文章目录AI Agent智能体与MCP开发实践基于Qwen3大模型内容简介作者简介图书前言前 言本书目的本书构思本书内容本书特点本书配套资源本书适合的读者作者与鸣谢图书推荐图书目录目 录AI Agent智能体与MCP开发实践基于Qwen3大模型AI应用开发专家王晓华新作。学完本书将掌握Agent开发技术栈并轻松完成案例所代表的应用项目。内容简介随着人工智能技术的蓬勃发展大语言模型与智能体技术正引领着新一轮的技术革新。《AI Agent智能体与MCP开发实践:基于Qwen3大模型》聚焦于智能体技术前沿领域系统阐述AI Agent智能体开发的技术栈及其示例并剖析5个大型智能体项目案例帮助读者深入掌握智能体开发方法。《AI Agent智能体与MCP开发实践:基于Qwen3大模型》配套示例源码、PPT课件、配图PDF文件、读者微信技术交流群所有代码经过测试均能正确运行。《AI Agent智能体与MCP开发实践:基于Qwen3大模型》共分16章内容包括从大语言模型到智能体的演进、Agent开发环境配置、基于陪伴Agent的大模型微调、在线Qwen3大模型的基本使用、RAG与提示工程、Agent架构设计、多Agent跨境电商智能客服实战、多Agent协作的原生A2A协议详解、MCP协议与应用详解、云上MCP服务的部署与使用、高德地图MCP服务智能调用实战、构建个性化的arXiv科研论文MCP服务实战、基于gradio的云上MCP服务发布、基于MCP的旅游规划智能体开发实战、多智能体框架LangGraph与聊天助手实战、基于LangGraph的高品质住宅投研智能体开发实战。《AI Agent智能体与MCP开发实践:基于Qwen3大模型》既适合智能体开发初学者、智能体开发人员、大模型应用开发人员、行业大模型智能体解决方案提供商也适合高等院校或高职高专院校智能体开发课程的学生。作者简介王晓华高校计算机专业讲师研究方向为云计算、大数据与人工智能。其著作包括《DeepSeek原生应用与智能体开发实践》《DeepSeek大模型高性能核心技术与多模态融合开发》《深入探索Mamba模型架构与应用》《PyTorch深度学习与计算机视觉实践》《PyTorch语音识别实战》《ChatGLM3大模型本地化部署、应用开发与微调》《从零开始大模型开发与微调基于PyTorch与ChatGLM》《PyTorch 2.0深度学习从零开始学》《TensorFlow深度学习应用实践》《OpenCVTensorFlow深度学习与计算机视觉实战》《TensorFlow语音识别实战》《TensorFlow 2.0卷积神经网络实战》《深度学习的数学原理与实现》。图书前言前 言在人工智能技术日新月异的今天大语言模型正经历着从单模态理解向多智能体协作的范式跃迁。国内外的AI科研机构在智能体架构领域的突破性进展标志着AI技术已进入以Agent为代表的自主决策新时代。AI Agent重新定义了人机协同的工作模式为跨境电商客服、科研论文检索、城市智慧服务等场景提供了强大的技术支撑。本书立足人工智能技术演进的前沿阵地围绕AI Agent的技术内核系统解析AI Agent应用开发技术栈深入探讨智能体开发架构的特点与应用潜力为开发者构建智能体应用提供完整的技术图谱。本书目的本书以Qwen3大模型为核心载体系统解析AI Agent开发的全链路技术体系旨在帮助读者掌握AI工程化落地能力。通过理论解析与实战案例结合本书首先阐释大语言模型向智能体演进的技术脉络以及智能体开发环境的搭建方法进而围绕AI Agent开发全生命周期详细讲解微调、A2A、MCP、工具调用、gradio、LangGraph等核心技术使读者具备独立搭建AI Agent系统的能力。针对AI Agent核心应用需求本书重点突破三大技术方向其一通过RAG技术与提示工程实战构建知识增强型智能系统提升模型在垂直领域的专业能力其二以电商智能客服、科研论文、旅游规划、住宅投研等真实场景为案例演示分层架构设计、多模态知识注入、工具调用等关键技术实现从单任务处理到复杂业务闭环的跨越其三全面解析MCP协议与多Agent协作机制覆盖单机服务、局域网部署、云上持久化运营等全场景方案并创新结合高德地图API、arXiv科研论文等外部系统打造可扩展的智能体生态。通过本书学习读者能够系统掌握覆盖智能体开发、部署、运维的完整方法论并具备将前沿AI技术转化为实际生产力的能力。无论是希望突破Agent技术瓶颈的AI开发工程师还是寻求AI赋能解决方案的设计者都能从本书中获得从基础能力构建到复杂系统设计的全维度指导。本书构思随着人工智能技术的飞速发展大语言模型与智能体技术已成为推动行业变革的关键力量。从大语言模型的突破到智能体的兴起人工智能正经历着从单一任务处理向自主决策与执行的跨越。在这一背景下Qwen3模型凭借其卓越的性能与架构创新成为了人工智能领域的新星。同时Agent技术作为实现智能体的核心其架构设计与应用开发也受到了广泛关注。为了帮助读者系统掌握AI Agent技术的核心原理与应用实践本书从技术演进、架构设计、实战应用等多个维度展开阐述。通过本书的学习读者将深入了解人工智能技术的最新进展并学会如何将这些技术应用于实际项目中。本书内容AI技术的演进与Agent开发准备第1章和第2章首先回顾人工智能技术的演进历程特别是大语言模型与智能体技术的发展脉络。随后介绍Agent开发环境的配置方法包括Python、PyTorch开发环境的安装、Qwen3模型的本地化部署与使用等为后续的实战项目奠定基础。基于陪伴Agent的大模型微调、API调用等技术第3章和第4章深入探讨Qwen3模型的技术细节包括模型微调、在线使用与API调用等。