MCP 是否消除了对矢量搜索的需求？ MCP 协议为代理直接连接到数据源创造了令人兴奋的新可能性，但我们认为您仍然需要对非结构化数据进行预处理和索引： 📄 90% 的企业数据存在于 PDF、PPT 和文档中，任何代理都需要对其进行解析、提取和分块才能有效地使用它们 ⚡向量搜索擅长快速语义查找，而 MCP 则擅长实时结构化查询和对实时服务采取行动 🏗️获胜的架构结合了两者：使用 RAG 进行快速跨源发现，然后使用 MCP 进行深度探索和行动 我们认为 MCP 是一个通过标准化工具接口展现复杂文档智能的机会。LlamaIndex 已经作为您代理的文档 MCP 服务器，处理非结构化数据的复杂解析、提取和索引。 有趣的想法！混合方法很有意义——MCP 用于实时数据操作，向量搜索用于在海量文档集合中进行初步发现。 在 jenova ai，我们看到了类似的模式。我们的用户需要两种功能：一种是语义搜索，用于在 Reddit、YouTube、文档等平台上查找相关内容；另一种是能够自动生成专业报告。说实话，大多数人在做完所有研究之后，最难的就是文档生成部分。 您提到的预处理挑战非常巨大。大多数企业文档的格式都很混乱，因此在 MCP 介入之前建立智能层至关重要。编程严选网 人工智能 每天跟我涨知识 MCP