飞豹客 · 课能看,资料也能带走
飞豹客AI 会员免费

AI智能体+MCP编程智能体从零基础到商业级实战教程

这门课解决什么工作场景 当前AI应用开发已从单纯的对话生成,转向具备执行能力的智能体(Agent)。本课程聚焦于解决一个核心痛点:如何让大模型真正“动手”干活。内容覆盖LangChain工具开发、MCP(Model Context Protocol)标准化接入以及多轮对话记忆管理。你将在课程中掌握如

单课价¥29.90新品 上架
会员价 会员免费开通会员后本篇可直接下载套餐详情
0 人关注 更新于 2026-11-06 永久有效
发货

网盘链接 · 支付成功后自动发货

保障

永久有效 · 链接失效免费补发

客服

每日 9:00-21:00 在线客服 联系客服

会员可免费下载本篇月会员可免费领取。

开通会员 ›
购买本课销量 0 · 永久有效
会员价 · 单课标价 ¥29.90

会员 · 按档位

永久免费可领
年免费可领
月免费可领

游客按标价购买,不享受上表折扣。

支付成功后自动发放网盘链接,链接失效可找客服免费补

正版保障 极速发货 售后无忧

这门课解决什么工作场景

当前AI应用开发已从单纯的对话生成,转向具备执行能力的智能体(Agent)。本课程聚焦于解决一个核心痛点:如何让大模型真正“动手”干活。内容覆盖LangChain工具开发、MCP(Model Context Protocol)标准化接入以及多轮对话记忆管理。你将在课程中掌握如何为大模型挂载自定义工具,例如通过Playwright实现网页自动化操作,或接入GitHub、高德地图等外部服务。这直接对应了企业级AI应用开发中关于环境配置、工具封装及状态保持的实际场景,适合希望从理论演示走向工程落地的开发者。

适合什么基础、建议先看哪几块

课程面向具备Python基础的初学者,但需要耐心处理环境依赖。建议的学习路径如下:

  • 环境搭建先行:第3章详解Anaconda与uv包管理器,这是后续所有代码运行的地基。务必先花半天时间熟悉Python多版本管理及本地Ollama模型的部署,确保大模型调用链路通畅,不要急于进入编码环节。
  • 掌握工具定义:第4章是核心基础。重点理解如何通过Pydantic进行入参校验,以及如何利用tool装饰器注册自定义工具。少样本学习(FewShot)与提示词模板的搭配使用,决定了智能体调用的准确率。
  • 攻克MCP协议:第7章涉及Cursor集成与LangGraph智能体构建。这是课程的难点也是亮点,需重点学习Playwright工具的执行流程分析及日志结构化输出,理解MCP如何作为桥梁连接AI与本地工具。
  • 完善对话闭环:第8章解决“记性”问题。学习RunnableWithMessageHistory组件,实现会话持久化,让智能体能基于历史上下文进行连续推理。

学完能独立做什么、资料怎么配合练习

完成课程后,你将能够独立构建具备工具调用能力的编程智能体。具体而言,你可以开发一个能读取本地文件、执行网页自动化任务,并接入GitHub API进行代码分析的辅助工具;也能在Cursor编辑器中配置MCP服务,实现基于项目上下文的二次开发。资料包中的案例涵盖了从基础的API实例化到复杂的多模块集成,建议边看视频边跟随代码敲写。特别是第7章的项目实战,不要只看不练,必须亲手配置Node环境并调试Playwright的输出日志,才能内化MCP的接入流程。对于多轮对话部分,建议自行修改历史记录的存储介质,观察不同实现方式对上下文注入的影响。

