AI应用开发专家王晓华新作

学完本书将掌握Agent开发技术栈，并轻松完成案例所代表的应用项目。

01

本书内容

随着人工智能技术的蓬勃发展，大语言模型与智能体技术正引领着新一轮的技术革新。本书聚焦于智能体技术前沿领域，系统阐述AI Agent智能体开发的技术栈及其示例，并剖析5个大型智能体项目案例，帮助读者深入掌握智能体开发方法。本书配套示例源码、PPT课件、配图PDF文件、读者技术交流群。

《AI Agent智能体与MCP开发实践：基于Qwen3大模型》共分16章，内容包括从大语言模型到智能体的演进、Agent开发环境配置、二次元风格的陪伴Agent微调、在线Qwen3大模型的基本使用、RAG与提示工程、Agent架构设计、基于RAG的分层Agent智能客服实战、多Agent协作的原生A2A协议详解、MCP协议与应用详解、云上MCP服务的部署与使用、高德地图MCP服务智能调用实战、构建个性化的arXiv科研论文MCP服务、基于gradio的云上MCP服务发布、基于MCP的旅游规划智能体实战、多智能体框架LangGraph、基于LangGraph的高品质住宅投研智能体实战。

02

本书作者

王晓华，高校计算机专业讲师，研究方向为云计算、大数据与人工智能。其著作包括《DeepSeek原生应用与智能体开发实践》《DeepSeek大模型高性能核心技术与多模态融合开发》《深入探索Mamba模型架构与应用》《PyTorch深度学习与计算机视觉实践》《PyTorch语音识别实战》《ChatGLM3大模型本地化部署、应用开发与微调》《从零开始大模型开发与微调：基于PyTorch与ChatGLM》《PyTorch 2.0深度学习从零开始学》《TensorFlow深度学习应用实践》《OpenCV+TensorFlow深度学习与计算机视觉实战》《TensorFlow语音识别实战》《TensorFlow 2.0卷积神经网络实战》《深度学习的数学原理与实现》。

03

本书读者

本书既适合智能体开发初学者、智能体开发人员、大模型应用开发人员、行业大模型智能体解决方案提供商，也适合高等院校或高职高专院校智能体开发课程的学生。

04

编辑推荐

（1）AI技术作家、AI应用开发专家王晓华新作，这人真的很牛。

（2）工程级别应用案例实现代码，可直接复用，算是Agent开发新手老手的福利。

（3）所有示例与案例代码都经过测试，均可顺利运行，买过王晓华图书的小伙伴都知道。

（4）众多小示例，以及五大重点案例，包括多Agent智能客服、高德地图MCP服务、arXiv科研论文MCP服务、旅游规划智能体、高品质住宅投研智能体，读者根据自己的需求稍微修改一下即可应用于生产实践。

（5）智能客服智能体、arXiv科研论文MCP服务、旅游规划智能体、高品质住宅投研智能体，分别代表电商、科研、城市生活、投研分析领域的行业应用解决方案，极具参考价值。

（6）系统整合大模型与智能体技术体系，从AI  Agent技术体系，到AI Agent开发技术栈（微调、提示词、MCP、LangGraph、A2A、RAG、gradio），再到AI Agent开发工程案例，全面构建智能体技术的完整知识图谱。

