Agent开发基础
关注
分享
扫一扫
文章平均质量分 90
本专栏详细介绍langchain、langgraph、agno等开源AI应用框架的使用，为学习之后详细的AI应用实战案例打下基础。
python_136
资深 Python 开发者，拥有 5 年实战经验。精通 Python 全栈开发，从底层算法到高并发场景都能轻松驾驭，熟练运用各类AI应用框架打造高效AI应用。在 AI 应用开发领域成果丰硕，基于langgraph、pytorch等AI框架、深度学习、强化学习等技术，成功落地多个AI智能项目，如智能体系统、多模态玩具枪、景区导游智能体、情感陪伴聊天智能体等，对 AI 技术在实际场景中的应用有深刻理解与丰富实践，用代码不断突破技术边界，致力于用 Python 和 AI 赋能各领域。
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
MCP模型上下文协议以及交互流程
协议本质是 JSON-RPC 2.0 风格（双向流），模型和外部“上下文服务器”之间通过 WebSocket 或 HTTP（SSE/gRPC）传递消息。AI->>MCPClient: 生成工具调用JSON {name:"get_weather",args:{"city":"北京"}}：让大语言模型（LLM）能在“上下文”之外，按统一格式访问外部数据、调用插件、持久化状态。，模型并不需要知道背后是数据库、API 还是文件，只管按 MCP 协议去“列/读/调”。原创 2025-09-11 16:46:22 · 1377 阅读 · 1 评论 -
langchain 消息和消息模版
简单固定场景：如果消息内容不变（比如固定系统指令、单轮固定问题），用或手动写字典都可以，前者是 LangChain 封装好的类，代码更规范；动态变化场景：如果消息内容需要根据变量替换（比如多轮对话、动态参数），必须用，效率更高、更易维护。本质上，Message类是「静态结果」，类是「动态生成工具」—— 前者是后者最终生成的产物之一。方式角色本质等效的字典格式核心特点系统角色硬编码内容，无动态变量人类角色硬编码内容，无动态变量手动写字典任意角色硬编码内容，无动态变量。原创 2025-09-05 11:06:41 · 981 阅读 · 0 评论 -
Agent开发基础---提示词编写
任务描述必须像函数定义一样清晰，避免使用模糊的词汇。•反面教材： “处理一下这份数据。•正面教材：“请对用户提供的JSON数组进行清洗和转换。具体任务：1. 过滤掉‘age’字段小于0或大于120的记录。2. 将‘name’字段的首字母大写。3. 计算‘score’字段的平均值。原创 2025-09-03 17:38:42 · 1103 阅读 · 0 评论