【MCP】function call与mcp若干问题整理
前言:大模型里agent 的 funcation call 是什么概念
在大模型中,Agent是一个能够理解目标、进行自主规划,并利用可用工具(包括Function Call)来执行任务以达成目标的系统或程序。Function Call是大型语言模型提供的一项具体功能或机制。以下是其具体介绍:
- 核心概念:它允许大模型在其生成的响应中,输出一个结构化的数据(通常是JSON格式),表明它希望调用外部世界的一个特定函数(或API、工具),并提供相应的参数。例如,当用户询问当前天气时,模型可能会生成一个Function Call,指示调用天气查询API,并提供用户所在位置作为参数。
- 目的:让大模型能够间接地访问和利用外部信息或执行特定操作,突破其训练数据的时效性和能力的局限性。比如,模型可以通过调用实时数据API获取最新信息,而这些信息可能并未包含在其训练数据中。
- 实现流程:
- 用户向大模型提问,并在请求中定义好可供模型使用的函数(包括名称、描述、参数模式等)。
- 大模型理解用户意图后,如果判断需要调用某个函数来获取信息或执行操作,它不会直接回答,而是生成一个特殊的标记和包含函数名及参数的JSON对象。
- 外部代码逻辑接收到这个JSON对象后,执行相应的函数调用,并将结果返回给大模型。
- 大模型接收到函数结果后,结合原始问题和函数结果,生成最终的、面向用户的自然语言回答。
Function Call是实现Agent与外部世界交互的重要手段之一,通过Function Call,Agent能够利用各种外部工具和服务来完成复杂的任务,从而更好地满足用户的需求。
一、若干问题整理如下:
1,我的python程序发起了与openai模型的对话交流,然后使用function call来监听模型是否要调用我的funcation,如果要调用,我的程序就执行这个function?
是的,你的理解是正确的。具体过程如下:
-
你的 Python 程序向 OpenAI 模型发送用户的提示信息(比如一个任务指令),同时通过
functions
参数将你定义的函数元数据(函数名称、参数描述等)传递给模型。 -
OpenAI 模型接收到提示和函数元数据后,分析用户的意图。如果模型判断需要调用你提供的函数来完成任务(比如用户要求执行某个具体操作,而模型决定通过调用函数来实现),它会在回复中包含函数调用的相关信息(函数名和需要的参数)。
-
你的 Python 程序接收模型的回复,检查是否包含函数调用的指令。如果发现模型要调用函数,就从回复中提取函数名和参数。
-
你的 Python 程序根据提取的信息,调用本地定义的函数,并传入相应的参数来执行实际操作(比如修改文件、查询数据等)。
-
函数执行完成后,你的程序可以根据函数的返回结果,选择是否再次与模型交互(比如将函数执行结果反馈给模型,让模型进一步处理),或者直接将结果返回给用户。
例如在之前修改文件的示例中,Python 程序先发送用户修改文件的提示给 OpenAI 模型,模型决定调用 modify_txt_file
函数时返回相关函数调用信息,Python 程序检测到后调用本地的 modify_txt_file
函数来实际修改文件。
2,通过function call 的机制,我可以使用python和大模型配合串联完成一个复杂任务了?
