Liên kết đồ thị tri thức với LLM thông qua MCP
(tech.hancom.com)Tổ hợp công nghệ vượt qua giới hạn của LLM: Đồ thị tri thức × MCP × Agent
Mô hình ngôn ngữ lớn (LLM) rất mạnh, nhưng lại yếu ở thông tin mới nhất hoặc tri thức chuyên biệt theo miền.
Để khắc phục điều này, RAG (Retrieval-Augmented Generation), agent, cùng với MCP (Model Context Protocol) và đồ thị tri thức (Knowledge Graph) đang nổi lên mạnh mẽ gần đây, đang nhận được nhiều sự chú ý.
Trong bài blog này, tác giả trình bày cách liên kết đồ thị tri thức với MCP theo hướng tăng cường năng lực suy luận của LLM, đồng thời giải thích cách nó được sử dụng trong các hệ thống thực tế.
Tóm tắt nội dung chính
-
Đồ thị tri thức là gì?
- Cách biểu diễn tri thức có cấu trúc dựa trên thực thể/quan hệ/thuộc tính
- Được sử dụng trong hệ thống gợi ý, hỏi đáp, tìm kiếm tài liệu, v.v.
-
MCP là gì?
- Giao diện được chuẩn hóa để LLM giao tiếp với các hệ thống bên ngoài (công cụ, tài nguyên)
- Agent AI dựa trên LLM có thể tự động gọi nhiều công cụ khác nhau
-
Cách liên kết Đồ thị tri thức × MCP
- Liên kết bằng máy chủ MCP: phơi bày đồ thị tri thức như công cụ/tài nguyên
- Dùng làm bộ nhớ bên trong của agent: tích hợp thông tin nhận từ nhiều máy chủ MCP, lưu dưới dạng đồ thị tri thức và thực hiện suy luận
-
Ví dụ kỹ thuật suy luận dựa trên LLM: Think-on-Graph
- LLM duyệt qua đồ thị tri thức để thực hiện suy luận nhiều bước
- Ví dụ: “Đảng cầm quyền của quốc gia có Canberra là thủ đô là gì?” → duyệt đồ thị tri thức → rút ra câu trả lời cuối cùng
Điểm thực tiễn
- Suy luận lấy quan hệ làm trung tâm vượt ra ngoài RAG tài liệu đơn thuần
- Thiết kế agent dựa trên đồ thị tri thức để nội tại hóa tri thức miền
- Với liên kết dựa trên MCP, có thể tận dụng LLM như một API consumer có khả năng mở rộng
> Tổ hợp LLM + MCP + Knowledge Graph nhiều khả năng sẽ trở thành kiến trúc cốt lõi của các hệ thống AI dựa trên agent trong tương lai.
1 bình luận
Có cảm giác như cái gọi là đồ thị tri thức đang được lôi lại từ cách tiếp cận Symbolic của vài chục năm trước.