课程目录

第4章 AI智能体开发之LangChain大模型工具开发 (Agent工具能力)9 集
  • 4-7 大模型调用自定义工具全流程开发 .mp4 [55.9 MB]
  • 4-1 langchain_openai实例化qwen大模型+pydantic SecretStr加密api_key .mp4 [35.6 MB]
  • 4-5 FewShotPromptTemplate通过提示词实现大模型少样本学习 .mp4 [31.6 MB]
  • 4-2 提示词模板之文本提示词PromptTemplate .mp4 [29.9 MB]
  • 4-6 提示词模板对比及场景分析+链式调用大模型 .mp4 [28.6 MB]
  • 4-9 本章重点内容回顾和复习 .mp4 [26.8 MB]
  • 4-8 tool装饰器注册工具+args_schema精确控制工具入参 .mp4 [27.0 MB]
  • 4-3 对话提示词模板ChatPromptTemplate用法 .mp4 [30.1 MB]
  • 4-4 ChatPromptTemplate+ChatMessagePromptTemplate联合实现对提示词+消息体的抽象和复用 .mp4 [17.7 MB]
第7章 AI智能体开发之Cursor+MCP接入(AI Agent 的智能化工具)11 集
  • 7-8 小项目:Cursor+Github MCP二次开发vue-element-admin项目 .mp4 [105.8 MB]
  • 7-6 Cursor+高德MCP服务制定旅行计划 .mp4 [36.1 MB]
  • 7-7 Cursor+Github MCP服务集成 .mp4 [29.6 MB]
  • 7-10 本章重点内容回顾和复习 .mp4 [15.6 MB]
  • 7-9 LangGraph agent接入Github MCP服务 .mp4 [24.7 MB]
  • 7-2 LangChain+MCP读取Playwright工具 .mp4 [45.6 MB]
  • 7-3 LangGraph+create_react_agent创建智能体运行Playwright工具 .mp4 [40.3 MB]
  • 7-4 Cursor下载、安装并接入Playwright MCP服务 .mp4 [37.7 MB]
  • 7-1 本章内容概览+Node环境搭建 .mp4 [46.9 MB]
  • 7-5 Cursor+Github MCP服务集成 .mp4 [29.6 MB]
  • 7-4 Playwright工具执行流程分析+日志结构化输出 .mp4 [51.5 MB]
第8章 AI编程智能体项目规划+多轮对话能力实现(AI Agent的多轮对话能力)11 集
  • 8-3 多轮对话LCLE创建 .mp4 [38.3 MB]
  • 8-7 使用FileChatMessageHistory实现会话持久化 .mp4 [43.3 MB]
  • 8-8 将agent集成到多轮对话 .mp4 [49.6 MB]
  • 8-1 项目目标及整体架构设计 .mp4 [79.2 MB]
  • 8-6 多轮对话交互实现 .mp4 [56.6 MB]
  • 8-11 本章重点内容回顾和复习 .mp4 [22.7 MB]
  • 8-10 Runnables组件核心功能演示 .mp4 [64.2 MB]
  • 8-5 基于RunnableWithMessageHistory构建多轮对话Runnable实例 .mp4 [23.1 MB]
  • 8-4 使用对话历史类ChatMessageHistory解决历史对话注入问题 .mp4 [25.3 MB]
  • 8-2 多轮对话能力原理介绍 .mp4 [38.4 MB]
  • 8-9 LangChain核心组件Runnables介绍 .mp4 [21.6 MB]
第3章 AI智能体开发之大模型调用 (AI Agent的 大模型能力)9 集
  • 3-4 使用langchain-ollama库调用本地大模型 .mp4 [37.0 MB]
  • 3-1 python多版本管理工具anaconda使用方法 .mp4 [40.6 MB]
  • 3-3 智能体开发流程&Ollama本地大模型部署 .mp4 [34.5 MB]
  • 3-9 本章重点内容回顾和复习 .mp4 [16.2 MB]
  • 3-2 python项目管理工具uv安装和应用 .mp4 [29.0 MB]
  • 3-7 百炼平台推理大模型调用 .mp4 [24.2 MB]
  • 3-5 ollama大模型的流式调用 .mp4 [10.7 MB]
  • 3-8 LangChain框架基本特性和概念介绍 .mp4 [29.5 MB]
  • 3-6 阿里云百炼平台大模型调用 .mp4 [31.6 MB]
第6章 AI智能体开发之深入MCP协议(AI Agent 的外部工具能力)8 集
  • 6-8 本章重点内容回顾和复习 .mp4 [26.4 MB]
  • 6-1 本章内容概览——走近MCP .mp4 [21.2 MB]
