AI Agent智能體與MCP開發實踐：基於Qwen3大模型

質量不高的一本書，很多地方讀起來像是碩士論文，而且還是背景介紹的東西。技術的介紹泛而不精，如果快速翻翻了解相關概念還行，還是不要抱希望基於他能夠多深入的掌握agentic ai。有一些概念性的東西，mark下：1、qwen3在預訓練過程中，先以4K的序列長度進行基本能力構建，在25%以16K的長度和75%的32K序列長度進行長文本建模。這個過程其實很多模型都是這樣。另外，最後採用YARN將rope基礎頻率從10K提升到1M。2、Loss的參考公式L(N,D)=L*+A/(N^a)+B/(D^b)，其中N表示參數量，D表示訓練數據量。3、temperature：越高，預測的結果多樣性越大；4、RAG：傳統RAG將用戶問題轉爲向量，然後進行語義檢索，但是可能存在召回信息不完全、不精準、上下文長度受限問題；當前結合大模型的實現方式，包括問題表示、知識檢索、答案生成三個步驟。問題表示是將用戶的檢索轉爲語義向量，知識檢索與傳統有關鍵區別，會將問題與預先構建的知識庫的文檔進行相似度計算，找到若干相似的片段，比如網頁、論文等，最後拼裝成上下文有大模型生成；具體使用上，RAG檢索需要進行分塊處理，包括基於規則，特殊格式（比如MD、html等）、基於語義（比如基於embedding）5、思維鏈cot：需要構建思維鏈模板，讓模型學會結構化的思考；6記憶：短期記憶負責當前任務的即時信息，長期記憶更像知識圖譜，存儲用戶偏好、歷史行爲；工程實現上，短期記憶通常採用滑動窗口機制，僅保留N條對話或任務狀態，長期檢索則依賴於向量數據庫，將文本、行爲數據轉換爲高維向量，通過餘弦相似度實現快速檢索；7、LoRA：通過低秩分解近似原始權重更新量，在有效降低可訓練參數規模的同事，保留任務學習能力；8、垂域內容添加：微調、重新訓練、RAG，RAG進行文本相關性計算時，可以採用餘弦相似度或者BM25，BM的基本過程是，對於問題查詢，先進性語素解析，生成語素Q，然後對於每個語素Qi進行與文檔Dj的相關性計算，並進行加權求和，獲得該問題與文檔Dj的相關性得分；BM25主要是基於關鍵詞匹配，對於文本語義的理解深度有限，基於embedding的方法會更強一些；9、MCP：包括host、client和server，其中host是請求發起方比如claude，client將請求轉化爲格式化的消息，host則是服務提供方，可以部署在本地或遠端，mcp server作爲執行具體操作的一方，主要功能包括資源管理（比如文件、數據庫表）、工具管理（如SQL查詢）、請求處理和結果返回；10、stido和sse：mcp設計兼容標準輸入輸出stdio和服務器發送事件sse，其中stdio特別適用於本地集成和命令行工具，本質上是客戶端和服務器在同一機器上運行，通過子進程建立直接連接，通過進城的標準輸入和標準輸出進行交互；11、graido：可以將AI模型轉化爲交互式界面，輕量。其輸入輸出類型包括image、label、text/textbox、checkbox與number；12、langgraph：多智能體編排框架，通過圖結構定義代理間的交互邏輯，支持循環流程和動態決策，能夠實現多代理協作、任務自動化和複雜狀態管理。例如在需要多角色參與或者持續狀態更新的場景中，開發者可以通過節點和邊的連接邏輯顯式定義狀態轉移規則，而非依賴固定模板。他是一個基於圖結構的開源框架，突破了有向無環圖的憲制，支持循環（可以多次調用工具優化結果）和條件分支。其中，狀態定義作用是作爲工作流共享內存空間，實現跨節點傳遞和持久化關鍵狀態，繼承自langgraph的typeddict，強制類型安全，所有節點可以讀寫，實現跨節點數據共享；狀態管理：通過節點（執行步驟）和邊（執行順序與條件）構建圖結構，狀態可以在節點間傳遞並動態更新，例如節點可以調用llm或工具，條件邊根據狀態決定下一步操作；13、langgraph組件：有三個關鍵元素，狀態（可以是任何python數據類型，但通常是typeddict、pydantic basemodel）、節點（編輯代理邏輯的Python函數，接收當前state爲輸入，執行後返回一個更新的state）、邊（Python函數，基於當前state決定接下來執行哪個node）：14、StateGraph：是langchain的一個類，表示圖的數據結構，langgraph的核心，可以通過定義一個state來初始化一個stategraph對象，reducer函數是理解如何將來自己節點的更新應用到state的關鍵，state的每個key都有獨立的reducer函數（可以overwrite）；15、邊：條件邊包括三要素上游節點、路由函數、狀態映射（將路由函數的返回值與下有節點綁定）。其它包括普通邊（直接從一個節點跳轉到下一個節點）、條件邊、entry point（入口點，用戶輸入到達時首先調用的點）、conditional entry point

之前對ai agent的概念比較模糊，看完之後逐漸對agent的各個模塊有了新的瞭解，看完後面的實戰案例，我甚至是要躍躍欲試了。

全書按照入門→核心技術→協議詳解→項目實戰遞進展開： 基礎入門模塊：大模型向 AI Agent 的演進，開發環境搭建，Qwen3 基礎調用、提示工程、RAG 檢索增強、Agent 架構設計、陪伴 Agent 微調。 兩大核心協議模塊A2A 協議：多智能體之間互相通信協作的原生協議，以跨境電商多 Agent 智能客服作爲實戰案例。 MCP（Model Context Protocol 模型上下文協議）：標準化協議，實現智能體與外部工具、數據源對接；講解 MCP 原理、雲上 MCP 部署；實戰案例包含高德地圖調用、arXiv 科研論文服務、旅遊規劃智能體，以及基於 Gradio 發佈 MCP 雲上服務。 框架實戰模塊：LangGraph 多智能體編排框架，完成聊天助手、住宅投研智能體兩大項目。 書中覆蓋 5 個完整大型智能體項目：跨境電商客服、地圖 MCP 應用、科研論文 MCP 服務、旅遊規劃 Agent、房產投研 Agent。

