课程目录

• 第1章 AI 正式进入多 Agent 协作和自主决策的时代
• 1-1 多Agent融合自主决策，AI发展的必然趋势
• 1-2 准备工作：安装ApiFox
• 1-3 准备工作：配置阿里大模型广场的ApiKey
• 1-4 准备工作：百度地图API秘钥(AK)
• 1-5 准备工作：安装Nacos 3
• 1-6 仿Manus能自主决策的框架：Jmanus
• 1-7 具备ReAct核心能力的框架：AgentScope
• 第2章 大白话快速简单过一遍 Ai 大模型
• 2-1 大模型咋就懂咱说啥 ？
• 2-2 大模型的信息分析器：Transformer层
• 2-3 大模型的大脑中枢：自注意力机制
• 2-4 大模型的回应咋就这么体贴呢
• 2-5 大模型是弹药库，智能体则是武器
• 第3章 MCP + Skills，Agent“工具+技能”的双轮驱动
• 3-1 大模型困境：数据获取与整合上 的“抓瞎”
• 3-10 多Agent跨部门协作：A2A协议
• 3-11 主流的多Agent开发框架
• 3-12 多Agent的核心执行流程
• 3-2 困境解决方案：函数调用( Function Calling )
• 3-3 Function Calling就是大模型的跑腿小弟
• 3-4 更优的困境解决方案： MCP
• 3-5 对比Function Calling，MCP的不同
• 3-6 体验MCP：Jmanus配置MCP服务
• 3-7 具有专业知识的Agent Skills
• 3-8 工具调用最强组合：Agent Skills+MCP
• 3-9 搞定复杂活儿，得靠多个Agent协作
• 第4章 SpringAi 1.1 实现 MCP+A2A
• 4-1 以bom方式导入SpringAi Alibaba依赖
• 4-10 SpringAi 1.1 整合MCP
• 4-11 SpringAi 1.1 A2A的3个核心组件
• 4-12 SpringAi 1.1 MCP注解：全新的MCP实现
• 4-13 SpringAi 1.1 A2A的服务注册
• 4-14 SpringAi 1.1 A2A的服务发现
• 4-15 SpringAi 1.1 A2A的元数据AgentCard
• 4-16 测试 SpringAi 1.1 实现的 A2A 协议
• 4-2 导入MCP依赖
• 4-3 MCP能连接万物的原因：通信的分层设计
• 4-4 MCP的通信：SSE实时传输
• 4-5 创建MCP工具
• 4-6 将MCP工具注册到MCP服务
• 4-7 线程不会被卡住：WebFlux框架
• 4-8 Jmanus导入SpringAi自定义的MCP服务
• 4-9 SpringAi Alibaba 1.1 以bom方式导入依赖
• 第5章 Agent 团队打造专属你的旅行规划
• 5-1 旅行规划的复合任务拆解
• 5-2 团队成员：路线制定专员Agent
• 5-3 团队成员：行程规划经理Agent
• 5-4 团队成员：费用统筹管家Agent
• 5-5 Agent团队和大模型的无缝协作
• 5-6 百度地图MCP提供的工具体系全景
• 第6章 多 Agent + ReAct架构，SpringAi迈入Agent新时代
• 6-1 SpringAI 1.0，1.1 和 2.0
• 6-10 AgentScope构建搭载工具的ReAct Agent（2）
• 6-11 MCP客户端连接MCP服务端
• 6-12 大模型调用本地自定义的MCP服务
• 6-13 RAG只是一个过渡阶段吗 ？
• 6-14 长下文能取代RAG吗 ？
• 6-15 测试AgentScope的Agent运行
• 6-2 SpringBoot整合SpringAi Alibaba
• 6-3 和大模型互动的中枢：ChatModel对象
• 6-4 和大模型互动的窗口：ChatClient对象
• 6-5 ChatClient流式响应获取数据 (SSE)
• 6-6 SpringAi 1.1 正式进入Agent自主决策时代
• 6-7 SpringAi 1.1 组建旅游规划的Agent团队
• 6-8 SpringAi 1.1 Agent团队协同合作
• 6-9 AgentScope构建搭载工具的ReAct Agent（1）
