个人理解为拖拽

MCP 服务端 + ReAct Agent 智能体 + RAGFlow 知识库

MCP（Model Context Protocol，模型上下文协议）是一种用于将 AI 应用连接到外部系统的开源标准。

通俗点理解列出能力：服务器告诉客户端它提供哪些 tools/resources/prompts，以及每个 tool 的参数结构调用工具：客户端发起 call tool，带上符合 schema 的参数返回结果：服务器返回结构化结果（文本/数据/错误），客户端再交给模型继续推理

ReAct: Synergizing Reasoning(推理) and Acting(行动) in Language Models

Question: 用户问题

Thought: 我需要查一下数据 Action: 调用查询工具(search API) Observation: 返回查询结果

Thought: 根据结果我可以推理答案 Action: 再调用一个工具 / 或直接回答

Final Answer: 最终结果

Thought(思考) → Action(行动) → Observation(观察) → Thought → … → Final Answer

例如在 Dify 中：

用户问题
    ↓
Dify Agent 接收
    ↓
选择策略 (Function Calling / ReAct)
    ↓
连接 MCP 服务器
    ↓
发现可用工具列表
    ↓
根据用户问题选择工具
    ↓
调用工具获取结果
    ↓
返回给模型生成回答

RAGFlow（开源的 RAG 工程化平台 / 系统）Python TypeScript

本质是 RAG（Retrieval-Augmented Generation）检索增强生成

用户问题 ↓ 去知识库检索相关内容 ↓ 把检索结果喂给大模型 ↓ 生成答案

DB-GPT 开源的“AI 原生数据应用开发框架”，用大模型来操作数据库和数据系统。

鉴权问题：哪个平台能调用哪些工具，哪个平台的哪些用户能调用哪些工具

AI 平台颁发系统级别 Token 限制你能用的工具。

也就是比如你在我们平台注册了你的 tool，然后调用我们 AI 接口，需要 MCP server Token 和用户 Token。

如果只用户 Token，那么是不是就需要一个令牌置换方案。

你有什么工具？

我想知道企业A的域名列表。

我想查询企业A a.com 近 5 天的峰值。

RAGFlow 版本升级至少 v0.20.0。（注意一下是否可以开启自身当作 MCP 服务的功能。）

dify 的整体使用流程流畅很多。

后期 Tool 多了，我们是否提供 MCP 注册中心。

Tool 代码的封装。

dify API 的研究。

DeepSeek-R1-Distill-Qwen-32B 工具调用。

发指令 --》ibs-ai --> RAGflow --> 智能决策 a 工具 b 知识库

需要 MCP server Token 和用户 Token。

后期 Tool 多了，我们是否提供 MCP 注册中心。

DeepSeek-R1-Distill-Qwen-32B 工具调用。