通过实战案例展示Qwen3模型在不同场景下的应用潜力。RAG与提示工程第5章介绍RAG技术的核心原理与应用流程探讨提示工程在人工智能任务中的关键作用。通过实战案例展示如何结合RAG与提示工程优化任务处理效果。Agent架构设计第6章阐述Agent技术的演进路径与架构设计原则包括感知-决策-执行闭环架构、记忆模块与上下文管理机制等。通过对比分析不同技术路线帮助读者理解Agent技术的核心要素。Agent的A2A、MCP协议及其示例第7~12章重点讲解A2A协议、MCP协议及其应用。本部分的示例包括多Agent智能客服项目、多Agent协作的原生A2A协议、MCP协议与应用详解、基于腾讯云的MCP在线部署与使用、解析高德地图MCP服务与智能调用实战、构建个性化的arXiv科研论文MCP服务实战等帮助读者深入理解智能体开发的应用场景与实现方法。Agent开发案例实战第13~16章介绍基于gradio的云上MCP服务发布方法和多智能体框架LangGraph的特性与用法并通过旅游规划智能体、聊天助手、高品质住宅投研智能体等项目开发案例展示智能体技术的实际应用价值帮助读者理解智能体技术的未来发展。通过本书的学习读者将系统掌握AI Agent智能体开发技术栈及其应用案例的开发方法为智能体落地应用与实践打下坚实的基础。本书特点本书围绕AI Agent智能体开发与MCP协议实战展开具有以下鲜明特点前沿技术深度融合。本书以人工智能技术演进为主轴系统整合大模型与智能体技术体系。从大语言模型到自主Agent的能力跃迁到Agent感知-决策-执行闭环架构设计构建了智能体技术的完整知识图谱。同时创新性引入MCP协议技术栈通过单机部署、腾讯云在线服务及SSE协议可视化验证等实战揭示其在大模型工具调用中的枢纽作用实现算法创新与工程落地的有机统一。全链路实战体系构建。本书突破理论说教模式打造环境配置-模型调优-服务部署-系统集成的全流程实战体系。涵盖Miniconda/PyCharm开发环境搭建、Qwen3本地化部署与在线API调用等基础操作延伸至LoRA微调、RAG知识注入、多Agent架构等核心技术最终通过跨境电商智能客服、高品质住宅投研助手等完整项目完整呈现从工具链配置到业务系统落地的实施路径。垂直场景知识赋能。聚焦行业真实需求构建技术解决方案在电商领域设计支持多语种与垂直知识注入的智能客服系统在科研场景实现arXiv科研论文资源的MCP服务化改造在城市生活领域开发融合高德地图MCP服务的旅游规划Agent在投研分析领域开发基于LangGraph的高品质住宅投研助手展现智能体技术栈在专业领域的垂直赋能能力。多技术生态协同创新。突破单一技术框架局限构建多元技术协同体系。协议层面覆盖stdio、SSE传输协议对比与MCP服务部署框架层面打通LangGraph工作流引擎与Qwen3的调用接口应用层面深入跨境电商、科研论文服务、旅游规划、高品质住宅投研等前沿领域。通过gradio云服务发布、腾讯云持久化部署等实战形成覆盖本地开发-云端部署-多端调用的完整技术生态。渐进式认知升级设计。采用基础原理-核心技术-综合创新的三级进阶模式。初级阶段掌握Python环境配置与模型基础使用中级阶段精通RAG检索增强、提示工程等核心技术高级阶段通过多智能体协作、云端部署等项目实现系统级能力突破。每章设置本章小结凝练方法论配套可复用的代码模板与技术选型指南适配不同层次的学习需求。本书配套资源本书配套示例源码、PPT课件、配图PDF文件、读者微信技术交流群读者使用微信扫描右边的二维码即可获取。如果在阅读过程中发现问题或有任何建议请联系下载资源中提供的相关电子邮箱或微信。本书适合的读者?AI Agent智能体开发初学者本书从开发环境搭建到API调用再到Agent开发技术栈最后到Agent应用开发案例手把手地进行讲解帮助零基础读者快速上手大模型智能体开发全流程。?AI Agent智能体开发人员本书深度融合智能体开发技术与实际工程应用案例详细解析智能体开发方法帮助开发人员提高大模型应用开发水平。?大模型应用开发人员本书突破理论说教模式打造环境配置-模型调优-服务部署-系统集成的全流程实战体系帮助大模型应用开发人员构建全流程的开发架构。?行业大模型智能体解决方案提供商本书解析的智能客服智能体、arXiv科研论文MCP服务、旅游规划智能体、高品质住宅投研智能体分别代表电商、科研、智慧城市、投研分析领域的行业应用解决方案极具参考价值。?学习人工智能大模型相关课程的学生本书既涵盖智能体基础理论又包含智能体开发的前沿技术并通过丰富的案例支撑理论实验项目的完整教学闭环可以作为高校AI Agent智能体开发课程的教材。作者与鸣谢本书作者王晓华为高校计算机专业教师担负数据挖掘、人工智能、数据结构等多项本科及研究生课程研究方向为云计算、大数据与人工智能在研和参研多项科研项目。本书的顺利出版离不开清华大学出版社老师们的帮助在此表示感谢。作 者2025年8月图书推荐1AI技术作家、AI应用开发专家王晓华新作这人真的很牛。2工程级别应用案例实现代码可直接复用算是Agent开发新手老手的福利。3所有示例与案例代码都经过测试均可顺利运行买过王晓华图书的小伙伴都知道。4众多小示例以及五大重点案例包括多Agent智能客服、高德地图MCP服务、arXiv科研论文MCP服务、旅游规划智能体、高品质住宅投研智能体读者根据自己的需求稍微修改一下即可应用于生产实践。5智能客服智能体、arXiv科研论文MCP服务、旅游规划智能体、高品质住宅投研智能体分别代表电商、科研、城市生活、投研分析领域的行业应用解决方案极具参考价值。