（7）深度融合MCP技术创新与工程实践，内容覆盖MCP服务开发、部署和调用的方法及其案例，帮助读者掌握第三方和本地MCP服务集成开发智能体的方法。

（8）配套示例源码、PPT课件、配图PDF文件、读者微信交流群。

（9）学完本书将掌握Agent开发技术栈，并能顺利完成案例所代表的应用项目。

05

本书目录

第1章  从大语言模型到智能体的演进 1

1.1  从大语言模型到智能体 1

1.1.1  自回归大模型核心技术的突破 1

1.1.2  大语言模型发展的里程碑 2

1.1.3  从大语言模型到智能体 3

1.2  Qwen3架构革新与性能跃迁 4

1.2.1  Qwen3核心技术解读 4

1.2.2  Qwen3并行计算效能跃迁 6

1.2.3  Qwen3重新定义工作认知 8

1.3  本章小结 9

第2章  Agent开发环境配置 10

2.1  智能体开发环境安装 10

2.1.1  Miniconda的下载与安装 11

2.1.2  PyTorch的下载与安装 13

2.1.3  PyCharm编译器的安装与使用 16

2.2  本地化Qwen3的下载与基础使用 19

2.2.1  ModelScope简介 20

2.2.2  Qwen3模型的本地化部署与使用 21

2.2.3  Qwen3中思考模式的切换 22

2.3  本章小结 24

第3章  基于陪伴Agent的大模型微调 25

3.1  大模型微调 25

3.1.1  大模型微调的作用 25

3.1.2  大模型微调技术有哪些 26

3.2  二次元风格的陪伴Agent微调实战 26

3.2.1  微调模型与数据集的准备 27

3.2.2  使用TRL全量微调大模型 29

3.2.3  使用微调后的大模型进行二次元风格问答 31

3.3  本章小结 32

第4章  在线Qwen3大模型的基本使用 33

4.1  网页端Qwen3大模型的基本使用 33

4.1.1  在线Qwen3的注册与基本使用 34

4.1.2  不同提示词对回答的影响 35

4.2  Qwen3在线API的使用 37

4.2.1  在线Qwen3注册与基本使用 37

4.2.2  不同需求的Qwen3的API使用 38

4.2.3  在线API的工具调用与简单RAG处理 41

4.3  本章小结 44

第5章  RAG与提示词工程 45

5.1  RAG技术体系 46

5.1.1  RAG的定义与核心流程 46

5.1.2  数据处理与分块策略 47

5.1.3  Rerank机制详解 49

5.2  问题表示与提示工程 51

5.2.1  核心原则与最佳实践 51

5.2.2  提示工程中的思维链详解 52

5.3  结合RAG与思维链的任务拆解实战 54

5.3.1  加载思维链的查询处理 54

5.3.2  思维链的查询处理 55

5.3.3  结合RAG的思维链任务规划 57

5.4  本章小结 61

第6章  Agent架构设计 62

6.1  智能体技术演进路径 62

6.1.1  从大模型到自主智能体的能力跃迁 63

6.1.2  LLM、Workflow与Graph技术路线对比分析 64

6.1.3  交互范式变革：从工具调用到意图理解 65

6.2  智能体架构设计 66

6.2.1  “感知-决策-执行”闭环架构设计 67

6.2.2  记忆模块与上下文管理机制 67

6.2.3  工具调用与外部系统集成策略 68

6.3  本章小结 69

第7章  多Agent跨境电商智能客服实战 70

7.1  分层Agent跨境电商智能客服基本架构设计 70

7.1.1  DTC模式的崛起与智能客服的新要求 71

7.1.2  跨境电商智能客服架构设计 72

7.1.3  用于复杂任务分配、解决与汇总的分层Agent架构 73

7.2  搭建具备商业问答能力的交流客服Agent 74

7.2.1  基于Qwen3的多语种智能客服基座模型简介 75

7.2.2  真实客服数据集介绍与使用详解 76

7.2.3  使用LoRA微调基座模型 77

7.2.4  使用微调后的智能客服基座模型完成推理 81

7.2.5  原生Qwen3多语种支持与跨境电商智能客服语言设置 82

7.3  给交流客服Agent注入垂直领域知识 85

7.3.1  给客服大模型直接添加知识的方法 86

7.3.2  更高精度的RAG详解与使用示例 88

7.3.3  基于BM25算法的RAG实战 90

7.3.4  基于Embedding向量排序的RAG实战 94

7.3.5  补充讲解1：智能客服模型垂直领域知识注入 100

7.3.6  补充讲解2：用Qwen3开展向量计算 102

7.4  搭建基于Qwen3的调度Agent 104

7.4.1  使用MCP构建适配智能客服的工具集 104

7.4.2  基于在线Qwen3的客户意图识别与工具调度Agent 108

7.5  本章小结 112

第8章  多智能体协作的原生A2A协议详解 114

8.1  A2A架构详解 115

8.1.1  A2A的功能与定义 115

8.1.2  A2A通信与交互模块详解 116

8.2  Hello Agent：A2A多智能体交互实战 119

8.2.1  定义模块组件的实现与查看 119

8.2.2  服务模块组件的实现与启动 122

8.2.3  执行模块组件的实现与运行 125

8.3  本章小结 127

第9章  MCP与应用详解 128

9.1  工具调用详解 128

9.1.1  Python调用工具的基本原理 129

9.1.2  使用Qwen3演示大模型工具调用方法 130

9.2  MCP协议详解 133

9.2.1  MCP功能与架构详解 134

9.2.2  单机MCP服务端的搭建 137

9.2.3  单机MCP客户端的搭建与使用 138

9.3  本章小结 143

第10章  云上MCP服务的部署与使用 144

10.1  多种MCP连接协议详解 144

