🤖 Agent Craft —— 从零构建全栈AI智能体

✅ 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

如果你正在学习 AI 智能体开发，却卡在“知道概念但不会动手”或“会调 API 但不懂原理”的阶段——
Agent Craft 就是为你设计的学习路径。

我们从最基础的 LLM 调用开始，一步步带你构建完整的 Agent 能力栈：

• 让模型调用外部工具（Function Calling）
• 接入私有知识库实现问答（RAG）
• 用 LangGraph 实现带状态、可调试的决策流程
• 整合记忆、工具与检索，打造真正可用的智能体

所有内容围绕两个原则展开：

• 💻 代码可运行：每个模块独立、注释清晰、本地一键复现
• 📖 原理可理解：配套 CSDN 博客详解设计思路与关键机制

💡 我们不重复造轮子，但也不止于调用框架——
而是在 LangChain、LangGraph 等主流工具中，看清 Agent 是如何思考、决策与行动的。

---

🧭 模块总览（15 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 13 Streamlit 快速入门，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	🏠	Human-in-the-Loop · Graph-as-a-Tool · Multi-Agent 多智能体编排	⭐⭐⭐⭐
🧠 智能篇	10 MCP 基础 (Server)	🏠	Stdio · Streamable HTTP · FastMCP框架 · Transport通信 · 构建私有 MCP	⭐⭐
	11 MCP 进阶 (Client)	🏠	langchain-mcp-adapters框架 · 流式输出 · AsyncExitStack · 连接公共MCP	⭐⭐⭐
	12 Agents SDK & Swarm 模式	🏠	Swarm · Handoff · Agents SDK · 去中心化 ·“航空公司客服”项目	⭐⭐⭐⭐
🏁 实战篇	13 Streamlit 快速入门	🏠	Streamlit · st.chat_message · 异步事件流 · 会话持久化 · “智能客服驾驶舱”	⭐⭐⭐
	14 综合实战项目	🚧撰写中	LangGraph + RAG + MCP + Streamlit + Vercel	⭐⭐⭐⭐⭐
🚀 工程篇	15 部署上线与项目总结	🚧	Ollama · LM Studio · LangServe	⭐⭐⭐

---

🧩 当前学习建议（适用于已完成模块）

目前已开放模块：01 ~ 13。
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

✅ 模块 09 — LangGraph 进阶篇

• 目标：学会人工审批机制的添加，子图工具化的封装与多智能体流程编排。最终可以融合这三个知识点做一个复杂Agent出来。
• 内容：Human-in-the-Loop（人工干预）｜ Graph-as-a-Tool（图即工具）| Multi-Agent 多智能体编排

✅ 模块 10 — MCP 基础篇

• 目标：能够借助FastMCP框架，编写支持Stdio与Streamable HTTP两种通信协议的MCP服务器。
• 内容：Stdio | Streamable HTTP | FastMCP框架 | Transport通信 | 构建私有 MCP

✅ 模块 11 — MCP 进阶篇

• 目标：会使用langchain-mcp-adapters框架，搭建一个支持Stdio与Streamable双模通信的MCP客户端，最终可在控制台流式打印。
• 内容：langchain-mcp-adapters框架 | 流式输出 | AsyncExitStack | 连接公共MCP

✅ 模块 12 — Agents SDK & Swarm 模式

• 目标：理解Swarm模式，并能用Agents SDK做一个多Agent协调互通的客服集群。
• 内容：Swarm | Handoff | Context_variables | Agents SDK | 去中心化

✅ 模块 13 Streamlit 快速入门

• 目标：学会Streamlit的基础组件，并能用Streamlit对接Agents SDK，快速构建起一个前后端联通的实际产品。
• 内容：Swarm | Handoff | Context_variables | Agents SDK | 去中心化

📌 后续模块将陆续开放（综合实战等）

---

🧠 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]

Loading

🚀 快速开始

1️⃣ 环境准备

💡 环境要求: Python 3.10–3.12，Node.js v20+

# 1. 克隆项目
git clone https://github.com/Annyfee/agent-craft.git
cd agent-craft

# 2. 安装依赖
pip install -r requirements.txt

# 3. 以开发者模式安装项目（重要!）
pip install -e .

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
AMAP_MAPS_API_KEY=your_gaode_api_key
CHATGPT_API_KEY=your_chatgpt_api_key

💡 获取API Key: 访问 DeepSeek、LangSmith、高德地图、ChatGPT 注册并获取API Key

📌 补充说明: 除了 OPENAI_API_KEY (LLM 的 API Key) 是刚需外，其他 API Key 按需填入，无需一次性全部配置。

3️⃣ 运行示例

一切就绪！运行第一个 Agent 示例：

python "m01_agent_introduction/Agent-demo.py"

---

🤝 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！