AI Agent的核心理念：从感知（Perception）→规划（Planning）→行动（Action）的循环，Agent与普通Chatbot的区别，自主性、目标导向性等核心特征，以及Agent的发展历史和分类体系。
Agent 开发
AI 智能体 · 多Agent协作 · AutoGPT
文章列表
- 19
- 20Skills是Claude Code的插件化扩展机制。介绍如何创建自定义Skill、Skill的配置和使用、MCP Server集成，以及如何通过Skills扩展Claude的能力边界。
- 21MCP是连接AI应用与外部数据源的标准协议。详解其架构设计、服务器实现、客户端集成，以及如何通过MCP让LLM访问本地文件、数据库、API等资源。
- 22使用LangChain框架构建实战Agent：ReAct Agent推理模式、OpenAI Functions工具调用、Custom Agent自定义实现，以及Tools、Agents、Chains等核心组件的最佳实践。
- 23自主Agent的里程碑项目：深入分析AutoGPT和BabyAGI的任务分解与执行机制、目标管理与循环控制、记忆系统设计，以及如何构建类似的自主任务执行Agent。
- 24多Agent协作系统：讲解多Agent架构设计、Agent间通信协议（消息传递、共享记忆）、任务分配与协作模式，以及如何实现多个专业Agent协同完成复杂任务。
- 25Function Calling是Agent的动手能力：讲解工具定义与注册、参数提取与解析、错误处理与重试、并行工具调用，以及如何设计稳定可靠的工具调用系统。
- 26如何评估和调试Agent系统：Agent性能评估指标（成功率、效率、成本）、常见失败案例分析、可观测性建设、调试工具和方法论，以及提升Agent可靠性的实践经验。