AI Agent+MCP从0到1打造商业级编程智能体资源介绍:
AI Agent+MCP从0到1打造商业级编程智能体2025
课程会带大家开发一个编程智能体，智能体可以自动编写前后端代码，并且在docker沙盒中进行调试和发布，前端依赖Nginx搭建静态资源服务器，后端比较复杂，需要使用FAAS服务搭建。智能体可以提供API接口，供外部服务调用后改造成自动化任务。写作可以修改提示词后支持。绘图需要结合ComfyUI工作流（接入Flux模型）进行支持，有一定门槛
资源目录:
├── 第1章 课程简介/
│ ├── [ 91M] 1-1导学：什么是AIAgent，如何更好地学习AIAgent？
│ └── [199M] 1-2【课程答疑和指导】2025.6.9-6.15
├── 第2章 智能体必学必会的那些事一AI智能体的基础概念和技术架构/
│ ├── [ 69M] 2-1什么是智能体？常见的AI智能体能力展示
│ ├── [150M] 2-2主流智能体产品介绍和效果对比（DeepResearch、Manus、GLM沉思、通义千问）
│ ├── [ 44M] 2-3智能体的核心特性：自主性、适应性、交互性
│ ├── [ 53M] 2-4智能体和大模型的区别
│ ├── [ 46M] 2-5智能体5级分层及商业应用
│ ├── [ 14M] 2-6智能体技术架构讲解——Langgraph+LLM+Tools+MCP+RAG
│ └── [ 40M] 2-7本章知识总结和回顾
├── 第3章 AI智能体开发之大模型调用 (AI Agent的 大模型能力)/
│ ├── [ 56M] 3-1python多版本管理工具anaconda使用方法
│ ├── [ 66M] 3-2python项目管理工具uv安装和应用
│ ├── [ 33M] 3-3智能体开发流程&Ollama本地大模型部署
│ ├── [ 70M] 3-4使用langchain-ollama库调用本地大模型
│ ├── [ 23M] 3-5ollama大模型的流式调用
│ ├── [ 56M] 3-6阿里云百炼平台大模型调用
│ ├── [ 63M] 3-7百炼平台推理大模型调用
│ ├── [ 52M] 3-8LangChain框架基本特性和概念介绍
│ └── [ 27M] 3-9本章重点内容回顾和复习
├── 第4章 AI智能体开发之LangChain大模型工具开发 (Agent工具能力)/
│ ├── [ 51M] 4-1langchain_openai实例化qwen大模型+pydanticSecretStr加密api_key
│ ├── [ 35M] 4-2提示词模板之文本提示词PromptTemplate
│ ├── [ 50M] 4-3对话提示词模板ChatPromptTemplate用法
│ ├── [ 29M] 4-4ChatPromptTemplate+ChatMessagePromptTemplate联合实现对提示词+消息体的抽象和复用
│ ├── [ 55M] 4-5FewShotPromptTemplate通过提示词实现大模型少样本学习
│ ├── [ 45M] 4-6提示词模板对比及场景分析+链式调用大模型
│ ├── [ 84M] 4-7大模型调用自定义工具全流程开发
│ ├── [ 45M] 4-8tool装饰器注册工具+args_schema精确控制工具入参
│ └── [ 52M] 4-9本章重点内容回顾和复习
├── 第5章 AI智能体开发之内置工具调用+返回体控制能力(Agent的智能体整合能力)/
│ ├── [ 70M] 5-1使用langchain.agents库快速完成智能体创建和调用
│ ├── [112M] 5-2应用JsonOutputParser规范智能体返回值
│ ├── [ 62M] 5-3PythonPerl基本用法介绍
│ ├── [ 98M] 5-4利用PythonPerlTool自动编写企业官网
│ ├── [ 53M] 5-5智能体企业官网提示词修改和优化
│ ├── [ 68M] 5-6langchain基础解析器讲解——精准控制大模型响应结果
│ ├── [ 43M] 5-7langchainDateOutputParser实现将自然语言转为日期格式
│ └── [ 46M] 5-8本章重点内容回顾和复习
└── 第6章 AI智能体开发之深入MCP协议(AI Agent 的外部工具能力)/
├── [ 32M] 6-1本章内容概览——走近MCP
├── [101M] 6-2彻底搞懂MCP的原理和发展现状
├── [ 52M] 6-3高德MCP服务接入原理讲解
├── [ 77M] 6-4使用langchain_mcp_adatpers创建高德MCP客户端