通过 Function Call 机制,你可以使用 Python 和大模型配合来完成复杂任务。以下是具体的分析:
- 任务分解与规划:大模型可以根据用户输入的复杂任务描述,将任务分解为多个子任务,并规划出完成任务的步骤。例如,对于“从网页中提取特定信息并整理成表格”的任务,大模型可以确定先访问网页,然后解析网页内容,最后将提取的信息整理成表格这些步骤。
- 调用外部工具和函数:在任务执行过程中,大模型可以根据规划调用 Python 中定义的函数来完成具体操作。比如,使用 Python 的
requests
库获取网页内容,使用BeautifulSoup
库解析网页,使用pandas
库整理数据成表格等。通过 Function Call,大模型可以指示 Python 程序执行这些具体的函数操作。 - 数据处理和交互:Python 程序在执行函数过程中获取到的数据可以反馈给大模型进行进一步处理。例如,Python 提取到的网页信息可以传递给大模型,大模型对这些信息进行语义理解和分析,然后指导 Python 程序对数据进行进一步的处理和整理。
- 错误处理和优化:如果在任务执行过程中出现错误(如网页访问失败、数据解析错误等),Python 程序可以捕获错误信息,并将其反馈给大模型。大模型可以根据错误信息调整任务规划和函数调用,尝试其他方法来完成任务。
- 多轮交互和复杂逻辑:对于一些需要多轮交互的复杂任务,Python 程序和大模型可以进行多次对话和函数调用。例如,在数据分析任务中,大模型可以指导 Python 程序进行数据清洗、特征提取等操作,然后根据初步分析结果,进一步指导 Python 程序进行更深入的数据分析和可视化。
通过 Function Call 机制,Python 的强大编程能力和大模型的智能分析与决策能力相结合,能够有效地完成各种复杂任务,拓展了大模型在实际应用中的功能和灵活性。
3,function call 与 Model Context Protocol 的区别和联系
区别
概念内涵
- Function Call
- Function Call 是大语言模型(LLM)提供的一种能力,允许模型在生成回复时,明确指示调用外部的特定函数。这些函数可以是用户预先定义好的,用于完成各种具体任务,比如查询数据库、调用天气 API 等。其核心在于模型根据输入判断是否需要调用某个函数来满足需求,并生成包含函数名和参数的结构化信息。
- Model Context Protocol(MCP)
- MCP 是一种协议,用于规范模型与外部系统(如数据源、工具等)之间的交互。它定义了信息交换的格式、规则和流程,使得模型能够与不同的外部资源进行有效的通信和协作,以获取更丰富的上下文信息,辅助完成任务。
作用层面
- Function Call
- 主要聚焦于任务执行层面。当模型面对用户的问题,自身无法直接给出完整答案时,就可以通过 Function Call 调用外部函数来获取必要的数据或执行特定操作,进而完成任务。例如,当用户询问当前天气时,模型通过 Function Call 调用天气查询 API 获取实时天气信息。
- MCP
- 侧重于交互的标准化和规范化。它提供了一种通用的框架,让模型能够以统一的方式与各种外部系统进行交互,解决不同系统之间的兼容性和互操作性问题,提升整体的协作效率。
交互粒度
- Function Call
- 交互粒度相对较细,是针对具体函数的调用。每次调用通常对应一个明确的、具体的操作,如查询某条记录、执行一次计算等。
- MCP
- 交互粒度更粗,关注的是模型与外部系统之间的整体交互流程和协议规范,可能会涉及多个步骤和多个函数的调用,以完成一个复杂的任务。
联系
目标一致
- 两者的最终目标都是增强大语言模型的能力,使其能够更好地服务用户。Function Call 和 MCP 都致力于打破模型自身的局限性,通过与外部资源的结合,让模型能够获取更多的信息、执行更复杂的任务,从而提供更准确、更全面的回答。
相互补充
- Function Call 可以作为 MCP 框架下的一种具体交互方式。在 MCP 协议的规范下,模型可以通过 Function Call 与外部系统中的具体函数进行交互,实现具体的功能。例如,在 MCP 规定的交互流程中,当模型需要获取特定数据时,可以使用 Function Call 调用相应的函数来完成数据查询操作。
共同协作完成任务
- 在实际应用中,Function Call 和 MCP 通常会共同协作,以完成复杂的任务。MCP 提供了整体的交互框架和规则,确保模型与外部系统能够有序地进行通信;而 Function Call 则在这个框架内,具体实现模型与外部系统中各个功能模块的交互,实现任务的分解和执行。
4,mcp与 function call的区别并不是很大,function call用的是本地方法, mcp用的是远程server的方法,就这个区别吗?
你说得对,MCP 和 function call 的核心区别确实在于调用方式:
- Function Call:直接调用本地方法,比如在 Python 中定义一个函数,然后直接调用它。这种方式简单直接,适合本地逻辑。
- MCP:通过远程 server 调用方法,比如你的
bilibili.py
中定义的general_search
、search_user
等。这种方式适合将复杂逻辑(比如调用第三方 API、处理数据等)封装在 server 中,client 只需要发送请求即可。
除了调用方式,MCP 还有一些额外优势:
- 解耦:server 和 client 可以完全分离,甚至用不同语言实现。
- 扩展性:可以在 server 端添加更多功能,client 端不需要改动。
- 安全性:敏感操作(比如 API 密钥)可以只在 server 端处理,client 端不需要知道。
但本质上,MCP 和 function call 都是让 LLM 调用具体方法的一种方式,只是 MCP 把方法放在了远程 server 中。
相关文章:
【MCP】function call与mcp若干问题整理
前言:大模型里agent 的 funcation call 是什么概念 在大模型中,Agent是一个能够理解目标、进行自主规划,并利用可用工具(包括Function Call)来执行任务以达成目标的系统或程序。Function Call是大型语言模型提供的一项…...