10.1.1  stdio与SSE传输协议 144

10.1.2  基于SSE传输协议的MCP服务端 146

10.1.3  可视化验证基于SSE协议的MCP服务 146

10.2  局域网MCP服务器的搭建与使用实战 150

10.2.1  局域网MCP服务端的搭建 150

10.2.2  局域网MCP客户端连接MCP服务 152

10.3  基于腾讯云的MCP服务架设与使用 154

10.3.1  高效便捷的MCP云服务平台 154

10.3.2  腾讯云MCP服务部署代码的编写 157

10.3.3  腾讯云端口的开启以及在线MCP服务的验证 158

10.3.4  腾讯云的持久化服务的开启 160

10.4  本章小结 161

第11章  高德地图MCP服务智能调用实战 162

11.1  MCP验证工具与高德地图剖析 162

11.1.1  MCP Inspector使用演示 162

11.1.2  FastMCP用法讲解 166

11.1.3  高德地图MCP服务剖析与测试 171

11.2  高德MCP服务的解析与应用重构 181

11.2.1  基于URL的高德MCP服务的解析 182

11.2.2  原生高德MCP服务的解析 187

11.2.3  解析基于高德MCP工具调用的示例 191

11.3  智能化自定义高德MCP服务实战 196

11.3.1  在线Qwen3大模型的使用 196

11.3.2  高德MCP函数工具的解析与格式转换 198

11.3.3  在线Qwen3的工具格式、函数体与转换函数 200

11.3.4  结合Qwen3智能化自定义高德MCP应用实战 208

11.4  本章小结 214

第12章  构建个性化的arXiv科研论文MCP服务实战 215

12.1  将arXiv MCP服务拆解为API应用 215

12.1.1  基础arXiv MCP服务的安装与拆解运行 216

12.1.2  使用大模型实现辅助工具函数设置 217

12.1.3  对查询结果的个性化排序处理 222

12.1.4  适配阅读习惯的可视化操作 225

12.2  设计个性化的科研论文查询函数设计 226

12.2.1  FastAPI用法讲解 226

12.2.2  基于Flow过程的科研论文查询 229

12.2.3  将查询服务重新包装成API服务 233

12.3  将arXiv API包装为MCP服务 236

12.3.1  重构原有的arXiv API服务 237

12.3.2  将arXiv API重新包装为定制的MCP服务 240

12.4  本章小结 244

第13章  基于gradio的云上MCP服务发布 245

13.1  gradio的基本使用详解 245

13.1.1  从gradio的Interface开始 245

13.1.2  gradio输入与输出组件 248

13.1.3  启动gradio的launch 252

13.1.4  gradio中多样化的输入/输出组件 253

13.1.5  gradio中常用的几个组件 256

13.2  基于gradio的MCP服务 268

13.2.1  基于gradio本地实现MCP服务程序 269

13.2.2  基于gradio免费部署云端MCP服务 271

13.3  本章小结 274

第14章  基于MCP的旅游规划智能体开发实战 275

14.1  基础智能体组件 276

14.1.1  智能体的基本模块 276

14.1.2  智能体的System Prompt 277

14.1.3  对MCP服务的加载和处理 280

14.2  智能体整合与单一MCP实战 282

14.2.1  完整的智能体整合 282

14.2.2  智能体整合高德MCP服务实战 291

14.3  智能体引导的寻味之旅 292

14.3.1  规划与文件处理MCP详解 292

14.3.2  飨揽杭城：智能体引导的寻味之旅 301

14.4  本章小结 312

第15章  多智能体框架LangGraph与聊天助手实战 313

15.1  初识LangGraph与工作流搭建 313

15.1.1  用LangGraph把大象装进冰箱 314

15.1.2  LangGraph特性与技术原理 319

15.1.3  LangGraph组件详解 319

15.1.4  LangGraph中的StateGraph 320

15.1.5  LangGraph中的节点 321

15.1.6  LangGraph中的边 323

15.2  基于LangGraph的聊天助手搭建 324

15.2.1  LangGraph构建的聊天助手 325

15.2.2  原生LangGraph接口对Qwen3的调用 327

15.2.3  一般智能体运行范式详解 328

15.2.4  基于LangGraph与Qwen3完成聊天助手 331

15.2.5  进阶智能体构建 333

15.3  本章小结 337

第16章  基于LangGraph的高品质住宅投研智能体开发实战 338

16.1  搭建投研助手必备的知识维度 339

16.1.1  负公摊深析：解构高品质住宅的价值基底 339

16.1.2  搭建全域知识架构的投研认知体系 340

16.1.3  智居范式跃迁：重构技术驱动的居住品质生态 341

16.2  基于Qwen3的高品质住宅投研助手实战 342

16.2.1  智能体流程功能的定义 343

16.2.2  智能体流程角色的设定 344

16.2.3  投研智能体不同角色的组合与实现 346

16.2.4  完整投研智能体的搭建与运行 351

16.2.5  在腾讯云上部署高品质住宅投研助手 354

16.3  本章小结 356

06

本书特色

本文摘自《AI Agent智能体与MCP开发实践：基于Qwen3大模型》，获出版社和作者授权发布。

AI Agent智能体与MCP开发实践：基于Qwen3大模型——jdhttps://item.jd.com/14541647.html