185 lines
11 KiB
Markdown
185 lines
11 KiB
Markdown
# 🤖 Agent Craft —— 从零构建全栈AI智能体
|
||
|
||
> ✅ **系统性开源教学项目**，手把手带你用 Python 构建可运行的 AI Agent，涵盖 Prompt、LLM、LangChain、RAG、LangGraph、MCP 到部署发布全流程。
|
||
|
||
[](https://github.com/Annyfee/agent-craft/actions/workflows/ci.yml)
|
||
|
||
## 📘 项目简介
|
||
|
||
如果你正在学习 AI 智能体开发，却卡在“知道概念但不会动手”或“会调 API 但不懂原理”的阶段——
|
||
**Agent Craft 就是为你设计的学习路径。**
|
||
|
||
我们从最基础的 LLM 调用开始，一步步带你构建完整的 Agent 能力栈：
|
||
- 让模型调用外部工具（Function Calling）
|
||
- 接入私有知识库实现问答（RAG）
|
||
- 用 LangGraph 实现带状态、可调试的决策流程
|
||
- 整合记忆、工具与检索，打造真正可用的智能体
|
||
|
||
所有内容围绕两个原则展开：
|
||
- 💻 **代码可运行**：每个模块独立、注释清晰、本地一键复现
|
||
- 📖 **原理可理解**：配套 CSDN 博客详解设计思路与关键机制
|
||
|
||
> 💡 **我们不重复造轮子，但也不止于调用框架**——
|
||
> 而是在 LangChain、LangGraph 等主流工具中，看清 Agent 是如何思考、决策与行动的。
|
||
|
||
|
||
---
|
||
|
||
## 🧭 模块总览（16 模块）
|
||
|
||
> 💡 每个模块对应独立目录（含代码、说明与示例），可独立运行与学习。
|
||
> 🔥 已更新至 10 MCP 基础篇，持续更新中！
|
||
|
||
| 章节 | 模块 | 博客 | 核心关键词 | 难度 |
|
||
|:-----------:|:--------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------:|:---------------------------------------------------------|:-----:|
|
||
| 🏗️ **基础篇** | [01 Agent 入门 & 环境搭建](https://github.com/Annyfee/agent-craft/tree/main/01_agent_introduction) | [🏠](https://blog.csdn.net/2401_87328929/article/details/153729555) | OpenAI API | ⭐ |
|
||
| | [02 LLM 基础调用](https://github.com/Annyfee/agent-craft/tree/main/02_llm_fundamentals) | [🏠](https://blog.csdn.net/2401_87328929/article/details/153735431) | LLM API 调用 · prompt · 上下文记忆 | ⭐ |
|
||
| | [03 Function Calling 与工具调用](https://github.com/Annyfee/agent-craft/tree/main/03_function_calling_tools) | [🏠](https://blog.csdn.net/2401_87328929/article/details/153866573) | Function Call · 工具函数封装 | ⭐⭐ |
|
||
| ⚙️ **框架篇** | [04 LangChain 基础篇](https://github.com/Annyfee/agent-craft/tree/main/04_langchain_basics) | [🏠](https://blog.csdn.net/2401_87328929/article/details/153978186) | LLM · Prompt · Chain · Memory | ⭐⭐ |
|
||
| | [05 LangChain 进阶篇](https://github.com/Annyfee/agent-craft/tree/main/05_langchain_advanced) | [🏠](https://blog.csdn.net/2401_87328929/article/details/154064397) | Agents · 缓存 · 流式输出 | ⭐⭐⭐ |
|
||
| | [06 RAG 基础篇](https://github.com/Annyfee/agent-craft/tree/main/06_rag_basics) | [🏠](https://blog.csdn.net/2401_87328929/article/details/154230067) | RAG概念 · Split · Embedding · FAISS · RAG 链 | ⭐⭐ |
|
||
