多Agent+Skills+SpringAI 构建自主决策智能体（mp4）

这门课的主题很明确：用 Spring AI 把「多 Agent 协作」这套东西真正跑起来，而不是停在概念层面。它解决的是一个很实际的问题——单个大模型调用只能做一问一答，遇到需要拆任务、调工具、按流程走的活儿就撑不住了。课程围绕 ReAct 架构、MCP、A2A、Skills 和 Graph 工作流展开，最后落到一个旅游规划的分布式 Agent 案例上，把「自主决策」拆成可实现的工程结构。

先看哪几块，取决于你的基础

如果你之前只用过 API 调模型、没写过 Agent 逻辑，建议从大模型基础那一章快速过一遍，重点是理解工具调用和上下文是怎么传给模型的，不用深究原理。接着直接进 MCP 与 Skills 那部分——这是整门课的地基，讲的是 Agent 怎么拿到「工具」和「技能」两套能力。有 Spring 开发经验的人可以跳过基础，但从 ReAct 架构那一章开始看，因为多 Agent 的调度逻辑和单 Agent 差别不小，跳过容易在后面 Graph 工作流那里卡住。

已经做过单 Agent 项目、想往协作方向走的，重点放在 MCP+A2A 和 Graph 工作流两块。前者解决 Agent 之间怎么通信和分工，后者解决流程怎么编排。Skills 那一章容易被忽略，但它其实是让 Agent 按专业流程干活的关键，值得单独花时间。

学完能独立做什么

按课程路径走下来，你应该能自己搭出一个多 Agent 系统：定义几个各司其职的 Agent，用 MCP 接上外部工具，用 A2A 让它们互相调用，再用 Graph 把整个流程串成一条可执行的链路。旅游规划那个案例是完整的落地示范，从本地跑通到 Docker 分布式部署都覆盖了，学完你能把这套结构迁移到自己的场景，比如客服分流、资料整理、任务派发这类需要多步协作的活儿。需要说明的是，课程给的是架构和实现方法，具体业务效果取决于你怎么设计 Agent 的职责边界。

资料怎么配合练习

视频是主线，但光看不够。建议每看完一章就动手把对应代码跑一遍，尤其是 MCP 和 A2A 这两块，配置和通信细节只看讲解很容易漏。Skills 部分可以试着给自己熟悉的流程写一个技能定义，比照着旅游案例改。Graph 工作流那章最好自己画一遍节点图再对照代码，理解编排逻辑。最后部署环节，如果本地环境跑通了，再上 Docker，不要一上来就搞分布式，排查问题会很吃力。整套资料偏工程实践，跟着敲比收藏更有用。