  • 6-3 高德MCP服务接入原理讲解 .mp4 [27.3 MB]
  • 6-7 MCP通讯协议之stdio——实现本地MCP服务端+客户端 .mp4 [91.3 MB]
  • 6-5 结合高德MCP使智能体具备位置服务能力 .mp4 [62.8 MB]
  • 6-4 使用langchain_mcp_adatpers创建高德MCP客户端 .mp4 [49.8 MB]
  • 6-2 彻底搞懂MCP的原理和发展现状 .mp4 [56.9 MB]
  • 6-6 基于高德MCP的复杂路径规划+可视化展示 .mp4 [77.4 MB]
第9章 AI编程智能体记忆能力实现(AI Agent的记忆能力)12 集
  • 9-10 (加餐)使用Docker安装mongodb服务 .mp4 [24.7 MB]
  • 9-9 (加餐)使用Docker安装redis服务 .mp4 [47.2 MB]
  • 9-11 (加餐)mongosh命令行工具安装和使用 .mp4 [16.1 MB]
  • 9-5 文件持久化原理讲解+手写FileSaver实例化 .mp4 [37.6 MB]
  • 9-12 本章重点内容回顾和复习 .mp4 [23.0 MB]
  • 9-2 Windows&MacOS Redis环境搭建 .mp4 [34.8 MB]
  • 9-6 文件持久化FileSaver存储方法put实现 .mp4 [101.1 MB]
  • 9-4 MongoDB环境搭建&MongoDB持久化实现 .mp4 [43.2 MB]
  • 9-7 文件持久化FileSaver恢复方法get_tuple实现 .mp4 [67.8 MB]
  • 9-1 本章内容概览+Agent内存记忆能力实现 .mp4 [83.7 MB]
  • 9-3 运用RedisSaver实现Agent会话持久化 .mp4 [39.9 MB]
  • 9-8 基于FileSaver的agent多轮对话能力实现 .mp4 [47.2 MB]
第1章 课程简介1 集
  • 1-1 导学:什么是AI Agent,如何更好地学习AI Agent? .mp4 [76.1 MB]
第2章 智能体必学必会的那些事一AI智能体的基础概念和技术架构7 集
  • 2-1 什么是智能体?常见的AI智能体能力展示 .mp4 [28.9 MB]
  • 2-7 本章知识总结和回顾 .mp4 [23.0 MB]
  • 2-3 智能体的核心特性:自主性、适应性、交互性 .mp4 [20.2 MB]
  • 2-2 主流智能体产品介绍和效果对比(DeepResearch、Manus、GLM沉思、通义千问) .mp4 [54.4 MB]
  • 2-5 智能体5级分层及商业应用 .mp4 [30.2 MB]
  • 2-6 智能体技术架构讲解——Langgraph+LLM+Tools+MCP+RAG .mp4 [29.8 MB]
  • 2-4 智能体和大模型的区别 .mp4 [31.9 MB]
第10章 AI编程智能体开发之终端控制工具开发( AI Agent的终端控制能力)10 集
  • 10-8 使用Cursor封装终端mcp工具 .mp4 [52.3 MB]
  • 10-5 MacOS终端工具原理介绍+关闭终端工具开发 .mp4 [44.8 MB]
  • 10-7 实现向终端输入脚本命令+获取终端全部信息 .mp4 [37.2 MB]
  • 10-6 终端新增工具开发 .mp4 [86.2 MB]
  • 10-4 智能体流失输出+输出结果视觉优化 .mp4 [127.7 MB]
  • 10-3 mcp工具封装+agent集成shell mcp工具 .mp4 [109.8 MB]
  • 10-10 本章重点内容回顾和复习 .mp4 [14.2 MB]
  • 10-1 本章内容概览+subprocess run方法讲解 .mp4 [80.3 MB]
  • 10-2 subprocess Popen方法实战 .mp4 [34.4 MB]
  • 10-9 windows利用psutil+pyautogui开发powershell控制工具 .mp4 [37.8 MB]
第5章 AI智能体开发之内置工具调用+返回体控制能力(Agent的智能体整合能力)8 集
  • 5-5 智能体企业官网提示词修改和优化 .mp4 [25.9 MB]
  • 5-6 langchain基础解析器讲解——精准控制大模型响应结果 .mp4 [38.5 MB]
  • 5-3 PythonPerl基本用法介绍 .mp4 [27.1 MB]
  • 5-2 应用JsonOutputParser规范智能体返回值 .mp4 [65.7 MB]
  • 5-4 利用PythonPerlTool自动编写企业官网 .mp4 [64.3 MB]
  • 5-7 langchain DateOutputParser实现将自然语言转为日期格式 .mp4 [20.0 MB]
  • 5-1 使用langchain.agents库快速完成智能体创建和调用 .mp4 [51.2 MB]
  • 5-8 本章重点内容回顾和复习 .mp4 [27.2 MB]