Agent Graph终极使用指南（超详细）：一文看懂如何搭建你的第一个开源多智能体系统！

关注

原创最新推荐文章于 2026-08-30 13:19:36 发布 867 阅读 AI 写同款· GEO 优化 ›

GraphAgent：自动构建知识图谱，能够处理结构化和非结构化数据，并通过知识图谱展示复杂关系 GraphAgent 是香港大学和香港科技大学联合推出的智能图形语言助手，能够处理结构化和非结构化数据，并通过知识图谱展示复杂关系。阅读详情

✨Agent-Graph是基于上下文工程理念构建的多智能体系统。

💡 如果您在研究多智能体系统或需要构建复杂的 AI 工作流，不妨看看这个项目，欢迎关注，欢迎交流!

快速开始

开源地址：https://github.com/keta1930/mcp-agent-graph
网站体验：https://agent-graph.com/
邀请码：TEAM-QI10IT
文档：https://keta1930.github.io/mcp-agent-graph/

💎 核心功能

🔹Agent管理

支持快速创建多个的智能体，每个智能体可以配置独立的Agent card、指令、工具集和模型，并具有独立的记忆库。支持Agent导入与导出。

🔹Workflow编排

可视化的图编辑器，支持子图嵌套，将复杂工作流模块化。与Agent执行相比，workflow更加稳定可靠。

🔹Subagent

支持将复杂任务分解并分配给子Agent。每个子任务在独立的执行环境中完成，不同任务上下文独立。任务ID机制实现完整的执行追踪，多智能体可通过文件传递工作成果。

🔹文件系统

提供会话级别的文档管理。系统自动记录完整的文档版本更新。用户可参与编辑。

🔹记忆系统

项目实现了双层记忆架构。短期记忆维护单次会话的上下文，长期记忆包含Agent和User双主体记忆架构，让Agent越来越专业。

🔹MCP集成

通过 MCP 连接外部工具和数据源。适合连接私有API、数据库、知识库、云服务和网络搜索等外部资源。

🔹内置工具

1️⃣ 设计类:交互式创建，让Agent帮您设计和创建Agent/Workflow/MCP/Prompt;

2️⃣ 协作类:为Agent提供协作和文件管理的能力;

3️⃣ 记忆类:为Agent提供记忆的更新，存储，检索能力;

4️⃣ 查询类:为Agent提供检索系统资源的能力。

🔹任务调度

支持定时或周期性自动执行工作流，适合需要定期运行的自动化任务。

🔹对话分享与导出

对话可以分享给未登录的用户。也可以导出为LLM训练格式数据用于Agent训练与分析。

🔹团队功能

支持多用户，角色权限管理。管理员可以创建邀请码，邀请团队成员的加入。后续将支持团队内的资源共享功能。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述