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