前言
🤖 "未来不是属于会写代码的人，而是属于会指挥 AI 写代码的人。而 Agent，就是连接人类意图与 AI 能力的桥梁。"
为什么写这本书？
2023 年以来，大语言模型（LLM）引发了一场技术革命。但很多人发现，单纯的"对话"远远不够——我们需要 AI 能够自主决策、使用工具、完成复杂任务。这就是 Agent（智能体） 诞生的意义。
然而，Agent 开发的学习资料分散在各种论文、博客和框架文档中，缺乏一个系统化、面向初学者、注重实战的学习路径。这本书正是为了填补这个空白。
这本书适合谁？
- 🐍 有 Python 基础的开发者，想进入 AI Agent 领域
- 🎓 对 LLM 感兴趣的学生或研究者，想了解 Agent 的原理与实现
- 💼 产品经理或技术负责人，想理解 Agent 的能力边界与应用场景
- 🔧 已经在用 ChatGPT 等工具，想更深入理解和定制 AI 能力的人
这本书的特色
| 特色 | 说明 |
|---|---|
| 📖 由浅入深 | 从"什么是 Agent"讲起，逐步深入到多 Agent 系统、强化学习训练和生产部署 |
| 🐍 Python 实战 | 每章都有可运行的 Python 代码示例，边学边练 |
| 🎨 图文并茂 | 大量架构图、流程图、时序图，帮助直观理解概念 |
| 🔨 项目驱动 | 3 个完整的综合项目，从需求到部署全流程实战 |
| 🌐 紧跟前沿 | 覆盖 LangChain、LangGraph、MCP/A2A/ANP 协议、上下文工程、Agentic-RL 等最新技术 |
| 📚 学术追溯 | 每章配有权威论文引用和参考文献，从符号主义到 LLM 驱动的完整学术谱系 |
| 📊 评估体系 | 深度拆解 BFCL、GAIA、AgentBench、SWE-bench 等主流基准测试 |
如何使用这本书？
每章结构：
- 概念讲解 —— 用通俗的语言和类比解释核心概念
- 架构图示 —— 用清晰的图表展示系统设计
- 代码实战 —— 完整可运行的 Python 代码
- 练习挑战 —— 动手练习巩固所学
- 延伸阅读 —— 推荐论文和资源
技术栈概览
本书主要使用以下技术栈：
- 编程语言：Python 3.11+
- 核心框架：LangChain, LangGraph, OpenAI Agents SDK
- LLM 服务：OpenAI API（GPT-4o/GPT-5）, Anthropic（Claude 4）, 开源模型（Llama 4, Qwen 3）
- Agent 协议：MCP（Model Context Protocol）, A2A（Agent-to-Agent）, ANP（Agent Network Protocol）
- 向量数据库：ChromaDB, FAISS
- Web 框架：FastAPI
- 其他工具：Docker, Pydantic, asyncio, uv
准备好了吗？让我们一起开启 Agent 开发之旅！🚀