apexcolab深港智汇 · FDE交流合作
FDE培养 / AI入门

FDE COURSE

AI Agent入门:从会聊天到会做事

面向自学者的AI Agent入门课,系统讲解工具调用、规划、记忆与协议协作原理并配套Python实战。

课程介绍

本课程面向自学者,系统讲解AI Agent从“能说”到“能做”的核心原理与动手实践。课程先建立Agent直觉,对比聊天模型,引入工具调用、规划、记忆三项关键能力,并梳理 LLM、Tools、Memory、Planning、Guardrails 等核心组件及其协作循环,同时给出 Agent 能力分级参考。框架部分对比 Claude Agent SDK、LangChain、CrewAI、LlamaIndex、AutoGen 等主流框架的定位与适用场景,并提供选型指导。实战部分以Python演示天气查询、安全计算等单工具Agent,以及带search、read、summarize工具的PlanningAgent。课程还讨论应用场景、技术局限与提示注入等风险,最后介绍MCP与A2A两类互联协议,分析其与Function Call的差异及组合用法,帮助学习者形成完整的Agent知识体系与下一步学习路径。

你将学会

  • 理解Agent与纯文本语言模型的差异,能描述工具、规划、记忆三大挑战
  • 掌握工具调用、Planning、分层记忆与核心循环的执行逻辑
  • 能够说明LLM、Tools、Memory、Planning、Guardrails五大组件的协作关系
  • 能够根据场景给出主流Agent框架(Claude Agent SDK、LangChain、CrewAI、LlamaIndex、AutoGen)的选型建议
  • 能够使用Python编写SimpleAgent与PlanningAgent,完成工具注册、意图识别与执行流程
  • 能够识别提示注入、工具滥用等安全风险并理解白名单、二次确认、沙箱执行等防护措施
  • 理解MCP与A2A协议的设计动机、能力边界及与Function Call的互补关系

课程内容

  • 01 从“能说”到“能做”
  • 02 工具调用:让模型真正动手
  • 03 规划:把复杂任务拆成可执行步骤
  • 04 记忆:跨越当前对话
  • 05 核心循环与能力分级
  • 06 五个核心组件如何协作
  • 07 主流 Agent 框架如何选择
  • 08 动手构建第一个 Agent
  • 09 应用场景、局限与安全
  • 10 趋势、总结与名词表
  • 11 为什么 Agent 需要协议
  • 12 MCP:AI 连接工具的 USB-C
  • 13 A2A:让多个 Agent 彼此协作
  • 14 MCP 与 A2A 如何配合

适合谁学

  • 对AI Agent感兴趣、希望从原理到实践系统入门的自学者
  • 希望理解工具调用、规划与记忆机制的开发者与技术人员
  • 需要在技术选型中评估Agent框架的产品与架构相关人员
  • 关注Agent生态与MCP、A2A等互联协议发展的从业者

开始前需要什么

  • 了解大语言模型的基本概念与文本输入输出方式
  • 具备基础Python编程能力以跟随实战环节

核心技能

  • 工具调用设计
  • 任务规划与分解
  • 记忆机制设计
  • Agent核心循环构建
  • Agent框架选型
  • Python实现简单Agent
  • 安全防护与提示注入识别
  • MCP与A2A协议理解与应用