GLM-Z1-AirX（极速版）：国内最快推理模型，推理速度高达200 tokens/s，8倍于常规速度；
GLM-Z1-Air（高性价比版）：价格仅为DeepSeek-R1的1/30，适合高频调用场景；
GLM-Z1-Flash（免费版）：支持免费使用，进一步降低模型使用门槛。
离线流程，文档被分割成块，编码成向量，并存储在向量数据库（ES/Milvus）中。 线上流程 Agentic 路由，根据查询类型，Agent从多种检索选项中检索相关数据， 生成，将原始问题和检索到的内容送入大模型（GLM-Z1-AirX）中，生成最终答案。
Agentic RAG问答流程（GLM-Z1-AirX）
pip install --upgrade zhipuaifrom zhipuai import ZhipuAIclient = ZhipuAI(api_key="") # 填写您自己的APIKeyresponse = client.chat.completions.create(model="GLM-Z1-AirX", # 填写需要调用的模型编码messages=[{"role": "user", "content": "你好"}],stream=True,)for chunk in response:content = chunk.choices[0].delta.contentprint(content)
MCP 主机 —— LLM 应用程序（例如 Cursor），管理连接 MCP 客户端 —— 与 MCP 服务器保持一对一连接 MCP 服务器 —— 为 LLM 提供上下文、工具和能力
在MCPClient.py，首先利用list_tools让MCP Server上所有可用的工具信息
将第一步拼接的工具信息（名称、描述、参数）传给大模型（GLM-Z1-AirX），这里可以用支持Funciton Call的大模型，也可以采用ReAct的方式。
GLM-Z1-AirX会选择使用哪个工具，之后通过call_tool让MCP Server执行工具并返回结果
工具执行的结果存入消息历史，一起送入GLM-Z1-AirX，给出解析的答案
最后，可以看一个GLM-Z1-AirX以ReAct方式调用工具的示例，3.6s完成，非常快速！
https://hf-mirror.com/collections/THUDM/glm-4-0414-67f3cbcb34dd9d252707cb2ehttps://github.com/modelcontextprotocol/python-sdk