6系统整合大模型与智能体技术体系从AI Agent技术体系到AI Agent开发技术栈微调、提示词、MCP、LangGraph、A2A、RAG、gradio再到AI Agent开发工程案例全面构建智能体技术的完整知识图谱。7深度融合MCP技术创新与工程实践内容覆盖MCP服务开发、部署和调用的方法及其案例帮助读者掌握第三方和本地MCP服务集成开发智能体的方法。8配套示例源码、PPT课件、配图PDF文件、读者微信交流群。9学完本书将掌握Agent开发技术栈并能顺利完成案例所代表的应用项目。图书目录目 录第1章 从大语言模型到智能体的演进11.1 从大语言模型到智能体 11.1.1 自回归大模型核心技术的突破 11.1.2 大语言模型发展的里程碑 21.1.3 从大语言模型到智能体 31.2 Qwen3架构革新与性能跃迁 41.2.1 Qwen3核心技术解读 41.2.2 Qwen3并行计算效能跃迁 61.2.3 Qwen3重新定义工作认知 81.3 本章小结 9第2章 Agent开发环境配置102.1 智能体开发环境安装 102.1.1 Miniconda的下载与安装 112.1.2 PyTorch的下载与安装 132.1.3 PyCharm编译器的安装与使用 162.2 本地化Qwen3的下载与基础使用 192.2.1 ModelScope简介 202.2.2 Qwen3模型的本地化部署与使用 212.2.3 Qwen3中思考模式的切换 222.3 本章小结 24第3章 基于陪伴Agent的大模型微调253.1 大模型微调 253.1.1 大模型微调的作用 253.1.2 大模型微调技术有哪些 263.2 二次元风格的陪伴Agent微调实战 263.2.1 微调模型与数据集的准备 273.2.2 使用TRL全量微调大模型 293.2.3 使用微调后的大模型进行二次元风格问答 313.3 本章小结 32第4章 在线Qwen3大模型的基本使用334.1 网页端Qwen3大模型的基本使用 334.1.1 在线Qwen3的注册与基本使用 344.1.2 不同提示词对回答的影响 354.2 Qwen3在线API的使用 374.2.1 在线Qwen3注册与基本使用 374.2.2 不同需求的Qwen3的API使用 384.2.3 在线API的工具调用与简单RAG处理 414.3 本章小结 44第5章 RAG与提示词工程455.1 RAG技术体系 465.1.1 RAG的定义与核心流程 465.1.2 数据处理与分块策略 475.1.3 Rerank机制详解 495.2 问题表示与提示工程 515.2.1 核心原则与最佳实践 515.2.2 提示工程中的思维链详解 525.3 结合RAG与思维链的任务拆解实战 545.3.1 加载思维链的查询处理 545.3.2 思维链的查询处理 555.3.3 结合RAG的思维链任务规划 575.4 本章小结 61第6章 Agent架构设计626.1 智能体技术演进路径 626.1.1 从大模型到自主智能体的能力跃迁 636.1.2 LLM、Workflow与Graph技术路线对比分析 646.1.3 交互范式变革从工具调用到意图理解 656.2 智能体架构设计 666.2.1 感知-决策-执行闭环架构设计 676.2.2 记忆模块与上下文管理机制 676.2.3 工具调用与外部系统集成策略 686.3 本章小结 69第7章 多Agent跨境电商智能客服实战707.1 分层Agent跨境电商智能客服基本架构设计 707.1.1 DTC模式的崛起与智能客服的新要求 717.1.2 跨境电商智能客服架构设计 727.1.3 用于复杂任务分配、解决与汇总的分层Agent架构 737.2 搭建具备商业问答能力的交流客服Agent 747.2.1 基于Qwen3的多语种智能客服基座模型简介 757.2.2 真实客服数据集介绍与使用详解 767.2.3 使用LoRA微调基座模型 777.2.4 使用微调后的智能客服基座模型完成推理 817.2.5 原生Qwen3多语种支持与跨境电商智能客服语言设置 827.3 给交流客服Agent注入垂直领域知识 857.3.1 给客服大模型直接添加知识的方法 867.3.2 更高精度的RAG详解与使用示例 887.3.3 基于BM25算法的RAG实战 907.3.4 基于Embedding向量排序的RAG实战 947.3.5 补充讲解1智能客服模型垂直领域知识注入 1007.3.6 补充讲解2用Qwen3开展向量计算 1027.4 搭建基于Qwen3的调度Agent 1047.4.1 使用MCP构建适配智能客服的工具集 1047.4.2 基于在线Qwen3的客户意图识别与工具调度Agent 1087.5 本章小结 112第8章 多智能体协作的原生A2A协议详解1148.1 A2A架构详解 1158.1.1 A2A的功能与定义 1158.1.2 A2A通信与交互模块详解 1168.2 Hello AgentA2A多智能体交互实战 1198.2.1 定义模块组件的实现与查看 1198.2.2 服务模块组件的实现与启动 1228.2.3 执行模块组件的实现与运行 1258.3 本章小结 127第9章 MCP与应用详解1289.1 工具调用详解 1289.1.1 Python调用工具的基本原理 1299.1.2 使用Qwen3演示大模型工具调用方法 1309.2 MCP协议详解 1339.2.1 MCP功能与架构详解 1349.2.2 单机MCP服务端的搭建 1379.2.3 单机MCP客户端的搭建与使用 1389.3 本章小结 143第10章 云上MCP服务的部署与使用14410.1 多种MCP连接协议详解 14410.1.1 