QT聊天项目DAY09
1. 安装Redis 直接从老师的网盘下载 链接: https://pan.baidu.com/s/1v_foHZLvBeJQMePSGnp4Ow?pwdyid3 提取码: yid3 启动Redis服务看一下,启动成功了 .\redis-server.exe .\redis.windows.conf 启动客户端看一下 2. 配置redis库,调用API 编译一下 …...
JAVA八股文
一、JAVA基础 1.面向对象: 面向对象编程是一种以对象为核心的编程,通过封装、继承、多态和抽象管理代码。 1.封装:将数据(属性)和行为(方法)绑定在一个对象中,隐藏内部细节&#…...
『深夜_MySQL』数据库操作 字符集与检验规则
2.库的操作 2.1 创建数据库 语法: CREATE DATABASE [IF NOT EXISTS] db_name [create_specification [,create_specification]….]create_spcification:[DEFAULT] CHARACTER SET charset_nam[DEFAULT] COLLATE collation_name说明: 大写的表示关键字 …...
1688拍立淘搜索相似商品API接口概述,json数据示例参考
1688拍立淘搜索相似商品API接口概述 1688拍立淘是阿里巴巴1688平台提供的以图搜图功能,允许开发者通过上传商品图片或图片URL,快速检索1688平台上的相似商品。该接口基于图像识别技术,结合1688的海量商品库,为商家、采购商或开发…...
使用 Java 11 的 HttpClient 处理 RESTful Web 服务
在现代 Web 开发中,与 RESTful Web 服务交互是一项核心任务。Java 作为一种广泛使用的编程语言,提供了多种处理 HTTP 请求的方法。在 Java 11 之前,开发者通常使用 HttpURLConnection 或第三方库(如 Apache HttpClient)。然而,这些方法要么过于底层,要么需要额外依赖。J…...
学习笔记:黑马程序员JavaWeb开发教程(2025.3.30)
11.6 案例-文件上传-阿里云OSS-集成 从程序中获取URL给前端,前端显示图片 拿到URL,但是在浏览器里面是直接下载,展示可以使用html中的<image>标签 Spring环境下,不建议再去new对象,将其交给IOC容器管理ÿ…...
【MySQL】-- 联合查询
文章目录 1. 简介1.1 为什么要使用联合查询1.2 多表联合查询时MySQL内部是如何进行计算的 2. 内连接2.1 语法2.2 示例 3. 外连接3.1 语法3.2 示例 4. 自连接4.1 应用场景4.2 示例4.3 表连接练习 5. 子查询5.1 语法5.2 单行子查询5.3 多行子查询5.4 多列子查询5.5 在from 子句中…...
《C++ Templates》:有关const、引用、指针的一些函数模板实参推导的例子
1.T按值传递 最简单的模板例子: template<typename T> void func(T x) {std::cout << typeid(T).name() << std::endl;x 20;cout << x; } 这种情况下,T永远不会被推导成带顶层const或引用的类型 【顶层const即变量本身不能…...
【算法】随机快速排序和随机选择算法
文章目录 1、随机快速排序1.1 什么是随机快排1.2 随机快排的好处 2、随机选择算法 前言: 快速排序就是每次划分前,通过一种方法将一个基准值的位置确定好,再进入不同的部分重复相同的工作以此确定好每个值的位置以达到有序。如果你之前并不了…...
si551x时钟芯片linux下调试总结
目录 前言一、依赖文档、工具二、让芯片工作的流程三、以上步骤的SOC下代码实现 前言 本文总结调试SKYWORKS芯片厂商Si5512时钟芯片时的笔记,基于linux5.10.xxx内核,在arm64架构的SOC上验证; 一、依赖文档、工具 文档名说明下载链接Si5518…...
5.6-DAE实现
解决问题: 随机缺失(实验室指标未检测)系统性噪声(设备测量误差)类别不平衡(健康/患病人群比例悬殊) 思路:引入可控噪声 → 重建原始数据 实现步骤 (1)…...
