11 KiB
🤖 Agent Craft —— 从零打造你的第一个 AI Agent
✅ 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。
📘 项目简介
你是否想亲手构建一个能调用工具、查询知识库、记住对话历史的 AI 智能体，却不知从何下手？
Agent Craft 就是为你准备的实战指南。
这是一套「博客讲解 + 可运行代码」双驱动的教学项目，带你从零开始，
用 LangChain、LangGraph、RAG 等主流工具，一步步构建真正可用的 AI Agent。
我们不堆砌抽象概念，也不止于 API 调用——
而是通过每一个可运行的示例，深入关键机制：
- RAG 如何连接私有知识？
- State 在 LangGraph 中如何流转？
- Agent 是怎样决策并调用工具的？
在动手中学原理，在实战中建系统。
-
📌 所有代码独立成章、注释清晰、本地可跑
-
📖 每一模块配套 CSDN 深度解析，讲清“怎么做”也说明“为什么”
💡 目标很简单：让你不仅能做出 Agent，更能看懂它如何思考与行动。
🧭 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 08 LangGraph 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 | 🏠 | 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 · 缓存 · 流式输出 | ⭐⭐⭐ | |
| 06 RAG 基础篇 | 🏠 | RAG概念 · Split · Embedding · FAISS · RAG 链 | ⭐⭐ | |
| 07 RAG 进阶篇 | 🏠 | Chroma · Reranker · RAG工具化 · 集成 | ⭐⭐⭐ | |
| 08 LangGraph 基础篇 | 🏠 | Langgraph三要素 · LangSmith · ReAct · 提示词安全注入 | ⭐⭐⭐ | |
| 09 LangGraph 进阶篇 | 🚧撰写中 | Multi-Agent · Human-in-the-Loop · “总控-员工”架构 |
⭐⭐⭐⭐ | |
| 🧠 智能篇 | 10 MCP 基础 (Client) | 🚧 | MCP 协议 · CherryStudio · 消费公共 MCP |
⭐⭐⭐ |
| 11 MCP 进阶 (Server) | 🚧 | 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 ~ 08。
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
📌 后续模块将陆续开放（MCP、多智能体、Streamlit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[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
# 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
LANGCHAIN_API_KEY=your_langsmith_api_key
💡 获取API Key: 访问 DeepSeek官网、LangSmith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"
4️⃣ 运行测试
项目已集成CI/CD流程，包含基本测试和代码检查。你可以通过以下方式运行测试：
# 直接运行测试脚本（推荐，不需要安装额外依赖）
python tests/test_basic.py
# 或者使用pytest（如果已安装）
python -m pytest tests/ -v
测试将检查项目目录结构完整性和基本模块导入情况，即使部分依赖未安装，也能完成基本检查。
🤝 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
🌟 如果这个项目帮到了你，请给我点个 Star ⭐，让更多人看到它！