我倒覺得還可以，比較實用。AI智能體沒那麼多神祕，就是大語言模型加mcp拓展工具，至於是用langgraph還是google adk，或者其它框架來管理模型和工具，看企業需求和個人喜好

不大行，技術實踐操作類的書還得直接看官網，技術變化太快了，過時太快了。而且本書結構比較亂，有點堆砌的感覺。

讀完《AI Agent智能體與MCP開發實踐：基於Qwen3大模型》，收穫頗豐。這不僅是一本技術手冊，更是一套面向工程落地的AI智能體開發方法論。以下是我對本書內容的系統性總結，也作爲我在微信讀書的點評記錄： --- 📌 一、內容結構清晰，層層遞進 全書共16章，採用“基礎—核心—實戰”三級進階結構： - **前兩章**搭建開發環境，手把手教讀者部署Qwen3本地模型、配置PyTorch與Miniconda，爲後續開發打下堅實基礎； - **中間章節**深入講解Agent核心技術棧：包括微調（LoRA）、RAG檢索增強、提示工程、記憶機制、上下文管理，以及關鍵協議如A2A與MCP； - **後半部分**聚焦真實場景項目實戰，覆蓋跨境電商客服、科研論文助手、旅遊規劃Agent、住宅投研系統等，完整呈現從單體Agent到多智能體協作的工程實現。 --- 🧠 二、技術深度與工程思維兼備 本書最大亮點在於將前沿大模型能力與可落地的工程架構緊密結合： - 不止講“怎麼用Qwen3”，更強調“如何讓Qwen3在業務中可靠運行”； - 深入剖析MCP（Model Calling Protocol）作爲智能體“神經中樞”的作用——統一調度工具調用、管理狀態、接入多渠道（如釘釘、Web、API），真正實現企業級可控與擴展； - 引入LangGraph構建複雜任務流，結合ReAct推理框架，使Agent具備多步規劃與自主決策能力。 --- 🛠️ 三、實戰導向，代碼可復現 所有案例均配套完整源碼、PPT與部署文檔，且經過實測驗證。例如： - 利用高德地圖MCP服務實現動態路徑規劃； - 基於arXiv構建個性化科研論文推薦Agent； - 使用Gradio快速發佈雲上MCP服務，打通前後端交互。 這些項目不僅展示技術整合能力，更體現作者對垂直行業需求的深刻理解。 --- 💡 四、理念先進，強調“智能體即服務” 書中反覆強調：AI Agent不是炫技的聊天機器人，而是能嵌入業務流程、調用工具、產生實際價值的“數字員工”。通過MCP協議標準化工具調用接口，使得Agent具備跨系統協作能力，爲未來“Agent as a Service”（AaaS）模式奠定基礎。 --- ✅ 五、適合人羣廣泛 - **初學者**：可按章節逐步掌握Agent開發全流程； - **工程師/開發者**：獲得可直接複用的工程模板與最佳實踐； - **技術管理者**：理解AI智能體如何賦能電商、金融、科研、文旅等行業； - **高校師生**：作爲智能體開發課程的理想教材。 --- 🌟 總結 這本書填補了當前AI Agent領域“理論多、落地少”的空白，以Qwen3爲載體，以MCP爲核心樞紐，構建了一套從模型調用到多Agent協同、從本地開發到雲端部署的完整技術生態。它不僅教你“怎麼做”，更啓發你“爲什麼這樣做”。對於希望將大模型真正轉化爲生產力的人來說，這是一本不可多得的實戰寶典。 推薦指數：⭐⭐⭐⭐⭐ 閱讀建議：邊讀邊動手，配合GitHub代碼同步實踐，效果更佳。

還是推薦一下吧，算是掃盲的一本書，雖然沒有實操但是瞭解了大模型調用工具的方法，瞭解了外部知識庫、工具集和agent等聯繫的方式。至少理解了很多概念，對智能體構建有了大體的認識，後面再結合工作來實踐。整本書很多文字看起來確實像是ai寫的。

AI-機器人掀起的工業革命浪潮不會停止，直到它將所有人都排除在外。歷來，工具的革新都對應着生產關係的變革，AI不是人的工具，而是工具的工具。人工智能的使命是成爲人，或者……成爲人的一部分，直到它替代人。那麼人還能做什麼呢？這是一個神學問題。索拉利的詛咒在鋼穴上空徘徊。沒有工具的使用者是可悲的，而排除了使用者的工具則更加可悲，黑暗靜謐，世界冰冷；小年不知大年，夏蟲不可語冰，世界線在崩壞與建構的十字路口收束着。內德盧德迄今安在乎？東周的諸侯、魏晉的門閥、宋金的地主、共和國的資本家將會告訴我們答案。萬衆呼喚英雄，英雄死於襁褓。人究竟爲何？人實質幾何？人斤兩如何？慾望之於生存，孰重乎？孰輕乎？孰死亡乎？孰無過乎？或許，我們太自大了……

你覺得我是來認真學習Agent的嗎？ 錯嘍，我是來看二次元貓娘滴

買來實體書看了，寫的亂糟糟，個別章節調的OpenAI還