| | [07 RAG 进阶篇](https://github.com/Annyfee/agent-craft/tree/main/07_rag_advanced) | [🏠](https://blog.csdn.net/2401_87328929/article/details/154408744) | Chroma · Reranker · RAG工具化 · 集成 | ⭐⭐⭐ |
|
||
| | [08 LangGraph 基础篇](https://github.com/Annyfee/agent-craft/tree/main/08_langgraph_basics) | [🏠](https://blog.csdn.net/2401_87328929/article/details/154576812) | Langgraph三要素 · LangSmith · ReAct · 提示词安全注入 | ⭐⭐⭐ |
|
||
| | [09 LangGraph 进阶篇](https://github.com/Annyfee/agent-craft/tree/main/09_langgraph_advanced) | [🏠](https://blog.csdn.net/2401_87328929/article/details/154803618) | Human-in-the-Loop · Graph-as-a-Tool · Multi-Agent 多智能体编排 | ⭐⭐⭐⭐ |
|
||
| 🧠 **智能篇** | [10 MCP 基础 (Client)](https://github.com/Annyfee/agent-craft/tree/main/m10_mcp_basics) | [🏠](https://blog.csdn.net/2401_87328929/article/details/155316396) | Stdio传输 · Streaming输出 · AsyncExitStack · 连接公共MCP | ⭐⭐⭐⭐ |
|
||
| | 11 MCP 进阶 (Server) | 🚧撰写中 | `Streamable HTTP` · `src layout` · 构建私有 MCP | ⭐⭐⭐⭐ |
|
||
| | 12 Swarm & Agents SDK | 🚧 | `Swarm` · `Handoff` · “航空公司客服”项目 | ⭐⭐⭐⭐ |
|
||
| 🏁 **实战篇** | 13 Streamlit 快速入门 | 🚧 | `st.chat_input` · `st.session_state` · 封装 RAG Agent | ⭐⭐⭐ |
|
||
| | 14 综合实战项目 | 🚧 | LangGraph + RAG + MCP + Streamlit + Vercel | ⭐⭐⭐⭐⭐ |
|
||
| 🚀 **工程篇** | 15 部署与本地化 | 🚧 | `Ollama` · `LM Studio` · `LangServe` | ⭐⭐⭐ |
|
||
| | **16 项目打包与发布** | 🚧 | `pyproject.toml` · `pip build` · `setuptools` · 发布 | ⭐⭐⭐⭐ |
|
||
|
||
---
|
||
|
||
## 🧩 当前学习建议（适用于已完成模块）
|
||
|
||
目前已开放模块：**01 ~ 10**。
|
||
建议按顺序学习，每一章都有完整代码示例与注释。
|
||
|
||
### ✅ 模块 01 — Agent 入门 & 环境搭建
|
||
|
||
- **目标**：理解 Agent 概念，完成环境配置与首次调用。
|
||
- **内容**：环境依赖｜API Key 配置｜最小可运行 Agent
|
||
|
||
### ✅ 模块 02 — LLM 基础调用
|
||
|
||
- **目标**：掌握模型调用逻辑，初步构建智能体能力。
|
||
- **内容**：LLM了解与调用｜Prompt编写与逻辑构思｜多轮对话记忆｜独立搭建一个智能体
|
||
|
||
### ✅ 模块 03 — Function Calling 与工具调用
|
||
|
||
- **目标**：实现 LLM 调用外部函数，赋予模型“执行力”。
|
||
- **内容**：Function calling原理｜工具函数封装｜API接入实践｜多轮调用流程｜Agent能力扩展
|
||
|
||
### ✅ 模块 04 — LangChain 基础篇
|
||
|
||
- **目标**：认识Langchain六大模块，学会用Langchain构建智能体。
|
||
- **内容**：LLM 调用｜Prompt 设计｜Chain 构建｜Memory 记忆｜实战练习
|
||
|
||
### ✅ 模块 05 — LangChain 进阶篇
|
||
|
||
- **目标**：掌握Langchain Agents的核心机制，构建能调用工具、持续思考、具备记忆的智能体。
|
||
- **内容**：Function Calling｜@tool 工具封装｜ReAct 循环｜Agent 构建｜SQL Agent｜记忆+流式｜开发优化
|
||
|
||
### ✅ 模块 06 — Rag 基础篇
|
||
|
||
- **目标**：理解Rag的概念与整个运行流程，并能够搭建一个可以引用外部知识库获取信息的智能体。
|
||
- **内容**：RAG 概念｜文本加载与分块 (Load & Split)｜向量化 (Embedding)｜向量存储 (FAISS)｜LCEL RAG 链