stdio与SSE传输协议 14410.1.2 基于SSE传输协议的MCP服务端 14610.1.3 可视化验证基于SSE协议的MCP服务 14610.2 局域网MCP服务器的搭建与使用实战 15010.2.1 局域网MCP服务端的搭建 15010.2.2 局域网MCP客户端连接MCP服务 15210.3 基于腾讯云的MCP服务架设与使用 15410.3.1 高效便捷的MCP云服务平台 15410.3.2 腾讯云MCP服务部署代码的编写 15710.3.3 腾讯云端口的开启以及在线MCP服务的验证 15810.3.4 腾讯云的持久化服务的开启 16010.4 本章小结 161第11章 高德地图MCP服务智能调用实战16211.1 MCP验证工具与高德地图剖析 16211.1.1 MCP Inspector使用演示 16211.1.2 FastMCP用法讲解 16611.1.3 高德地图MCP服务剖析与测试 17111.2 高德MCP服务的解析与应用重构 18111.2.1 基于URL的高德MCP服务的解析 18211.2.2 原生高德MCP服务的解析 18711.2.3 解析基于高德MCP工具调用的示例 19111.3 智能化自定义高德MCP服务实战 19611.3.1 在线Qwen3大模型的使用 19611.3.2 高德MCP函数工具的解析与格式转换 19811.3.3 在线Qwen3的工具格式、函数体与转换函数 20011.3.4 结合Qwen3智能化自定义高德MCP应用实战 20811.4 本章小结 214第12章 构建个性化的arXiv科研论文MCP服务实战21512.1 将arXiv MCP服务拆解为API应用 21512.1.1 基础arXiv MCP服务的安装与拆解运行 21612.1.2 使用大模型实现辅助工具函数设置 21712.1.3 对查询结果的个性化排序处理 22212.1.4 适配阅读习惯的可视化操作 22512.2 设计个性化的科研论文查询函数设计 22612.2.1 FastAPI用法讲解 22612.2.2 基于Flow过程的科研论文查询 22912.2.3 将查询服务重新包装成API服务 23312.3 将arXiv API包装为MCP服务 23612.3.1 重构原有的arXiv API服务 23712.3.2 将arXiv API重新包装为定制的MCP服务 24012.4 本章小结 244第13章 基于gradio的云上MCP服务发布24513.1 gradio的基本使用详解 24513.1.1 从gradio的Interface开始 24513.1.2 gradio输入与输出组件 24813.1.3 启动gradio的launch 25213.1.4 gradio中多样化的输入/输出组件 25313.1.5 gradio中常用的几个组件 25613.2 基于gradio的MCP服务 26813.2.1 基于gradio本地实现MCP服务程序 26913.2.2 基于gradio免费部署云端MCP服务 27113.3 本章小结 274第14章 基于MCP的旅游规划智能体开发实战27514.1 基础智能体组件 27614.1.1 智能体的基本模块 27614.1.2 智能体的System Prompt 27714.1.3 对MCP服务的加载和处理 28014.2 智能体整合与单一MCP实战 28214.2.1 完整的智能体整合 28214.2.2 智能体整合高德MCP服务实战 29114.3 智能体引导的寻味之旅 29214.3.1 规划与文件处理MCP详解 29214.3.2 飨揽杭城智能体引导的寻味之旅 30114.4 本章小结 312第15章 多智能体框架LangGraph与聊天助手实战31315.1 初识LangGraph与工作流搭建 31315.1.1 用LangGraph把大象装进冰箱 31415.1.2 LangGraph特性与技术原理 31915.1.3 LangGraph组件详解 31915.1.4 LangGraph中的StateGraph 32015.1.5 LangGraph中的节点 32115.1.6 LangGraph中的边 32315.2 基于LangGraph的聊天助手搭建 32415.2.1 LangGraph构建的聊天助手 32515.2.2 原生LangGraph接口对Qwen3的调用 32715.2.3 一般智能体运行范式详解 32815.2.4 基于LangGraph与Qwen3完成聊天助手 33115.2.5 进阶智能体构建 33315.3 本章小结 337第16章 基于LangGraph的高品质住宅投研智能体开发实战33816.1 搭建投研助手必备的知识维度 33916.1.1 负公摊深析解构高品质住宅的价值基底 33916.1.2 搭建全域知识架构的投研认知体系 34016.1.3 智居范式跃迁重构技术驱动的居住品质生态 34116.2 基于Qwen3的高品质住宅投研助手实战 34216.2.1 智能体流程功能的定义 34316.2.2 智能体流程角色的设定 34416.2.3 投研智能体不同角色的组合与实现 34616.2.4 完整投研智能体的搭建与运行 35116.2.5 在腾讯云上部署高品质住宅投研助手 35416.3 本章小结 356JDhttps://item.jd.com/10187958785828.html?sdxehi-lLxFuZiE6JnJYYNci8cmtzmZDg8rsmpIsapEaN-NPe_RLJxZ5XzjrU3rXm6R 人工智能技术丛书《AI Agent智能体与MCP开发实践：基于Qwen3大模型》
