AI 智能体实战（第二版）

目录与试读

目录

章节与主要小节（依据 EPUB 导航整理）：
AI智能体实战（第二版）
前言
致谢
关于本书
作者简介
关于封面插图
1 AI 智能体的兴起
1.1 定义智能体与智能体思维
1.2 介绍模型上下文协议
1.3 理解智能体的五个功能层
1.4 迈向多智能体系统
1.5 后续步骤
2 核心组件：大语言模型、提示词工程与智能体
2.1 理解大语言模型
2.2 通过提示词工程控制 LLM（智能体人设）
2.3 使用 OpenAI Agents 构建智能体
2.4 通过工具集成增强智能体
2.5 练习
3 使用模型上下文协议为 AI 智能体执行操作
3.1 理解 MCP 在智能体开发中的基础
3.2 入门 MCP 服务器
3.3 为智能体使用 MCP 服务器
3.4 为智能体构建 MCP 服务器
3.5 练习
4 架构设计与构建多智能体系统
4.1 设计多智能体系统
4.2 平衡智能体与智能体流程
4.3 理解智能体流程中的交接
4.4 使用护栏验证智能体流程
4.5 练习
5 智能体推理与规划
5.1 理解 LLM 推理与规划
5.2 指导智能体进行推理和规划
5.3 使用智能体的高级推理模式
5.4 使用顺序思考 MCP 服务器
5.5 练习
6 为智能体处理记忆与知识 RAG
6.1 理解 AI 应用中的检索
6.2 向量数据库与相似度搜索
6.3 构建实用的 RAG 知识智能体
6.4 使用 MCP 为智能体添加记忆
6.5 练习
7 通过评估与反馈构建健壮的智能体
7.1 介绍智能体评估与反馈
7.2 实现测试驱动的智能体开发
7.3 部署接地、批评者和评估智能体
7.4 使用 Phoenix 进行评估与反馈
7.5 练习
8 部署智能体与智能体系统
8.1 使用智能体的策略
8.2 将智能体系统 Docker 化
8.3 考虑高级部署策略
8.4 生产环境中的安全、防护与治理
8.5 练习
9 理解代理循环
9.1 剥离代理循环的三个层级
9.2 第二层：使用深度研究代理进行循环
9.3 第三层：多代理编排循环
9.4 构建协作式代理循环
9.5 练习
10 探索会思考、监控和适应的认知代理
10.1 将代理认知与元认知视为工程概念加以理解
10.2 将心智映射到认知代理架构
10.3 构建与运行认知代理
10.4 衡量认知能力与展望未来
10.5 练习
11 构建代理系统的技巧
11.1 按五个代理层级组织的实战技巧
11.2 构建客户支持代理的技巧
11.3 构建 RAG 代理系统的技巧
11.4 构建深度研究代理系统的技巧
附录 A 设置示例代码仓库
A.1 克隆仓库
A.2 创建 Python 环境
A.3 安装依赖并配置环境
A.4 运行示例代码
附录 B 本地 MCP 服务器的 Node.js 设置
B.1 安装 Node.js
B.2 验证 Node 和 npx 安装
B.3 使用 npx 运行 MCP 服务器
B.4 排查问题并保持 Node 健康

试读节选

基于大型语言模型（LLM）的应用（如简单的聊天机器人）本身可以生成回复并回答问题。接下来，我们希望它们能够制定计划并执行。我们希望它们预订机票，而不仅仅是列出可用航班，或者更新项目跟踪器，而不仅仅是列出需要做出的更改。为了赋予 AI 应用程序主动能力，我们在系统中添加 AI 智能体。智能体在机器学习和人工智能领域并非新概念，且该术语可能存在歧义。但当我们谈论智能或 AI 智能体时，通常指的是感知环境、决定采取行动并利用 LLM 提供的资源达成目标的软件。