|
||
|
||
### ✅ 模块 07 — Rag 进阶篇
|
||
|
||
- **目标**：学会进阶的Chroma向量数据库，会Reranker精排序，最终将04到07所学的Langchain六大模块完整集成。
|
||
- **内容**：Chroma 持久化 | Reranker 精排 | RAG 工具化 | Langchain六大模块集成
|
||
|
||
### ✅ 模块 08 — LangGraph 基础篇
|
||
|
||
- **目标**：懂得Langgraph的三要素，会使用LangSmith调试当前agent，并能自己写一个简单的Langgraph流程。
|
||
- **内容**：Langgraph核心三要素｜ReAct循环白盒化实现 | LangSmith调试追踪 | 持久化记忆 | 提示词安全注入
|
||
|
||
### ✅ 模块 09 — LangGraph 进阶篇
|
||
|
||
- **目标**：学会人工审批机制的添加，子图工具化的封装与多智能体流程编排。最终可以融合这三个知识点做一个复杂Agent出来。
|
||
- **内容**：Human-in-the-Loop（人工干预）｜ Graph-as-a-Tool（图即工具）| Multi-Agent 多智能体编排
|
||
|
||
### ✅ 模块 10 — MCP 基础篇
|
||
|
||
- **目标**：能够用代码构建一个可连接MCP服务器的本地客户端，并可以流式输出。
|
||
- **内容**：Stdio传输 | Streaming输出 | Adapter适配器 | AsyncExitStack | JSON-RPC | MCP协议
|
||
|
||
> 📌 后续模块将陆续开放（Streamlit、Swarm等）
|
||
|
||
---
|
||
|
||
## 🧠 Agent Craft 的核心学习路径
|
||
|
||
> “让每个人都能真正理解 Agent 的底层逻辑，而不仅仅是调用框架。”
|
||
|
||
我们采用 **渐进式构建** 的教学理念，从最基础的 Prompt 开始，逐步搭建完整的 AI Agent 能力栈：
|
||
|
||
```mermaid
|
||
flowchart LR
|
||
A[Prompt 层] --> B[LLM 核心调用]
|
||
B --> C[LangChain 工具链]
|
||
C --> D[RAG 检索增强生成]
|
||
D --> E[LangGraph 流程控制]
|
||
E --> F[MCP 扩展能力]
|
||
F --> G[多智能体协作与规划]
|
||
G --> H[SDK 封装与部署]
|
||
```
|
||
|
||
## 🚀 快速开始
|
||
|
||
### 1️⃣ 环境准备
|
||
|
||
> 💡 **环境要求**: Python 3.10–3.12，Node.js v20+
|
||
|
||
|
||
```bash
|
||
# 1. 克隆项目
|
||
git clone https://github.com/Annyfee/agent-craft.git
|
||
cd agent-craft
|
||
|
||
# 2. 安装依赖
|
||
pip install -r requirements.txt
|
||
|
||
# 3. 以开发者模式安装项目（重要!）
|
||
pip install -e .
|
||
```
|
||
|
||
### 2️⃣ API Key 配置
|
||
|
||
```bash
|
||
# 复制环境变量模板
|
||
cp .env.example .env
|
||
```
|
||
|
||
在 `.env` 文件中配置：
|
||
|
||
```env
|
||
OPENAI_API_KEY=your_deepseek_api_key_here
|
||
LANGCHAIN_API_KEY=your_langsmith_api_key
|
||
AMAP_MAPS_API_KEY=your_gaode_api_key
|
||
```
|
||
|
||
> 💡 **获取API Key**: 访问 [DeepSeek官网](https://platform.deepseek.com/)、[LangSmith官网](https://smith.langchain.com/)、[高德地图官网](https://console.amap.com/dev/key/app)
|
||
> 注册并获取API Key
|
||
|
||
### 3️⃣ 运行示例
|
||
|
||
一切就绪！运行第一个 Agent 示例：
|
||
|
||
```bash
|
||
python "m01_agent_introduction/Agent-demo.py"
|
||
```
|
||
|
||
|
||
---
|
||
## 🤝 参与与交流
|
||
|
||
- 📬 提交 Issue / PR：欢迎提出改进建议或贡献代码！
|
||
- 📩 技术交流：微信 a19731567148（备注 Agent）
|
||
- 📚 博客主页：[CSDN 主页](https://blog.csdn.net/2401_87328929)
|
||
|
||
🌟 如果这个项目帮到了你，请给我点个 Star ⭐，让更多人看到它！
|
||
|