文章目录AI Agent智能体与MCP开发实践基于Qwen3大模型内容简介作者简介图书前言前 言本书目的本书构思本书内容本书特点本书配套资源本书适合的读者作者与鸣谢图书推荐图书目录目 录AI Agent智能体与MCP开发实践基于Qwen3大模型AI应用开发专家王晓华新作。学完本书将掌握Agent开发技术栈并轻松完成案例所代表的应用项目。内容简介随着人工智能技术的蓬勃发展大语言模型与智能体技术正引领着新一轮的技术革新。《AI Agent智能体与MCP开发实践:基于Qwen3大模型》聚焦于智能体技术前沿领域系统阐述AI Agent智能体开发的技术栈及其示例并剖析5个大型智能体项目案例帮助读者深入掌握智能体开发方法。《AI Agent智能体与MCP开发实践:基于Qwen3大模型》配套示例源码、PPT课件、配图PDF文件、读者微信技术交流群所有代码经过测试均能正确运行。《AI Agent智能体与MCP开发实践:基于Qwen3大模型》共分16章内容包括从大语言模型到智能体的演进、Agent开发环境配置、基于陪伴Agent的大模型微调、在线Qwen3大模型的基本使用、RAG与提示工程、Agent架构设计、多Agent跨境电商智能客服实战、多Agent协作的原生A2A协议详解、MCP协议与应用详解、云上MCP服务的部署与使用、高德地图MCP服务智能调用实战、构建个性化的arXiv科研论文MCP服务实战、基于gradio的云上MCP服务发布、基于MCP的旅游规划智能体开发实战、多智能体框架LangGraph与聊天助手实战、基于LangGraph的高品质住宅投研智能体开发实战。《AI Agent智能体与MCP开发实践:基于Qwen3大模型》既适合智能体开发初学者、智能体开发人员、大模型应用开发人员、行业大模型智能体解决方案提供商也适合高等院校或高职高专院校智能体开发课程的学生。作者简介王晓华高校计算机专业讲师研究方向为云计算、大数据与人工智能。其著作包括《DeepSeek原生应用与智能体开发实践》《DeepSeek大模型高性能核心技术与多模态融合开发》《深入探索Mamba模型架构与应用》《PyTorch深度学习与计算机视觉实践》《PyTorch语音识别实战》《ChatGLM3大模型本地化部署、应用开发与微调》《从零开始大模型开发与微调基于PyTorch与ChatGLM》《PyTorch 2.0深度学习从零开始学》《TensorFlow深度学习应用实践》《OpenCVTensorFlow深度学习与计算机视觉实战》《TensorFlow语音识别实战》《TensorFlow 2.0卷积神经网络实战》《深度学习的数学原理与实现》。图书前言前 言在人工智能技术日新月异的今天大语言模型正经历着从单模态理解向多智能体协作的范式跃迁。国内外的AI科研机构在智能体架构领域的突破性进展标志着AI技术已进入以Agent为代表的自主决策新时代。AI Agent重新定义了人机协同的工作模式为跨境电商客服、科研论文检索、城市智慧服务等场景提供了强大的技术支撑。本书立足人工智能技术演进的前沿阵地围绕AI Agent的技术内核系统解析AI Agent应用开发技术栈深入探讨智能体开发架构的特点与应用潜力为开发者构建智能体应用提供完整的技术图谱。本书目的本书以Qwen3大模型为核心载体系统解析AI Agent开发的全链路技术体系旨在帮助读者掌握AI工程化落地能力。通过理论解析与实战案例结合本书首先阐释大语言模型向智能体演进的技术脉络以及智能体开发环境的搭建方法进而围绕AI Agent开发全生命周期详细讲解微调、A2A、MCP、工具调用、gradio、LangGraph等核心技术使读者具备独立搭建AI Agent系统的能力。针对AI Agent核心应用需求本书重点突破三大技术方向其一通过RAG技术与提示工程实战构建知识增强型智能系统提升模型在垂直领域的专业能力其二以电商智能客服、科研论文、旅游规划、住宅投研等真实场景为案例演示分层架构设计、多模态知识注入、工具调用等关键技术实现从单任务处理到复杂业务闭环的跨越其三全面解析MCP协议与多Agent协作机制覆盖单机服务、局域网部署、云上持久化运营等全场景方案并创新结合高德地图API、arXiv科研论文等外部系统打造可扩展的智能体生态。通过本书学习读者能够系统掌握覆盖智能体开发、部署、运维的完整方法论并具备将前沿AI技术转化为实际生产力的能力。无论是希望突破Agent技术瓶颈的AI开发工程师还是寻求AI赋能解决方案的设计者都能从本书中获得从基础能力构建到复杂系统设计的全维度指导。本书构思随着人工智能技术的飞速发展大语言模型与智能体技术已成为推动行业变革的关键力量。从大语言模型的突破到智能体的兴起人工智能正经历着从单一任务处理向自主决策与执行的跨越。在这一背景下Qwen3模型凭借其卓越的性能与架构创新成为了人工智能领域的新星。同时Agent技术作为实现智能体的核心其架构设计与应用开发也受到了广泛关注。为了帮助读者系统掌握AI Agent技术的核心原理与应用实践本书从技术演进、架构设计、实战应用等多个维度展开阐述。通过本书的学习读者将深入了解人工智能技术的最新进展并学会如何将这些技术应用于实际项目中。本书内容AI技术的演进与Agent开发准备第1章和第2章首先回顾人工智能技术的演进历程特别是大语言模型与智能体技术的发展脉络。随后介绍Agent开发环境的配置方法包括Python、PyTorch开发环境的安装、Qwen3模型的本地化部署与使用等为后续的实战项目奠定基础。基于陪伴Agent的大模型微调、API调用等技术第3章和第4章深入探讨Qwen3模型的技术细节包括模型微调、在线使用与API调用等。