MCU怎么运行深度学习模型
Gitee仓库 git clone https://gitee.com/banana-peel-x/freedom-learn.git项目场景: 解决面试时遗留的问题,面试官提了两个问题:1.单片机能跑深度学习的模型吗? 2.为什么FreeRTOS要采用SVC去触发第一个任务,只用Pend…...
背单词软件开发英语app开发,超级单词表开发,河南数匠软件开发
在数字化教育浪潮席卷全球的当下,英语教育行业面临着教学模式创新与教学效率提升的双重挑战。如何借助技术力量,为学生提供更优质、更高效的英语学习体验,成为众多英语教育机构亟待解决的问题。河南数匠软件开发有限公司,作为专注…...
AI视觉质检的落地困境与突破路径
摘要 人工智能(AI)视觉质检技术凭借其在提升效率、降低成本和优化质量控制方面的巨大潜力,正成为现代制造业转型升级的关键驱动力。然而,尽管前景广阔,AI视觉质检在实际落地过程中仍面临诸多严峻挑战,主要…...
检测内存条好坏有工具,推荐几款内存检测工具
检测内存条的好坏其实很重要,这直接就关系到计算机是不是能够稳定的运行,也有一部分人就会关注内存检测的工具。你应该如何来选择的,不如看一下以下的这几个。 MemTest86是一个比较受到大家喜欢的内存检测工具,会支持各种类型&…...
认识tomcat(了解)
启动 1. windows版本 解压后,就能用,启动,是bin路径下的startup.bat , 关闭是ctrl C . 启动后,可以访问 http://127.0.0.1:8080。为什么是8080,因为如下这个配置文件 部署 将项目放置到webapps目录下,即…...
[20250507] AI边缘计算开发板行业调研报告 (2024年最新版)
[20250507] AI边缘计算开发板行业调研报告 (2024年最新版) 一、行业背景 随着物联网设备激增与AI模型轻量化,边缘计算成为AI落地核心场景。AI边缘计算开发板(Edge AI Board)作为硬件载体,需满足低延迟…...
前端实现文件下载
目录 1.说明 2.示例--excel 3.示例--csv 1.说明 在开发中经常会出现下载csv或者excel文件,可以通过后端下载,也可以通过前端下载,如果在前端页面中可以直接获取到要下载的数据,可以通过前端下载的方式,更加高效便捷…...
深入理解Redis缓存与数据库不一致问题及其解决方案
什么是Redis缓存数据与数据库不一致 在现代应用中,Redis作为一种高速缓存系统,被广泛用于提升系统性能。Redis缓存数据与数据库不一致,指的是缓存中的数据与数据库中的数据不匹配,导致读取缓存时得到的不是最新或正确的数据。 R…...
六级阅读———2024.12卷一 仔细阅读2
文章 An awakening has been taking place in the physical world against the beauty model that has been dictated to us for years.But in the digital arena,social media determines what is considered beautiful.(51) The two opposing struggles are taking place i…...
【Python】字符串 转为 JSON 格式的注意事项
1. 字符串转json 我们如果使用sql存储json格式,要将json转为字符串才能转。 存入sql前,字典格式转json字符串可以用这个: Table_ [{"id": 1,"name": "Alice","task": 25,"work": &quo…...
镜像和容器的管理
一、镜像的管理 获取镜像并生成相关容器 # 拉取镜像 docker pull alpine # 默认是latest,也就是最新版本,也可指定版本(在镜像名后边加“:版本号”) # 或者 # 从主机中导入镜像到docker中 docker image load -i /test#生成容器 …...
Scrapy框架之Scrapyd部署及Gerapy分布式爬虫管理框架的使用
Scrapyd Scrapyd 是一个用于部署和运行 Scrapy 爬虫的服务器。 1.安装 Scrapyd服务端:pip install scrapyd Scrapyd客户端:pip install scrapyd-client 运行scrapyd 浏览器输入http://127.0.0.1:6800/ 2.配置 安装完成后,需要对 Scra…...
【uniapp】errMsg: “navigateTo:fail timeout“
项目场景: 在点击编辑的时候不能跳转的编辑的页面,然后直接报错errMsg: "navigateTo:fail timeout" 解决方案: 看看是否是出现了盒子的冒泡事件导致了两次调用跳转路径 tap.stop...
