AI Agent 工程学习手册

这个 Agent 能做什么，适合哪些场景？

这是一本面向工程实践的中英双语 AI Agent 教材，包含 23 章、每种语言 188 个 Markdown 页面、330 多张 SVG 图和 5 个交互演示。内容从 LLM 基础、工具、记忆、规划和 RAG 延伸到上下文与 Harness 工程、Agentic RL、多 Agent、评估、安全和部署，也包含 LangChain、LangGraph 等框架实践。`reference-agent/` 提供小型教学基线，包含 ReAct 循环、工具、记忆、安全检查、评估、MCP 服务端和 FastAPI 服务。它可作为学习教材和实验起点；文档明确说明该实现并不代表完整的生产级系统。

src/en/ 和 src/zh/ 提供双语 mdBook 教材，按章节讲解 Agent 的组件、研究论文和工程方法，并提供图示与交互演示。reference-agent/ 中的 Agent loop 可使用工具注册表执行工具，并支持离线 FakeProvider 和可选的 OpenAI provider；实现还包含记忆、安全边界、MCP server、FastAPI endpoints、流式响应和评估 harness。仓库给出的命令可安装开发依赖并运行离线测试；它没有描述一个供终端用户直接调用的成品 Agent 命令。

1. 正在从 LLM API 调用转向 Agent 开发的工程师，可按章节学习工具、记忆、规划和 RAG。
2. 需要比较 Agent 架构与研究方法的学习者，可阅读 ReAct、Reflexion、MemGPT/Letta、GraphRAG 和 GRPO 等论文实践说明。
3. 想研究 LangChain 或 LangGraph 的开发者，可使用对应章节理解框架实践及其与基础机制的联系。
4. 希望练习 Agent 工具调用和安全检查的开发者，可阅读并运行 reference-agent/ 教学基线。
5. 需要双语学习材料和本地构建教材的团队，可使用 English 与中文 mdBook 源文件及 serve.sh。

如何安装或部署这个 Agent？

教材源码使用 mdBook 配置，仓库提供 serve.sh 用于本地构建和服务两种语言版本，但没有给出 mdBook 的安装命令或版本要求。运行参考实现时，仓库文档支持以下步骤：

cd reference-agent
python -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"
pytest -q

文档没有注明 Python 版本。FakeProvider 可离线运行且测试无需 API key；使用可选 OpenAI provider 时需要相应 API 凭据，具体配置步骤未在所给材料中说明。

如何使用这个 Agent？

在参考实现目录安装开发依赖后，可运行离线测试：

cd reference-agent
python -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"
pytest -q

阅读教材可从 src/en/SUMMARY.md 或 src/zh/SUMMARY.md 的目录开始；本地双语构建与服务由 ./serve.sh 支持。参考实现提供 FastAPI endpoints 和 MCP server，但所给材料未列出具体 endpoint、启动命令或 MCP 客户端配置，因此无法据此给出首次 API 调用步骤。

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

常见问题