AI Agent智能体与MCP开发实践：基于Qwen3大模型

质量不高的一本书，很多地方读起来像是硕士论文，而且还是背景介绍的东西。技术的介绍泛而不精，如果快速翻翻了解相关概念还行，还是不要抱希望基于他能够多深入的掌握agentic ai。有一些概念性的东西，mark下：1、qwen3在预训练过程中，先以4K的序列长度进行基本能力构建，在25%以16K的长度和75%的32K序列长度进行长文本建模。这个过程其实很多模型都是这样。另外，最后采用YARN将rope基础频率从10K提升到1M。2、Loss的参考公式L(N,D)=L*+A/(N^a)+B/(D^b)，其中N表示参数量，D表示训练数据量。3、temperature：越高，预测的结果多样性越大；4、RAG：传统RAG将用户问题转为向量，然后进行语义检索，但是可能存在召回信息不完全、不精准、上下文长度受限问题；当前结合大模型的实现方式，包括问题表示、知识检索、答案生成三个步骤。问题表示是将用户的检索转为语义向量，知识检索与传统有关键区别，会将问题与预先构建的知识库的文档进行相似度计算，找到若干相似的片段，比如网页、论文等，最后拼装成上下文有大模型生成；具体使用上，RAG检索需要进行分块处理，包括基于规则，特殊格式（比如MD、html等）、基于语义（比如基于embedding）5、思维链cot：需要构建思维链模板，让模型学会结构化的思考；6记忆：短期记忆负责当前任务的即时信息，长期记忆更像知识图谱，存储用户偏好、历史行为；工程实现上，短期记忆通常采用滑动窗口机制，仅保留N条对话或任务状态，长期检索则依赖于向量数据库，将文本、行为数据转换为高维向量，通过余弦相似度实现快速检索；7、LoRA：通过低秩分解近似原始权重更新量，在有效降低可训练参数规模的同事，保留任务学习能力；8、垂域内容添加：微调、重新训练、RAG，RAG进行文本相关性计算时，可以采用余弦相似度或者BM25，BM的基本过程是，对于问题查询，先进性语素解析，生成语素Q，然后对于每个语素Qi进行与文档Dj的相关性计算，并进行加权求和，获得该问题与文档Dj的相关性得分；BM25主要是基于关键词匹配，对于文本语义的理解深度有限，基于embedding的方法会更强一些；9、MCP：包括host、client和server，其中host是请求发起方比如claude，client将请求转化为格式化的消息，host则是服务提供方，可以部署在本地或远端，mcp server作为执行具体操作的一方，主要功能包括资源管理（比如文件、数据库表）、工具管理（如SQL查询）、请求处理和结果返回；10、stido和sse：mcp设计兼容标准输入输出stdio和服务器发送事件sse，其中stdio特别适用于本地集成和命令行工具，本质上是客户端和服务器在同一机器上运行，通过子进程建立直接连接，通过进城的标准输入和标准输出进行交互；11、graido：可以将AI模型转化为交互式界面，轻量。其输入输出类型包括image、label、text/textbox、checkbox与number；12、langgraph：多智能体编排框架，通过图结构定义代理间的交互逻辑，支持循环流程和动态决策，能够实现多代理协作、任务自动化和复杂状态管理。例如在需要多角色参与或者持续状态更新的场景中，开发者可以通过节点和边的连接逻辑显式定义状态转移规则，而非依赖固定模板。他是一个基于图结构的开源框架，突破了有向无环图的宪制，支持循环（可以多次调用工具优化结果）和条件分支。其中，状态定义作用是作为工作流共享内存空间，实现跨节点传递和持久化关键状态，继承自langgraph的typeddict，强制类型安全，所有节点可以读写，实现跨节点数据共享；状态管理：通过节点（执行步骤）和边（执行顺序与条件）构建图结构，状态可以在节点间传递并动态更新，例如节点可以调用llm或工具，条件边根据状态决定下一步操作；13、langgraph组件：有三个关键元素，状态（可以是任何python数据类型，但通常是typeddict、pydantic basemodel）、节点（编辑代理逻辑的Python函数，接收当前state为输入，执行后返回一个更新的state）、边（Python函数，基于当前state决定接下来执行哪个node）：14、StateGraph：是langchain的一个类，表示图的数据结构，langgraph的核心，可以通过定义一个state来初始化一个stategraph对象，reducer函数是理解如何将来自己节点的更新应用到state的关键，state的每个key都有独立的reducer函数（可以overwrite）；15、边：条件边包括三要素上游节点、路由函数、状态映射（将路由函数的返回值与下有节点绑定）。其它包括普通边（直接从一个节点跳转到下一个节点）、条件边、entry point（入口点，用户输入到达时首先调用的点）、conditional entry point

之前对ai agent的概念比较模糊，看完之后逐渐对agent的各个模块有了新的了解，看完后面的实战案例，我甚至是要跃跃欲试了。

全书按照入门→核心技术→协议详解→项目实战递进展开： 基础入门模块：大模型向 AI Agent 的演进，开发环境搭建，Qwen3 基础调用、提示工程、RAG 检索增强、Agent 架构设计、陪伴 Agent 微调。 两大核心协议模块A2A 协议：多智能体之间互相通信协作的原生协议，以跨境电商多 Agent 智能客服作为实战案例。 MCP（Model Context Protocol 模型上下文协议）：标准化协议，实现智能体与外部工具、数据源对接；讲解 MCP 原理、云上 MCP 部署；实战案例包含高德地图调用、arXiv 科研论文服务、旅游规划智能体，以及基于 Gradio 发布 MCP 云上服务。 框架实战模块：LangGraph 多智能体编排框架，完成聊天助手、住宅投研智能体两大项目。 书中覆盖 5 个完整大型智能体项目：跨境电商客服、地图 MCP 应用、科研论文 MCP 服务、旅游规划 Agent、房产投研 Agent。