亿级流量系统架构设计与实战(五)
高并发写场景方案 1 : 数据分片之数据库分库分表 数据分片思想:可以将资源拆开分为多份,拆分的多份小的资源一起构成完整资源。 分库和分表 分库: 分库指的是将数据库拆分为多个小数据库,原来存储在单个数据库中的数据被分开存储到各个小数据库中。 分表:分表指的是将…...
机器学习——逻辑回归ROC练习
一、 题目要求: 给定以下二分类模型的预测结果,手动绘制ROC曲线并计算AUC值: y_true [0, 1, 0, 1, 0, 1] # 真实标签(0负类,1正类) y_score [0.2, 0.7, 0.3, 0.6, 0.1, 0.8] # 模型预测得分 代码展示…...
Kubernetes学习笔记
云计算三层模型 IaaS(基础设施即服务):提供虚拟化计算资源(如虚拟机、存储、网络)。 PaaS(平台即服务):提供应用开发和部署环境(如数据库、中间件、运行时)。…...
【DB2】DB2启动失败报错SQL1042C
在本地某次启动db2时报错SQL1042C,具体报错如下 [db2inst1standby ~]$ db2start 05/07/2025 16:32:53 0 0 SQL1042C An unexpected system error occurred. SQL1032N No start database manager command was issued. SQLSTATE57019在网上百度到说是需要…...
Redis相关命令详解与原理
Redis是什么? Redis 是Remote Dictionary Server(Redis) 的缩写,是一个使用 C语言编写、遵守BSD协议、支持网络、可基于内存亦可持久化的日志型的Key-Value数据库,并提供多种语言的API。 它是一种 NoSQL(not-only sql,…...
[吾爱出品][Windows] 产品销售管理系统2.0
[Windows] 产品销售管理系统 链接:https://pan.xunlei.com/s/VOPej1bHMRCHy2np9w3TBOyKA1?pwdgjy7# 使用方法:1、先设置一下图片保存路径 2、维护产品。客户等基础信息。例如:销售类型:一次性 销售编码:RCX。 3、销…...
基于OpenTelemetry的分布式链路追踪Trace实现(PHP篇)
目录 引言一、OpenTelemetry是一套可观测性标准协议二、分布式追踪(Trace)是OpenTelemetry的核心功能之一三、OpenTelemetry的架构原理四、OpenTelemetry的分布式追踪(Trace)实践1、准备PHP环境2、下载SDK3、编写实例代码…...
电气工程中漏源电压Vds的平台电压是什么?
在MOSFET(金属 - 氧化物 - 半导体场效应晶体管)中,漏源电压 VDS 的平台电压是其输出特性曲线中的一个关键概念。 定义 在MOSFET的输出特性曲线里,当器件工作于饱和区时,漏源电流ID对漏源电压VDS的变化不太敏感&…...
第35周Zookkeeper+Dubbo Dubbo
Dubbo 详解 一、Dubbo 是什么 官网与定义 Dubbo 是一款高性能、轻量级的开源服务框架,其官网为 double.apache.org,提供中文版本(网址含 “zh”)。 核心能力 Dubbo 具备六大核心能力: 面向接口代理的高性能 RPC …...
allegro出gerber时,单击Artwork并没有弹窗的问题
使用allegro出gerber时,有时点击 Artwork图标并未如愿以偿的弹出窗口。。。 可按下面尝试恢复,注,删除前可先备份该两支文件。。。 看时间戳,删除最近的下面标红两支文件即可。...
【神经网络与深度学习】VAE 中的先验分布指的是什么
VAE 中的先验分布是什么? 在 变分自编码器(VAE) 中,先验分布指的是对潜在空间中随机变量的概率分布假设。通常情况下,VAE 设定潜在变量服从 标准正态分布 ( N(0, I) ),其中 ( 0 ) 代表均值为零的向量&…...
信息革命对经济、货币体系及权力结构的颠覆性影响
一、地理束缚的瓦解与权力转移 生产要素去实体化 思想、知识与数据取代实物资产成为核心价值来源,光速传播特性使经济活动突破物理边界。跨境远程医疗、跨国虚拟企业等新形态挑战传统管辖权概念,政府难以通过地域垄断攫取超额收益。 管辖权竞争白热化 …...
leetcode文件级全局变量会在测试用例之间相互影响
背景:在做Leetcode 743使用文件级全局变量idx,不同用例之间idx一直在。参考leetcode的文档: 解决办法:我选择在核心函数的开头,加入初始化代码(每次用例调用都会重新初始化至原始状态)...
