人工智能技术丛书《AI Agent智能体与MCP开发实践：基于Qwen3大模型》

原创于 2026-09-11 09:59:17 发布 · 245 阅读

1 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

图书推荐

话题

#AtomGit「码动四季·开源同行」秋季征稿活动

文章目录

AI Agent智能体与MCP开发实践：基于Qwen3大模型

AI Agent智能体与MCP开发实践：基于Qwen3大模型

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。

在这里插入图片描述

内容简介

"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。《AI Agent智能体与MCP开发实践:基于Qwen3大模型》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。《AI Agent智能体与MCP开发实践:基于Qwen3大模型》配套示例源码、PPT课件、配图PDF文件、读者微信技术交流群，所有代码经过测试，均能正确运行。

《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、基于陪伴Agent的大模型微调、在线Qwen3大模型的基本使用、RAG与提示工程、Agent架构设计、多Agent跨境电商智能客服实战、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服务实战、基于gradio的云上MCP服务发布、基于MCP的旅游规划智能体开发实战、多智能体框架LangGraph与聊天助手实战、基于LangGraph的高品质住宅投研智能体开发实战。

《AI Agent智能体与MCP开发实践:基于Qwen3大模型》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。"

作者简介

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》。

图书前言

在这里插入图片描述

前言

在人工智能技术日新月异的今天，大语言模型正经历着从单模态理解向多智能体协作的范式跃迁。国内外的AI科研机构在智能体架构领域的突破性进展，标志着AI技术已进入以Agent为代表的自主决策新时代。AI Agent重新定义了人机协同的工作模式，为跨境电商客服、科研论文检索、城市智慧服务等场景提供了强大的技术支撑。本书立足人工智能技术演进的前沿阵地，围绕AI Agent的技术内核，系统解析AI Agent应用开发技术栈，深入探讨智能体开发架构的特点与应用潜力，为开发者构建智能体应用提供完整的技术图谱。

本书目的

本书以Qwen3大模型为核心载体，系统解析AI Agent开发的全链路技术体系，旨在帮助读者掌握AI工程化落地能力。通过理论解析与实战案例结合，本书首先阐释大语言模型向智能体演进的技术脉络，以及智能体开发环境的搭建方法；进而围绕AI Agent开发全生命周期，详细讲解微调、A2A、MCP、工具调用、gradio、LangGraph等核心技术，使读者具备独立搭建AI Agent系统的能力。

针对AI Agent核心应用需求，本书重点突破三大技术方向：其一，通过RAG技术与提示工程实战，构建知识增强型智能系统，提升模型在垂直领域的专业能力；其二，以电商智能客服、科研论文、旅游规划、住宅投研等真实场景为案例，演示分层架构设计、多模态知识注入、工具调用等关键技术，实现从单任务处理到复杂业务闭环的跨越；其三，全面解析MCP协议与多Agent协作机制，覆盖单机服务、局域网部署、云上持久化运营等全场景方案，并创新结合高德地图API、arXiv科研论文等外部系统，打造可扩展的智能体生态。

通过本书学习，读者能够系统掌握覆盖智能体开发、部署、运维的完整方法论，并具备将前沿AI技术转化为实际生产力的能力。无论是希望突破Agent技术瓶颈的AI开发工程师，还是寻求AI赋能解决方案的设计者，都能从本书中获得从基础能力构建到复杂系统设计的全维度指导。

本书构思

随着人工智能技术的飞速发展，大语言模型与智能体技术已成为推动行业变革的关键力量。从大语言模型的突破到智能体的兴起，人工智能正经历着从单一任务处理向自主决策与执行的跨越。在这一背景下，Qwen3模型凭借其卓越的性能与架构创新，成为了人工智能领域的新星。同时，Agent技术作为实现智能体的核心，其架构设计与应用开发也受到了广泛关注。

为了帮助读者系统掌握AI Agent技术的核心原理与应用实践，本书从技术演进、架构设计、实战应用等多个维度展开阐述。通过本书的学习，读者将深入了解人工智能技术的最新进展，并学会如何将这些技术应用于实际项目中。

本书内容

AI技术的演进与Agent开发准备（第1章和第2章）： 首先回顾人工智能技术的演进历程，特别是大语言模型与智能体技术的发展脉络。随后，介绍Agent开发环境的配置方法，包括Python、PyTorch开发环境的安装、Qwen3模型的本地化部署与使用等，为后续的实战项目奠定基础。

基于陪伴Agent的大模型微调、API调用等技术（第3章和第4章）： 深入探讨Qwen3模型的技术细节，包括模型微调、在线使用与API调用等。通过实战案例，展示Qwen3模型在不同场景下的应用潜力。

RAG与提示工程（第5章）： 介绍RAG技术的核心原理与应用流程，探讨提示工程在人工智能任务中的关键作用。通过实战案例，展示如何结合RAG与提示工程优化任务处理效果。

Agent架构设计（第6章）： 阐述Agent技术的演进路径与架构设计原则，包括"感知-决策-执行"闭环架构、记忆模块与上下文管理机制等。通过对比分析不同技术路线，帮助读者理解Agent技术的核心要素。