我倒觉得还可以，比较实用。AI智能体没那么多神秘，就是大语言模型加mcp拓展工具，至于是用langgraph还是google adk，或者其它框架来管理模型和工具，看企业需求和个人喜好

不大行，技术实践操作类的书还得直接看官网，技术变化太快了，过时太快了。而且本书结构比较乱，有点堆砌的感觉。

读完《AI Agent智能体与MCP开发实践：基于Qwen3大模型》，收获颇丰。这不仅是一本技术手册，更是一套面向工程落地的AI智能体开发方法论。以下是我对本书内容的系统性总结，也作为我在微信读书的点评记录： --- 📌 一、内容结构清晰，层层递进 全书共16章，采用“基础—核心—实战”三级进阶结构： - **前两章**搭建开发环境，手把手教读者部署Qwen3本地模型、配置PyTorch与Miniconda，为后续开发打下坚实基础； - **中间章节**深入讲解Agent核心技术栈：包括微调（LoRA）、RAG检索增强、提示工程、记忆机制、上下文管理，以及关键协议如A2A与MCP； - **后半部分**聚焦真实场景项目实战，覆盖跨境电商客服、科研论文助手、旅游规划Agent、住宅投研系统等，完整呈现从单体Agent到多智能体协作的工程实现。 --- 🧠 二、技术深度与工程思维兼备 本书最大亮点在于将前沿大模型能力与可落地的工程架构紧密结合： - 不止讲“怎么用Qwen3”，更强调“如何让Qwen3在业务中可靠运行”； - 深入剖析MCP（Model Calling Protocol）作为智能体“神经中枢”的作用——统一调度工具调用、管理状态、接入多渠道（如钉钉、Web、API），真正实现企业级可控与扩展； - 引入LangGraph构建复杂任务流，结合ReAct推理框架，使Agent具备多步规划与自主决策能力。 --- 🛠️ 三、实战导向，代码可复现 所有案例均配套完整源码、PPT与部署文档，且经过实测验证。例如： - 利用高德地图MCP服务实现动态路径规划； - 基于arXiv构建个性化科研论文推荐Agent； - 使用Gradio快速发布云上MCP服务，打通前后端交互。 这些项目不仅展示技术整合能力，更体现作者对垂直行业需求的深刻理解。 --- 💡 四、理念先进，强调“智能体即服务” 书中反复强调：AI Agent不是炫技的聊天机器人，而是能嵌入业务流程、调用工具、产生实际价值的“数字员工”。通过MCP协议标准化工具调用接口，使得Agent具备跨系统协作能力，为未来“Agent as a Service”（AaaS）模式奠定基础。 --- ✅ 五、适合人群广泛 - **初学者**：可按章节逐步掌握Agent开发全流程； - **工程师/开发者**：获得可直接复用的工程模板与最佳实践； - **技术管理者**：理解AI智能体如何赋能电商、金融、科研、文旅等行业； - **高校师生**：作为智能体开发课程的理想教材。 --- 🌟 总结 这本书填补了当前AI Agent领域“理论多、落地少”的空白，以Qwen3为载体，以MCP为核心枢纽，构建了一套从模型调用到多Agent协同、从本地开发到云端部署的完整技术生态。它不仅教你“怎么做”，更启发你“为什么这样做”。对于希望将大模型真正转化为生产力的人来说，这是一本不可多得的实战宝典。 推荐指数：⭐⭐⭐⭐⭐ 阅读建议：边读边动手，配合GitHub代码同步实践，效果更佳。

还是推荐一下吧，算是扫盲的一本书，虽然没有实操但是了解了大模型调用工具的方法，了解了外部知识库、工具集和agent等联系的方式。至少理解了很多概念，对智能体构建有了大体的认识，后面再结合工作来实践。整本书很多文字看起来确实像是ai写的。

AI-机器人掀起的工业革命浪潮不会停止，直到它将所有人都排除在外。历来，工具的革新都对应着生产关系的变革，AI不是人的工具，而是工具的工具。人工智能的使命是成为人，或者……成为人的一部分，直到它替代人。那么人还能做什么呢？这是一个神学问题。索拉利的诅咒在钢穴上空徘徊。没有工具的使用者是可悲的，而排除了使用者的工具则更加可悲，黑暗静谧，世界冰冷；小年不知大年，夏虫不可语冰，世界线在崩坏与建构的十字路口收束着。内德卢德迄今安在乎？东周的诸侯、魏晋的门阀、宋金的地主、共和国的资本家将会告诉我们答案。万众呼唤英雄，英雄死于襁褓。人究竟为何？人实质几何？人斤两如何？欲望之于生存，孰重乎？孰轻乎？孰死亡乎？孰无过乎？或许，我们太自大了……

你觉得我是来认真学习Agent的吗？ 错喽，我是来看二次元猫娘滴

买来实体书看了，写的乱糟糟，个别章节调的OpenAI还