通过实战案例展示Qwen3模型在不同场景下的应用潜力。RAG与提示工程第5章介绍RAG技术的核心原理与应用流程探讨提示工程在人工智能任务中的关键作用。通过实战案例展示如何结合RAG与提示工程优化任务处理效果。Agent架构设计第6章阐述Agent技术的演进路径与架构设计原则包括感知-决策-执行闭环架构、记忆模块与上下文管理机制等。通过对比分析不同技术路线帮助读者理解Agent技术的核心要素。Agent的A2A、MCP协议及其示例第7~12章重点讲解A2A协议、MCP协议及其应用。本部分的示例包括多Agent智能客服项目、多Agent协作的原生A2A协议、MCP协议与应用详解、基于腾讯云的MCP在线部署与使用、解析高德地图MCP服务与智能调用实战、构建个性化的arXiv科研论文MCP服务实战等帮助读者深入理解智能体开发的应用场景与实现方法。Agent开发案例实战第13~16章介绍基于gradio的云上MCP服务发布方法和多智能体框架LangGraph的特性与用法并通过旅游规划智能体、聊天助手、高品质住宅投研智能体等项目开发案例展示智能体技术的实际应用价值帮助读者理解智能体技术的未来发展。通过本书的学习读者将系统掌握AI Agent智能体开发技术栈及其应用案例的开发方法为智能体落地应用与实践打下坚实的基础。本书特点本书围绕AI Agent智能体开发与MCP协议实战展开具有以下鲜明特点前沿技术深度融合。本书以人工智能技术演进为主轴系统整合大模型与智能体技术体系。从大语言模型到自主Agent的能力跃迁到Agent感知-决策-执行闭环架构设计构建了智能体技术的完整知识图谱。同时创新性引入MCP协议技术栈通过单机部署、腾讯云在线服务及SSE协议可视化验证等实战揭示其在大模型工具调用中的枢纽作用实现算法创新与工程落地的有机统一。全链路实战体系构建。本书突破理论说教模式打造环境配置-模型调优-服务部署-系统集成的全流程实战体系。涵盖Miniconda/PyCharm开发环境搭建、Qwen3本地化部署与在线API调用等基础操作延伸至LoRA微调、RAG知识注入、多Agent架构等核心技术最终通过跨境电商智能客服、高品质住宅投研助手等完整项目完整呈现从工具链配置到业务系统落地的实施路径。垂直场景知识赋能。聚焦行业真实需求构建技术解决方案在电商领域设计支持多语种与垂直知识注入的智能客服系统在科研场景实现arXiv科研论文资源的MCP服务化改造在城市生活领域开发融合高德地图MCP服务的旅游规划Agent在投研分析领域开发基于LangGraph的高品质住宅投研助手展现智能体技术栈在专业领域的垂直赋能能力。多技术生态协同创新。突破单一技术框架局限构建多元技术协同体系。协议层面覆盖stdio、SSE传输协议对比与MCP服务部署框架层面打通LangGraph工作流引擎与Qwen3的调用接口应用层面深入跨境电商、科研论文服务、旅游规划、高品质住宅投研等前沿领域。通过gradio云服务发布、腾讯云持久化部署等实战形成覆盖本地开发-云端部署-多端调用的完整技术生态。渐进式认知升级设计。采用基础原理-核心技术-综合创新的三级进阶模式。初级阶段掌握Python环境配置与模型基础使用中级阶段精通RAG检索增强、提示工程等核心技术高级阶段通过多智能体协作、云端部署等项目实现系统级能力突破。每章设置本章小结凝练方法论配套可复用的代码模板与技术选型指南适配不同层次的学习需求。本书配套资源本书配套示例源码、PPT课件、配图PDF文件、读者微信技术交流群读者使用微信扫描右边的二维码即可获取。如果在阅读过程中发现问题或有任何建议请联系下载资源中提供的相关电子邮箱或微信。本书适合的读者?AI Agent智能体开发初学者本书从开发环境搭建到API调用再到Agent开发技术栈最后到Agent应用开发案例手把手地进行讲解帮助零基础读者快速上手大模型智能体开发全流程。?AI Agent智能体开发人员本书深度融合智能体开发技术与实际工程应用案例详细解析智能体开发方法帮助开发人员提高大模型应用开发水平。?大模型应用开发人员本书突破理论说教模式打造环境配置-模型调优-服务部署-系统集成的全流程实战体系帮助大模型应用开发人员构建全流程的开发架构。?行业大模型智能体解决方案提供商本书解析的智能客服智能体、arXiv科研论文MCP服务、旅游规划智能体、高品质住宅投研智能体分别代表电商、科研、智慧城市、投研分析领域的行业应用解决方案极具参考价值。?学习人工智能大模型相关课程的学生本书既涵盖智能体基础理论又包含智能体开发的前沿技术并通过丰富的案例支撑理论实验项目的完整教学闭环可以作为高校AI Agent智能体开发课程的教材。作者与鸣谢本书作者王晓华为高校计算机专业教师担负数据挖掘、人工智能、数据结构等多项本科及研究生课程研究方向为云计算、大数据与人工智能在研和参研多项科研项目。本书的顺利出版离不开清华大学出版社老师们的帮助在此表示感谢。作 者2025年8月图书推荐1AI技术作家、AI应用开发专家王晓华新作这人真的很牛。2工程级别应用案例实现代码可直接复用算是Agent开发新手老手的福利。3所有示例与案例代码都经过测试均可顺利运行买过王晓华图书的小伙伴都知道。4众多小示例以及五大重点案例包括多Agent智能客服、高德地图MCP服务、arXiv科研论文MCP服务、旅游规划智能体、高品质住宅投研智能体读者根据自己的需求稍微修改一下即可应用于生产实践。5智能客服智能体、arXiv科研论文MCP服务、旅游规划智能体、高品质住宅投研智能体分别代表电商、科研、城市生活、投研分析领域的行业应用解决方案极具参考价值。