LNR-server-01-input-data-processing

📣 Aviso importante

⚠️ Dado que el artículo está bajo revisión, actualmente no se permite a nadie reutilizar ninguno de los contenidos de este repositorio hasta que se elimine este anuncio. ¡Gracias por su comprensión! 🙏

Related MCP server: mcp-image-compression

1. Descripción general y objetivos

Este repositorio contiene la implementación completa, los datos experimentales y los resultados complementarios para el artículo ××× desarrollado por la XXX University en China, y .

Pendiente de publicación, el código se comparte bajo una licencia restrictiva. Una vez que se acepte el artículo, el repositorio pasará a una licencia MIT. Por favor, póngase en contacto con el autor correspondiente para cualquier consulta relacionada con el uso académico durante el período de revisión.

2. Vídeos del funcionamiento de los agentes

2.1 Funcionamiento del prototipo desarrollado

↓↓↓ Una demostración del uso del prototipo desarrollado para operar los agentes TCG-TE LNR utilizando herramientas MCP guiadas por grafos

El vídeo completo se puede encontrar aquí

↓↓↓ Una demostración del uso del prototipo desarrollado para integrar un nuevo servidor MCP a los agentes TCG-TE LNR

El vídeo completo se puede encontrar aquí

2.2 Funcionamiento de agentes basados en el patrón NPG-TE

↓↓↓ Un fragmento del funcionamiento del agente NPG-TE con herramientas MCP discretas impulsado por GPT-5.

↓↓↓ Una captura de pantalla de la respuesta del agente

El vídeo completo se puede encontrar aquí

↓↓↓ Un fragmento del funcionamiento de los agentes NPG-TE con herramientas MCP discretas impulsado por GPT-4o.

↓↓↓ Una captura de pantalla de la respuesta del agente

El vídeo completo se puede encontrar aquí

2.3 Funcionamiento de agentes basados en el patrón TCG-TE

↓↓↓ Un fragmento del funcionamiento de los agentes TCG-TE con herramientas MCP guiadas por grafos impulsado por Claude sonnet 3.7.

El vídeo completo se puede encontrar aquí

↓↓↓ Un fragmento del funcionamiento de los agentes TCG-TE con herramientas MCP guiadas por grafos impulsado por GPT-4.1.

↓↓↓ Una captura de pantalla de la respuesta del agente

El vídeo completo se puede encontrar aquí

3. Estructura del repositorio

4. Agradecimientos

Este trabajo depende en gran medida de excelentes proyectos de código abierto, incluyendo, pero no limitado a:

• LangGraph y LangChain

• Tabla de clasificación MTEB de Hugging Face

• NetworkX, PyTorch Geometric y numerosos proveedores de LLM (OpenAI, Anthropic, Qwen, Llama, etc.)

Estamos profundamente agradecidos a todos los colaboradores de estos trabajos fundamentales.