• 第7章 Graph 搭建旅游规划工作流，像拼积木一样轻松
• 7-1 以工作流方式编排旅行规划的团队协同
• 7-10 SpringAi Alibaba1.1的Graph引擎
• 7-11 SpringAi 1.1的工作流状态更新
• 7-12 基于Graph搭建旅游规划工作流
• 7-13 总结Agent和Graph分别构建的工作流
• 7-2 搭建工作流的记忆中枢：OverAllState
• 7-3 搭建工作流的框架蓝图：StateGraph
• 7-4 搭建工作流的执行单元：NodeAction
• 7-5 搭建工作流的流程顺序：Edge
• 7-6 编译及运行工作流
• 7-7 图形化展示工作流
• 7-8 Flux就是装载SSE流式数据的容器
• 7-9 Flux包装SSE返回给前端展示打字机输出效果
• 第8章 Jmanus 懂思考、会规划、一步步动手完成任务
• 8-1 多Agent设计思路 角色分工
• 8-10 JManus的核心：计划协调器
• 8-11 JManus向大模型请求计划创建
• 8-12 根据计划类型创建不同的执行者
• 8-13 不同的执行者调用不同的执行流程
• 8-2 多Agent设计思路 冲突协商
• 8-3 多Agent设计思路 SOP管理机制
• 8-4 Manus多Agent的技术架构
• 8-5 Manus是自主决策的Ai Agent
• 8-6 OpenManus复刻Manus的架构思路
• 8-7 PlanAct是全局流程规划的主管
• 8-8 ReAct是灵活应变的基层执行者
• 8-9 JManus的文件架构以及Prompt提交入口
• 第9章 Docker 部署分布式 Agent 搞定旅游规划
• 9-1 AgentScope搭建工程化的分布式Agent协同
• 9-10 远程Agent封装为工具执行子任务
• 9-2 分布式Agent自主旅游规划的架构思路
• 9-3 SpringBoot 4 和 AgentScope 的整合
• 9-4 创建不同节点的ReAct Agent
• 9-5 主管Agent自主分解复杂任务
• 9-6 自主分解任务的关键：PlanNotebook
• 9-7 计划和执行中的事件拦截：Hook
• 9-8 主管Agent分发任务给相应Agent
• 9-9 团队成员的智能体卡片注册到Nacos
• 第10章 Skills 让 Agent 按照专业流程工作
• 10-1 Agent的牛马小弟：SubAgent
• 10-2 Agent Skills就是个专属工作流
• 10-3 Skills装载的是专业知识和工作流程
• 10-4 Skills的渐进式加载机制
• 10-5 Skills的文件结构标准
• 10-6 总结Agent从助手到自主协作的进化过程
• 10-7 SpringAi 1.1.2实现Agent装载Skills
• 第11章 MCP+A2A，助力旅游规划团队协作
• 11-1 回顾AgentScope旅游规划的整体架构
• 11-2 测试团队成员基于A2A协议注册到Nacos
• 11-3 测试主管Agent基于A2A协议获取团队成员
• 11-4 测试主管Agent调动团队成员执行任务
• 11-5 获取百度地图MCP服务端的工具列表
• 11-6 路线制定专员Agent挂载百度地图MCP
• 11-7 主管Agent自主分发任务给远程相应的成员
• 11-8 人工介入修改主管Agent制定的计划
• 第12章 专属SubAgent, 处理旅游规划专业Skills
• 12-1 行程规划经理挂载Skills
• 12-2 有限预算内规划精彩旅行的Skills
• 12-3 表格制作Skills
• 12-4 Skills实现Agent工具的渐进式加载
• 12-5 景点推荐SubAgent执行景点推荐任务
• 第13章 旅游规划优化，监控，部署
• 13-1 敏感资源处理方案
• 13-2 主管Agent暴露和用户交互的接口
• 13-3 docker搭建Agent跟踪和Token消费分析
• 13-4 旅游规划Agent团队集成Agent追踪观测
• 13-5 测试主管Agent接收Prompt及结构化输出
• 13-6 旅游规划打印出Agent的深度思考
• 13-7 测试路线制定专员规划最优驾车路线
• 13-8 课程总结