🤖 Agent Craft
智能体开发教学库 | A beginner-friendly guide to building AI agents
📘 项目简介
Agent Craft 是一个系统性开源教学项目，采用 「博客讲解 + 代码实践」双驱动模式，带你从零构建完整的 AI Agent 开发能力。
- 📄 配套博客详解：每章内容均配有 CSDN 深度文章，涵盖原理剖析、代码解析与调试技巧
- 💻 可运行代码仓库：每个模块对应独立目录，含完整代码、详细注释与运行指引，支持本地复现
- 🚀 内容覆盖：从 Prompt 工程 到 LangChain / LangGraph / RAG / SDK 封装
- ⚙️ 能力进阶：涵盖 智能体思维链、工具调用、任务规划、多智能体协作
💡 本仓库目标：帮助开发者从零构建可运行的智能体应用，真正理解 Agent 的底层逻辑，而不仅仅是“调用框架”。
🧭 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 04 LangChain 基础，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 | 🏠 | OpenAI API | ⭐ |
| 02 LLM 基础调用 | 🏠 | LLM API 调用 · prompt · 上下文记忆 | ⭐ | |
| 03 Function Calling 与工具调用 | 🏠 | Function Call · 工具函数封装 | ⭐⭐ | |
| ⚙️ 框架篇 | 04 LangChain 基础篇 | 🏠 | LLM · Prompt · Chain · Memory | ⭐⭐ |
| 05 LangChain 进阶篇 | 🏠 | Agents · 多链协作 · 缓存 | ⭐⭐⭐ | |
| 06 LangGraph 入门 | 🚧撰写中 | Flow · Node · Edge 控制 | ⭐⭐⭐ | |
| 07 RAG 基础篇（Embedding & 向量） | 🚧 | 向量化 · 检索匹配 | ⭐⭐ | |
| 08 RAG 进阶篇（检索 + 生成） | 🚧 | RAG Pipeline · QA 系统 | ⭐⭐⭐ | |
| 🧠 智能篇 | 09 MCP 基础 | 🚧 | MCP 协议 · 客户端安装 | ⭐⭐ |
| 10 MCP 进阶 | 🚧 | 在线模型接入 · 多轮任务 | ⭐⭐⭐ | |
| 11 MCP 高级 | 🚧 | 多服务组合 · 并发调用 | ⭐⭐⭐⭐ | |
| 12 多步骤任务规划（MCP Task Planning） | 🚧 | Task Planning · CoT | ⭐⭐⭐ | |
| 13 多智能体协作 | 🚧 | Multi-Agent · 通信机制 | ⭐⭐⭐⭐ | |
| 14 综合案例实战 | 🚧 | LangChain + RAG + Tool + Memory | ⭐⭐⭐⭐ | |
| 🚀 工程篇 | 15 部署与本地化 | 🚧 | Ollama · LM Studio · API代理 | ⭐⭐⭐ |
| 16 Agent SDK 封装 | 🚧 | 模块化封装 · SDK 架构 | ⭐⭐⭐⭐ |
🧩 当前学习建议（适用于已完成模块）
目前已开放模块：01 ~ 04。
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
📌 后续模块将陆续开放（LangGraph、RAG、MCP、多智能体等）
🧠 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：
flowchart LR
A[Prompt 层] --> B[LLM 核心调用]
B --> C[LangChain 工具链]
C --> D[LangGraph 流程控制]
D --> E[RAG 检索增强生成]
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
# 克隆项目
git clone https://github.com/Annyfee/agent-craft.git
cd agent-craft
# 安装依赖
pip install -r requirements.txt
2️⃣ API Key 配置
# 复制环境变量模板
cp .env.example .env
在 .env 文件中配置：
OPENAI_API_KEY=your_deepseek_api_key_here
💡 获取API Key: 访问 DeepSeek官网 注册并获取API Key
3️⃣ 运行示例
python "01 Agent 入门 & 环境搭建/Agent-demo.py"
🤝 参与和交流
欢迎提交 Issue / PR / 改进建议
如果有商业/技术交流需求，请联系我:
📬 微信：a19731567148（备注 GitHub）
📖 个人博客：CSDN 主页