值得一读。

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1~2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Agent的Qwen3微调、API调用等技术（第3~4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：

（1）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。

（2）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。

（3）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。

（4）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。

（5）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。

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