如何查看电脑显卡配置参数 一文读懂
显卡是电脑的重要硬件之一,尤其对于游戏玩家、设计师、视频编辑等用户来说,显卡的性能直接影响电脑的使用体验。如果您想知道电脑的显卡信息,或者打算升级显卡,那么了解如何查看显卡配置是非常必要的。本文将为您提供多种简单实用…...
获取嵌入(Embeddings)的方法与实践
获取嵌入(Embeddings)的方法与实践 摘要 本文详细介绍了获取嵌入(Embeddings)的多种方法,包括降维技术和神经网络训练方法。通过具体的实例和可视化展示,我们将了解如何将高维数据转换为有意义的低维表示,以及如何根据具体任务需求选择合适…...
【国产化】在银河麒麟ARM环境下离线安装docker
1、前言 采用离线安装的方式。 关于离线安装的方式官网有介绍,但是说的很简单,网址:Binaries | Docker Docs 官网介绍的有几种主流linux系统的安装方式,但是没有kylin的,所以在此记录一下。 在安装过程中也遇到了些…...
基于大模型的子宫平滑肌瘤全周期预测与诊疗方案研究
目录 一、引言 1.1 研究背景与意义 1.2 研究目的与创新点 二、大模型技术原理与应用现状 2.1 大模型概述 2.2 相关技术原理 2.3 医疗领域应用现状 三、子宫平滑肌瘤术前预测 3.1 预测指标与数据收集 3.2 大模型预测模型构建 3.3 预测结果分析与应用 四、子宫平滑肌…...
SpringBoot 集成 Ehcache 实现本地缓存
SpringBoot 集成 Ehcache 实现本地缓存_springboot ehcache-CSDN博客...
linux下MySql的安装与配置
一键三联,把mysql的安装与配置也写了,供各位参考。 --------------------------------------MySql的安装与配置-------------------------------------- 1 将下载的 压缩包解压到指定目录 tar -zxvf mysql-5.7.26-linux-glibc2.12-x86_64.tar.gz 卸载…...
普通IT的股票交易成长史--20250507晚复盘
声明:本文章的内容只是自己学习的总结,不构成投资建议。价格行为理论学习可参考简介中的几位,感谢他们的无私奉献。 送给自己的话: 仓位就是生命,绝对不能满仓!!!!&…...
准确---Typora配置Gitee图床并实现自动图片上传
下载地址:https://github.com/Molunerfinn/picgo/releases 安装就直接下一步,下一步就行 安装完以后然后回到Typora上偏好设置指定一下路径 默认是 C:\Program Files\PicGo\PicGo.exe 并且还需要选择规则 接下来就需要去PicGo上面配置了 配置之前需要去…...
力扣热题100之回文链表
题目 给你一个单链表的头节点 head ,请你判断该链表是否为回文链表。如果是,返回 true ;否则,返回 false 。 代码 方法一: 将链表值复制到数组中,在数组中判断是否是回文列表 # Definition for singl…...
基于Node.js的Web爬虫: 使用Axios和Cheerio抓取网页数据
1. 环境准备 在开始之前,请确保计算机上已安装Node.js mkdir webScraper cd webScraper npm init -y npm install axios cheerio expressaxios: 用于发送HTTP请求。cheerio: 用于解析和操作HTML。express: 用于创建Web服务器。 2. 创建爬虫 在文件夹中创建一个新…...
如何用命令行判断一个exe是不是c#wpf开发的
在powershell下执行 $assembly [Reflection.Assembly]::ReflectionOnlyLoadFrom("你的exe全路径") $references $assembly.GetReferencedAssemblies() echo $assembly $references | Where-Object { $_.Name -match "PresentationFramework|PresentationCore…...
SpringBoot项目接入DeepSeek
在这个demo当中,我使用的是JDK8Spring Boot 2.6.x,下面直接给大家附上完整的代码。 一、项目结构 deepseek - demo/ ├── src/ │ ├── main/ │ │ ├── java/ │ │ │ └── cn/ │ │ │ └── mzl/ │ │ │ …...