├── [172M] 6-5结合高德MCP使智能体具备位置服务能力
├── [180M] 6-6基于高德MCP的复杂路径规划+可视化展示
├── [149M] 6-7MCP通讯协议之stdio——实现本地MCP服务端+客户端
└── [ 62M] 6-8本章重点内容回顾和复习
├── 第7章 AI智能体开发之Cursor+MCP接入(AI Agent 的智能化工具)/
│ ├── [ 92M] 7-1本章内容概览+Node环境搭建
│ ├── [ 82M] 7-2LangChain+MCP读取Playwright工具
│ ├── [ 77M] 7-3LangGraph+create_react_agent创建智能体运行Playwright工具
│ ├── [135M] 7-4Playwright工具执行流程分析+日志结构化输出
│ ├── [ 58M] 7-5Cursor下载、安装并接入PlaywrightMCP服务
│ ├── [ 73M] 7-6Cursor+高德MCP服务制定旅行计划
│ ├── [ 69M] 7-7Cursor+GithubMCP服务集成
│ ├── [252M] 7-8小项目：Cursor+GithubMCP二次开发vue-element-admin项目
│ ├── [ 64M] 7-9LangGraphagent接入GithubMCP服务
│ └── [ 33M] 7-10本章重点内容回顾和复习
├── 第8章 AI编程智能体项目规划+多轮对话能力实现(AI Agent的多轮对话能力)/
│ ├── [134M] 8-1项目目标及整体架构设计
│ ├── [ 57M] 8-2多轮对话能力原理介绍
│ ├── [ 46M] 8-3多轮对话LCLE创建
│ ├── [ 32M] 8-4使用对话历史类ChatMessageHistory解决历史对话注入问题
│ ├── [ 30M] 8-5基于RunnableWithMessageHistory构建多轮对话Runnable实例
│ ├── [ 87M] 8-6多轮对话交互实现
│ ├── [ 73M] 8-7使用FileChatMessageHistory实现会话持久化
│ ├── [ 94M] 8-8将agent集成到多轮对话
│ ├── [ 40M] 8-9LangChain核心组件Runnables介绍
│ ├── [121M] 8-10Runnables组件核心功能演示
│ └── [ 48M] 8-11本章重点内容回顾和复习
├── 第9章 AI编程智能体记忆能力实现(AI Agent的记忆能力)/
│ ├── [146M] 9-1本章内容概览+Agent内存记忆能力实现
│ ├── [ 82M] 9-2Windows&MacOSRedis环境搭建
│ ├── [109M] 9-3运用RedisSaver实现Agent会话持久化
│ ├── [102M] 9-4MongoDB环境搭建&MongoDB持久化实现
│ ├── [ 66M] 9-5文件持久化原理讲解+手写FileSaver实例化
│ ├── [190M] 9-6文件持久化FileSaver存储方法put实现
│ ├── [144M] 9-7文件持久化FileSaver恢复方法get_tuple实现
│ ├── [ 94M] 9-8基于FileSaver的agent多轮对话能力实现
│ ├── [106M] 9-9（加餐）使用Docker安装redis服务
│ ├── [ 59M] 9-10（加餐）使用Docker安装mongodb服务
│ ├── [ 44M] 9-11（加餐）mongosh命令行工具安装和使用
│ └── [ 63M] 9-12本章重点内容回顾和复习
├── 第10章 AI编程智能体开发之终端控制工具开发( AI Agent的终端控制能力)/
│ ├── [119M] 10-1本章内容概览+subprocessrun方法讲解
│ ├── [ 68M] 10-2subprocessPopen方法实战
│ ├── [194M] 10-3mcp工具封装+agent集成shellmcp工具
│ ├── [266M] 10-4智能体流失输出+输出结果视觉优化
│ ├── [ 56M] 10-5MacOS终端工具原理介绍+关闭终端工具开发
│ ├── [122M] 10-6终端新增工具开发
│ ├── [ 60M] 10-7实现向终端输入脚本命令+获取终端全部信息
│ ├── [125M] 10-8使用Cursor封装终端mcp工具
│ ├── [ 89M] 10-9windows利用psutil+pyautogui开发powershell控制工具
│ └── [ 37M] 10-10本章重点内容回顾和复习
