模块七：Agent 生态与协议

学习目标：全面了解 Agent 开发框架、平台、协议和编排技术，掌握实际生产环境的最佳实践

预计时间：4-5 小时

前置知识：完成模块四《Agent 基础与架构》的学习

最后更新：2025 年 1 月

模块介绍

在前面的模块中，我们学习了 Agent 的核心概念、LLM 原理、Prompt 技巧和 Agent 架构。现在，我们将进入实战层面——了解构建 Agent 应用所需的完整生态系统。

本模块会涵盖：

• Agent 框架 - LangGraph、Microsoft Agent Framework、CrewAI 等主流框架的对比和选择
• Agent 平台 - Claude Agent SDK、OpenAI Assistants 等托管平台的能力和用法
• MCP 协议 - 连接 Agent 和工具的通用标准
• Skills 系统 - Claude Agent 的能力复用机制
• Function Calling - 工具调用的技术实现和最佳实践
• Agent 编排 - 多 Agent 协作的架构模式和生产实践

为什么这一模块很重要？

如果说模块四是理解 Agent 的"原理"，那么本模块就是掌握 Agent 的"工具"和"方法"。

学习本模块后，你将能够：

• 🔧 选对工具：根据需求选择合适的框架或平台
• 🛠️ 动手构建：使用框架和工具快速开发 Agent 应用
• 🔗 集成系统：通过 MCP 协议连接各种数据源和 API
• 🏗️ 设计架构：为复杂任务设计多 Agent 协作系统
• 📊 生产部署：掌握监控、优化、成本控制等生产实践

行业现状（2025 年）

采用情况：

• McKinsey 报告：23% 的组织正在扩展 Agentic AI 系统，Agent 部署在 2025 年几乎翻了两番（从 Q2 的 11% 增长到 Q3 的 42%）[^1]
• PwC 数据：79% 的组织报告已采用 AI Agent
• LangChain 调研：57.3% 的大型企业已在生产环境运行 Agent

技术趋势：

• 从炒作到现实：2025 年是从实验转向生产的关键年份
• 框架整合：微软统一 AutoGen + Semantic Kernel，LangGraph 发布 1.0 稳定版
• 协议标准化：MCP 协议被广泛采用，超过 13,000 个 MCP 服务器在 GitHub 上发布
• 平台成熟：Claude Agent SDK 和 OpenAI Assistants API 提供企业级能力

学习方法建议

本模块采用"工具+实践"学习法：

1. 对比理解 - 对比不同方案的特点和适用场景
2. 代码示例 - 通过代码理解具体用法
3. 案例分析 - 了解实际项目的架构和效果
4. 动手实践 - 尝试构建简单的 Agent 应用

章节列表

1. Agent 框架 - 主流框架对比和选择指南
2. Agent 平台 - 托管平台的能力和用法
3. MCP 协议 - 通用工具协议的架构和应用
4. Skills 系统 - Agent 能力复用机制
5. Function Calling - 工具调用的技术实现
6. Agent 编排 - 多 Agent 协作模式和生产实践

学习检验

完成本模块学习后，你应该能够：

• [ ] 对比主流 Agent 框架（LangGraph、Microsoft、CrewAI）的特点和适用场景
• [ ] 解释框架和平台的区别，知道何时选择哪个
• [ ] 理解 MCP 协议解决的问题和价值
• [ ] 使用 Claude Agent Skills 构建可复用的能力模块
• [ ] 实现 Function Calling，处理工具调用和错误
• [ ] 设计多 Agent 协作架构（分层、顺序、并行、辩论）
• [ ] 掌握生产环境的监控、成本控制和安全实践
• [ ] 根据需求选择合适的技术栈和架构

扩展阅读

官方文档：

• LangGraph 官方文档 - 图式 Agent 框架
• Microsoft Agent Framework - 微软统一框架
• CrewAI 文档 - 多 Agent 协作框架
• Claude Agent SDK - Claude 开发工具
• MCP 官方博客 - MCP 协议最新动态

权威报告：

• McKinsey 2025 AI 全球调查报告 - 企业 AI 采用现状[^1]
• LangChain State of Agent Engineering - Agent 工程调研[^2]

实践教程：

• LangGraph 教程 - 官方教程和示例
• OpenAI Cookbook - Function Calling 示例
• Anthropic Prompt Library - 提示词和最佳实践

社区资源：

• MCP Servers Registry - 社区贡献的 MCP 服务器
• Claude Agent Skills Gallery - 官方和社区 Skills
• GitHub: awesome-agents - Agent 项目精选

---

学习提示：本模块内容较多，建议按顺序学习。每章的代码示例可以在本地运行实验，加深理解。重点关注不同方案的适用场景和生产实践。

---

← 返回课程目录 | 继续学习：Agent 框架 →

---

[^1]: McKinsey & Company, "The State of AI: Global Survey 2025", November 2025. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai [^2]: LangChain, "State of Agent Engineering Survey 2025", October 2025. https://www.langchain.com/state-of-agents