6系统整合大模型与智能体技术体系从AI Agent技术体系到AI Agent开发技术栈微调、提示词、MCP、LangGraph、A2A、RAG、gradio再到AI Agent开发工程案例全面构建智能体技术的完整知识图谱。7深度融合MCP技术创新与工程实践内容覆盖MCP服务开发、部署和调用的方法及其案例帮助读者掌握第三方和本地MCP服务集成开发智能体的方法。8配套示例源码、PPT课件、配图PDF文件、读者微信交流群。9学完本书将掌握Agent开发技术栈并能顺利完成案例所代表的应用项目。图书目录目 录第1章 从大语言模型到智能体的演进11.1 从大语言模型到智能体 11.1.1 自回归大模型核心技术的突破 11.1.2 大语言模型发展的里程碑 21.1.3 从大语言模型到智能体 31.2 Qwen3架构革新与性能跃迁 41.2.1 Qwen3核心技术解读 41.2.2 Qwen3并行计算效能跃迁 61.2.3 Qwen3重新定义工作认知 81.3 本章小结 9第2章 Agent开发环境配置102.1 智能体开发环境安装 102.1.1 Miniconda的下载与安装 112.1.2 PyTorch的下载与安装 132.1.3 PyCharm编译器的安装与使用 162.2 本地化Qwen3的下载与基础使用 192.2.1 ModelScope简介 202.2.2 Qwen3模型的本地化部署与使用 212.2.3 Qwen3中思考模式的切换 222.3 本章小结 24第3章 基于陪伴Agent的大模型微调253.1 大模型微调 253.1.1 大模型微调的作用 253.1.2 大模型微调技术有哪些 263.2 二次元风格的陪伴Agent微调实战 263.2.1 微调模型与数据集的准备 273.2.2 使用TRL全量微调大模型 293.2.3 使用微调后的大模型进行二次元风格问答 313.3 本章小结 32第4章 在线Qwen3大模型的基本使用334.1 网页端Qwen3大模型的基本使用 334.1.1 在线Qwen3的注册与基本使用 344.1.2 不同提示词对回答的影响 354.2 Qwen3在线API的使用 374.2.1 在线Qwen3注册与基本使用 374.2.2 不同需求的Qwen3的API使用 384.2.3 在线API的工具调用与简单RAG处理 414.3 本章小结 44第5章 RAG与提示词工程455.1 RAG技术体系 465.1.1 RAG的定义与核心流程 465.1.2 数据处理与分块策略 475.1.3 Rerank机制详解 495.2 问题表示与提示工程 515.2.1 核心原则与最佳实践 515.2.2 提示工程中的思维链详解 525.3 结合RAG与思维链的任务拆解实战 545.3.1 加载思维链的查询处理 545.3.2 思维链的查询处理 555.3.3 结合RAG的思维链任务规划 575.4 本章小结 61第6章 Agent架构设计626.1 智能体技术演进路径 626.1.1 从大模型到自主智能体的能力跃迁 636.1.2 LLM、Workflow与Graph技术路线对比分析 646.1.3 交互范式变革从工具调用到意图理解 656.2 智能体架构设计 666.2.1 感知-决策-执行闭环架构设计 676.2.2 记忆模块与上下文管理机制 676.2.3 工具调用与外部系统集成策略 686.3 本章小结 69第7章 多Agent跨境电商智能客服实战707.1 分层Agent跨境电商智能客服基本架构设计 707.1.1 DTC模式的崛起与智能客服的新要求 717.1.2 跨境电商智能客服架构设计 727.1.3 用于复杂任务分配、解决与汇总的分层Agent架构 737.2 搭建具备商业问答能力的交流客服Agent 747.2.1 基于Qwen3的多语种智能客服基座模型简介 757.2.2 真实客服数据集介绍与使用详解 767.2.3 使用LoRA微调基座模型 777.2.4 使用微调后的智能客服基座模型完成推理 817.2.5 原生Qwen3多语种支持与跨境电商智能客服语言设置 827.3 给交流客服Agent注入垂直领域知识 857.3.1 给客服大模型直接添加知识的方法 867.3.2 更高精度的RAG详解与使用示例 887.3.3 基于BM25算法的RAG实战 907.3.4 基于Embedding向量排序的RAG实战 947.3.5 补充讲解1智能客服模型垂直领域知识注入 1007.3.6 补充讲解2用Qwen3开展向量计算 1027.4 搭建基于Qwen3的调度Agent 1047.4.1 使用MCP构建适配智能客服的工具集 1047.4.2 基于在线Qwen3的客户意图识别与工具调度Agent 1087.5 本章小结 112第8章 多智能体协作的原生A2A协议详解1148.1 A2A架构详解 1158.1.1 A2A的功能与定义 1158.1.2 A2A通信与交互模块详解 1168.2 Hello AgentA2A多智能体交互实战 1198.2.1 定义模块组件的实现与查看 1198.2.2 服务模块组件的实现与启动 1228.2.3 执行模块组件的实现与运行 1258.3 本章小结 127第9章 MCP与应用详解1289.1 工具调用详解 1289.1.1 Python调用工具的基本原理 1299.1.2 使用Qwen3演示大模型工具调用方法 1309.2 MCP协议详解 1339.2.1 MCP功能与架构详解 1349.2.2 单机MCP服务端的搭建 1379.2.3 单机MCP客户端的搭建与使用 1389.3 本章小结 143第10章 云上MCP服务的部署与使用14410.1 