RAG-MCP框架通过语义检索优化大语言模型的工具调用，显著降低提示词负担。测试结果显示，RAG-MCP在令牌使用、准确率和响应时间上均优于全工具MCP，分别减少67%、提高6.3%和缩短26.7%。该架构在复杂场景中仍需优化，未来可探索多模态工具描述和自适应检索策略。
本研究提出RAG-MCP框架，旨在解决大型语言模型在使用外部工具时的提示膨胀和选择复杂性问题，并通过语义检索提升工具选择的准确性。
完成下面两步后，将自动完成登录并继续当前操作。
