Agent Craft —— 全栈 AI Agent 开发者的实战修炼手册

站在巨人的肩膀上：从调 API 到造智能体

"我知道 LangChain 是什么，但看完文档还是不知道怎么做项目。"——这是很多 AI 开发者曾经面临的困境。市面上不缺概念文章，缺的是从零到一、代码可跑、原理可讲的实战系统。

Agent Craft 正是为解决这个问题而生。这是一个由独立开发者 Annyfee 维护的系统性 AI Agent 教学仓库，GitHub 获星 361 颗，聚焦于用 Python 从最基础的 LLM 调用讲起，一路覆盖 Function Calling、RAG、LangGraph、MCP 等关键技术，最终带你构建真正可用的智能体应用。所有代码均可独立运行，配套 CSDN 博客做原理讲解，形成「代码 + 文章」的双轨学习闭环。

技术全景：从单步调用到多智能体协作

Agent Craft 的课程体系按难度分为四大篇章，共 13 个模块（规划 15 个），层层递进：

基础篇（m01-m03）：从这里开始，先解决环境问题（OpenAI API Key 配置），再学 LLM 最基础的 chat 调用，理解 prompt 的构造方式和上下文记忆机制，最后深入 Function Calling——让模型不只是"说话"，还能真正调用外部工具完成真实任务。

框架篇（m04-m05）：引入 LangChain 这个抽象层，理解 Chain（链）的概念：用 | 管道符将 Prompt → LLM → Parser 串联成可复用流水线。这里会讲到 Memory（记忆）的注入方式、SQL Agent 的实现（让 AI 自动写 SQL 查询数据库），以及 Streaming（流式输出）的实战用法。

RAG 篇（m06-m07）：这部分是私有知识库落地的核心。m06 讲 RAG 全链路：文档加载 → 分块 → 向量化 → 建索引 → 检索 → 生成。m07 则深入重排序（Reranker）、Chroma 向量数据库，以及 RAG as Tool——让知识检索成为 Agent 决策流程中的一环。课程还附带了《战争与和平》原文片段做真实语料测试。

高级编排篇（m08-m09）：LangGraph 是这个项目的技术重心之一。相比 LangChain 的链式调用，LangGraph 引入了状态机概念：节点（Node）、边（Edge）、条件路由（Conditional Edge）全部显式建模，让复杂 Agent 流程变得可调试、可回溯。m09 展示了多智能体编排（Multi-Agent Orchestration）和 Supervisor Agent 模式——多个专业化 Agent 在 Supervisor 调度下协作完成复杂任务，每个 Agent 负责一个子领域。

协议与生态（m10-m11）：MCP（Model Context Protocol）是 2024 年最热门的 Agent 协议之一。Agent Craft 从 stdio server 讲起，逐步深入 Streamable HTTP 模式的 MCP 服务实现，配套高德地图 API 实战调试。这部分内容直接对标 Anthropic 的 MCP 官方规范。

最后一公里（m12-m13）：Agents SDK（OpenAI）与 Swarm 框架的对接，以及 Streamlit 快速构建 Web UI，让学习成果真正变成可交互的产品。

技术架构：为什么选择这套栈？

从 requirements.txt 可以清晰看到项目选型的逻辑：核心是 LangChain + LangGraph + OpenAI（DeepSeek 作为平替），辅以 MCP 协议层和 Streamlit 前端。这种组合在当前 AI Agent 开发领域具有高度代表性：

代码风格上，项目大量使用类型注解（TypedDict、Annotated）和类型安全的 LangGraph API，代码质量评分可达 85/100。虽然模块数量多（13 个模块），但每个模块都是独立可运行的 Python 脚本，结构清晰，适合作为学习素材直接引用。

部署体验：5 分钟跑起来

部署难度：简单。作为纯 Python 教学项目，Agent Craft 不需要 GPU，不需要 Docker，只需要 Python 3.10+ 环境。

克隆仓库后，pip install -r requirements.txt 装好 20+ 依赖（LangChain、LangGraph、OpenAI SDK 等），复制 .env.example 为 .env，填入 OpenAI API Key（或 DeepSeek API Key，代码已做适配），直接运行任意模块脚本即可。m13 提供了 Streamlit Web UI，可通过 streamlit run 启动一个本地页面，用浏览器与 Agent 交互。

缺点也必须说清楚：项目依赖大量第三方框架（LangChain 系尤其明显），这些框架版本更新频繁，requirements.txt 中的版本号（如 langchain==1.2.0）不一定与最新版兼容，首次安装时可能出现依赖冲突，需要手动调整版本。另外，没有容器化支持意味着跨平台部署需要手动配置 Python 环境，对于企业级场景不太友好。

这门课适合谁？

目标读者有两类：第一类是刚学完大模型调用的开发者，会用 ChatGPT API 但不知道如何构建复杂 Agent 应用，Agent Craft 从 Chain 开始逐步引入复杂度，是最好的进阶路径。第二类是想系统理解 LangChain/LangGraph 生态的产品经理或 AI 爱好者，课程配套的 CSDN 博客从原理层面讲解，不要求你有很强的工程能力。

不适合已经有 LangGraph 生产项目经验的开发者——这部分内容更偏教学深度而非工程前沿。另外课程目前没有涉及视觉多模态、语音交互等方向，想要端到端多模态 Agent 的读者需要另找资源。

行业意义：从学习曲线到 Agent 时代的基础设施

Agent Craft 的出现，折射了 2024-2025 年 AI 开发领域的一个大趋势：Agent 基础设施的民主化。从 LangChain 简化 LLM 调用，到 LangGraph 引入状态机思维，再到 MCP 协议统一工具生态，这套栈代表了当前构建可信赖、可调试 AI Agent 的主流范式。

项目作者 Annyfee 以 CSDN 博客作为内容出口，形成了 GitHub（代码）+ 博客（原理）+ 社区（讨论）的三端闭环，这种「技术博主 + 开源项目」的组合在中文 AI 教育圈越来越常见。它不追求 starred 数量暴涨，而是稳扎稳打做内容质量——这种长期主义的内容策略，反而更容易沉淀出真正有价值的教学资产。