多种MCP连接协议详解 14410.1.1 stdio与SSE传输协议 14410.1.2 基于SSE传输协议的MCP服务端 14610.1.3 可视化验证基于SSE协议的MCP服务 14610.2 局域网MCP服务器的搭建与使用实战 15010.2.1 局域网MCP服务端的搭建 15010.2.2 局域网MCP客户端连接MCP服务 15210.3 基于腾讯云的MCP服务架设与使用 15410.3.1 高效便捷的MCP云服务平台 15410.3.2 腾讯云MCP服务部署代码的编写 15710.3.3 腾讯云端口的开启以及在线MCP服务的验证 15810.3.4 腾讯云的持久化服务的开启 16010.4 本章小结 161第11章 高德地图MCP服务智能调用实战16211.1 MCP验证工具与高德地图剖析 16211.1.1 MCP Inspector使用演示 16211.1.2 FastMCP用法讲解 16611.1.3 高德地图MCP服务剖析与测试 17111.2 高德MCP服务的解析与应用重构 18111.2.1 基于URL的高德MCP服务的解析 18211.2.2 原生高德MCP服务的解析 18711.2.3 解析基于高德MCP工具调用的示例 19111.3 智能化自定义高德MCP服务实战 19611.3.1 在线Qwen3大模型的使用 19611.3.2 高德MCP函数工具的解析与格式转换 19811.3.3 在线Qwen3的工具格式、函数体与转换函数 20011.3.4 结合Qwen3智能化自定义高德MCP应用实战 20811.4 本章小结 214第12章 构建个性化的arXiv科研论文MCP服务实战21512.1 将arXiv MCP服务拆解为API应用 21512.1.1 基础arXiv MCP服务的安装与拆解运行 21612.1.2 使用大模型实现辅助工具函数设置 21712.1.3 对查询结果的个性化排序处理 22212.1.4 适配阅读习惯的可视化操作 22512.2 设计个性化的科研论文查询函数设计 22612.2.1 FastAPI用法讲解 22612.2.2 基于Flow过程的科研论文查询 22912.2.3 将查询服务重新包装成API服务 23312.3 将arXiv API包装为MCP服务 23612.3.1 重构原有的arXiv API服务 23712.3.2 将arXiv API重新包装为定制的MCP服务 24012.4 本章小结 244第13章 基于gradio的云上MCP服务发布24513.1 gradio的基本使用详解 24513.1.1 从gradio的Interface开始 24513.1.2 gradio输入与输出组件 24813.1.3 启动gradio的launch 25213.1.4 gradio中多样化的输入/输出组件 25313.1.5 gradio中常用的几个组件 25613.2 基于gradio的MCP服务 26813.2.1 基于gradio本地实现MCP服务程序 26913.2.2 基于gradio免费部署云端MCP服务 27113.3 本章小结 274第14章 基于MCP的旅游规划智能体开发实战27514.1 基础智能体组件 27614.1.1 智能体的基本模块 27614.1.2 智能体的System Prompt 27714.1.3 对MCP服务的加载和处理 28014.2 智能体整合与单一MCP实战 28214.2.1 完整的智能体整合 28214.2.2 智能体整合高德MCP服务实战 29114.3 智能体引导的寻味之旅 29214.3.1 规划与文件处理MCP详解 29214.3.2 飨揽杭城智能体引导的寻味之旅 30114.4 本章小结 312第15章 多智能体框架LangGraph与聊天助手实战31315.1 初识LangGraph与工作流搭建 31315.1.1 用LangGraph把大象装进冰箱 31415.1.2 LangGraph特性与技术原理 31915.1.3 LangGraph组件详解 31915.1.4 LangGraph中的StateGraph 32015.1.5 LangGraph中的节点 32115.1.6 LangGraph中的边 32315.2 基于LangGraph的聊天助手搭建 32415.2.1 LangGraph构建的聊天助手 32515.2.2 原生LangGraph接口对Qwen3的调用 32715.2.3 一般智能体运行范式详解 32815.2.4 基于LangGraph与Qwen3完成聊天助手 33115.2.5 进阶智能体构建 33315.3 本章小结 337第16章 基于LangGraph的高品质住宅投研智能体开发实战33816.1 搭建投研助手必备的知识维度 33916.1.1 负公摊深析解构高品质住宅的价值基底 33916.1.2 搭建全域知识架构的投研认知体系 34016.1.3 智居范式跃迁重构技术驱动的居住品质生态 34116.2 基于Qwen3的高品质住宅投研助手实战 34216.2.1 智能体流程功能的定义 34316.2.2 智能体流程角色的设定 34416.2.3 投研智能体不同角色的组合与实现 34616.2.4 完整投研智能体的搭建与运行 35116.2.5 在腾讯云上部署高品质住宅投研助手 35416.3 本章小结 356JDhttps://item.jd.com/10187958785828.html?sdxehi-lLxFuZiE6JnJYYNci8cmtzmZDg8rsmpIsapEaN-NPe_RLJxZ5XzjrU3rXm6R