Agent的A2A、MCP协议及其示例（第7~12章）： 重点讲解A2A协议、MCP协议及其应用。本部分的示例包括多Agent智能客服项目、多Agent协作的原生A2A协议、MCP协议与应用详解、基于腾讯云的MCP在线部署与使用、解析高德地图MCP服务与智能调用实战、构建个性化的arXiv科研论文MCP服务实战等，帮助读者深入理解智能体开发的应用场景与实现方法。

Agent开发案例实战（第13~16章）： 介绍基于gradio的云上MCP服务发布方法和多智能体框架LangGraph的特性与用法，并通过旅游规划智能体、聊天助手、高品质住宅投研智能体等项目开发案例，展示智能体技术的实际应用价值，帮助读者理解智能体技术的未来发展。

通过本书的学习，读者将系统掌握AI Agent智能体开发技术栈及其应用案例的开发方法，为智能体落地应用与实践打下坚实的基础。
在这里插入图片描述

本书特点

本书围绕AI Agent智能体开发与MCP协议实战展开，具有以下鲜明特点：

前沿技术深度融合。 本书以人工智能技术演进为主轴，系统整合大模型与智能体技术体系。从大语言模型到自主Agent的能力跃迁，到Agent"感知-决策-执行"闭环架构设计，构建了智能体技术的完整知识图谱。同时，创新性引入MCP协议技术栈，通过单机部署、腾讯云在线服务及SSE协议可视化验证等实战，揭示其在大模型工具调用中的枢纽作用，实现算法创新与工程落地的有机统一。
全链路实战体系构建。 本书突破理论说教模式，打造"环境配置-模型调优-服务部署-系统集成"的全流程实战体系。涵盖Miniconda/PyCharm开发环境搭建、Qwen3本地化部署与在线API调用等基础操作，延伸至LoRA微调、RAG知识注入、多Agent架构等核心技术，最终通过跨境电商智能客服、高品质住宅投研助手等完整项目，完整呈现从工具链配置到业务系统落地的实施路径。
垂直场景知识赋能。 聚焦行业真实需求构建技术解决方案，在电商领域设计支持多语种与垂直知识注入的智能客服系统，在科研场景实现arXiv科研论文资源的MCP服务化改造，在城市生活领域开发融合高德地图MCP服务的旅游规划Agent，在投研分析领域开发基于LangGraph的高品质住宅投研助手，展现智能体技术栈在专业领域的垂直赋能能力。
多技术生态协同创新。 突破单一技术框架局限，构建多元技术协同体系。协议层面覆盖stdio、SSE传输协议对比与MCP服务部署；框架层面打通LangGraph工作流引擎与Qwen3的调用接口；应用层面深入跨境电商、科研论文服务、旅游规划、高品质住宅投研等前沿领域。通过gradio云服务发布、腾讯云持久化部署等实战，形成覆盖"本地开发-云端部署-多端调用"的完整技术生态。
渐进式认知升级设计。 采用"基础原理-核心技术-综合创新"的三级进阶模式。初级阶段掌握Python环境配置与模型基础使用，中级阶段精通RAG检索增强、提示工程等核心技术，高级阶段通过多智能体协作、云端部署等项目实现系统级能力突破。每章设置"本章小结"凝练方法论，配套可复用的代码模板与技术选型指南，适配不同层次的学习需求。

本书配套资源

本书配套示例源码、PPT课件、配图PDF文件、读者微信技术交流群，读者使用微信扫描右边的二维码即可获取。如果在阅读过程中发现问题或有任何建议，请联系下载资源中提供的相关电子邮箱或微信。

本书适合的读者

?AI Agent智能体开发初学者：本书从开发环境搭建到API调用，再到Agent开发技术栈，最后到Agent应用开发案例，手把手地进行讲解，帮助零基础读者快速上手大模型智能体开发全流程。
?AI Agent智能体开发人员：本书深度融合智能体开发技术与实际工程应用案例，详细解析智能体开发方法，帮助开发人员提高大模型应用开发水平。
?大模型应用开发人员：本书突破理论说教模式，打造"环境配置-模型调优-服务部署-系统集成"的全流程实战体系，帮助大模型应用开发人员构建全流程的开发架构。
?行业大模型智能体解决方案提供商：本书解析的智能客服智能体、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、智慧城市、投研分析领域的行业应用解决方案，极具参考价值。
?学习人工智能大模型相关课程的学生：本书既涵盖智能体基础理论，又包含智能体开发的前沿技术，并通过丰富的案例，支撑"理论－实验－项目"的完整教学闭环，可以作为高校AI Agent智能体开发课程的教材。

作者与鸣谢

本书作者王晓华为高校计算机专业教师，担负数据挖掘、人工智能、数据结构等多项本科及研究生课程，研究方向为云计算、大数据与人工智能，在研和参研多项科研项目。

本书的顺利出版，离不开清华大学出版社老师们的帮助，在此表示感谢。

作者

2025年8月

图书推荐

（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。

图书目录

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