🤖 从零到一：构建 AI Agent 完全教程

本教程面向所有人——无论你是完全不懂编程的新手，还是想快速落地的开发者。我们用费曼学习法，把复杂的 Agent 架构讲得像做番茄炒蛋一样简单。

---

一、先搞清楚三个核心概念

在动手之前，必须理解现代 Agent 架构中三个经常被混淆的词：Agent、Skills、MCP。

一句话版本

概念	类比	本质
Agent（智能体）	人类大脑（CEO）	自主决策的运行时实体
Skills（技能）	手和脚（身体能力）	代码层面封装的功能函数
MCP（模型上下文协议）	USB-C 接口	连接外部工具的标准化协议

---

1. Agent 是什么？

Agent 不只是一个 API 调用，它是一个持续运行的决策循环：

接收目标 → 规划步骤 → 调用工具 → 观察结果 → 判断是否完成 → 循环

比喻：你告诉机器人厨师"做一顿三人份少盐的番茄炒蛋"。它会自己想：需要哪些食材？冰箱里有吗？怎么控制盐量？这就是 Agent——自己规划、自己做事、根据结果调整。

---

2. Skills 是什么？

Skills 是开发者为 Agent 编写的功能函数，紧耦合在 Agent 代码内部。

• 特点：本地运行、与框架深度集成、灵活性高
• 示例：一个 send_email(to, content) 的 Python 函数，注册给 Agent 直接调用

---

3. MCP 是什么？

MCP（Model Context Protocol）是 Anthropic 推出的开放协议标准，让 Agent 能通过统一接口连接任意外部工具，就像 USB-C 接口一样——不管什么品牌的设备，插上就能用。

• 解耦：工具与 Agent 彻底分离，工具可独立运行甚至由第三方提供
• 标准化：任何兼容 MCP 的 Agent 都能调用任何 MCP Server
• 示例：运行一个 filesystem-mcp-server，Agent 通过协议说"读取 /data/report.pdf"，Server 执行并返回结果

---

三者协作示例：智能运维 Agent

任务：检查服务器日志，如果发现错误，就在 GitHub 创建 Issue。

组件	角色	实现
Agent	大脑	决定先调用 read_logs，再调用 create_github_issue
Skills	内部肌肉	read_logs 逻辑简单，写成内部 Python 函数直接注册
MCP	标准外设	create_github_issue 需要复杂 OAuth，封装成独立 github-mcp-server

---

到底要不要用 Skills 和 MCP？

场景	建议
简单 Chatbot，只需几个固定功能	直接写 Skills，不需要 MCP
需要复用的内部业务逻辑	用 Skills（函数注册到框架）
需要接入大量第三方工具（GitHub、Slack、数据库）	用 MCP，即插即用
生产环境、面向生态	Skills + MCP 混合，核心逻辑用 Skills，外部工具走 MCP

---

二、Agent 的四个核心零件

无论用什么框架，一个 Agent 都由以下四部分构成：

零件 1：大脑（LLM + 规划能力）

给 Agent 一个语言模型，但不只是让它生成文字——要让它以结构化方式输出行动计划。

最常用的模式是 ReAct（Reason + Act）：模型先"思考"，再"行动"，循环直到完成。

零件 2：手和脚（工具 / Skills / MCP）

类型	适用场景	示例
内部函数（Skills）	简单、私有、低延迟	get_user_from_db()
MCP Server	复杂、可复用、第三方	github-mcp-server

零件 3：记忆（短期 + 长期）

• 短期记忆：当前对话的上下文，直接把历史消息塞给 LLM
• 长期记忆：跨会话信息（用户偏好、历史决策），存入向量数据库（如 Chroma、Pinecone），需要时检索

比喻：短期记忆是"刚才聊了什么"，长期记忆是"你上次说过不吃香菜"。

零件 4：执行与反思循环

1. 接收输入（目标 + 当前状态）
2. 大脑思考：下一步做什么？
3. 调用工具（如果需要）
4. 观察工具返回结果
5. 判断：目标达成了吗？
   ├── 未达成 → 回到第 2 步
   └── 达成   → 返回最终答案

比喻：就像修自行车——看哪里坏（观察）→ 拆轮胎（行动）→ 查内胎（观察）→ 补漏（行动）→ 打气测试（观察）→ 修好为止。

---

三、三条构建路线，按需选择

🛤️ 路线 A：完全无代码（拖拽平台）

适合：完全不会编程，想快速做出能用的助手。

推荐平台对比

平台	优点	缺点	代码量
Coze（扣子）	最简单，支持发布到微信/飞书	复杂逻辑需学习	0 行
Dify.ai	工作流可视化，逻辑更灵活，可自托管	定制工具需少量 API 配置	0 行
Flowise	基于 LangChain，可构建复杂 Agent	界面偏技术向	0 行
OpenAI Assistants Playground	模型强，内置代码解释器/文件检索	自定义工具需少量代码	0~5 行

推荐入门路径

新手 → Coze 注册 → 创建 Bot → 勾选插件（天气/搜索） → 发布到微信
                                                        ↓
                          进阶 → Dify 工作流 → 拖拽节点编排复杂逻辑

---

🛤️ 路线 B：让大模型帮你写代码（AI 辅助编程）

适合：愿意运行代码，但不想自己写循环和工具逻辑。

这条路线的核心思路是：你用自然语言写需求，AI 生成代码，你负责运行和反馈。

第一步：选定框架

推荐初学者使用 LangChain——生态最全，模型训练数据最多，生成质量最稳定。

第二步：写好需求提示词

一份有效的提示词必须包含：

1. Agent 目标：它是做什么的？
2. 工具列表：需要哪些外部能力？
3. 记忆需求：是否需要记住历史？
4. 交互方式：命令行？Web API？
5. 特殊逻辑：有没有条件判断、优先级规则？

模板示例（直接复制修改）：

请用 Python 和 LangChain 帮我构建一个 Agent。

功能：用户输入城市名，Agent 先查询该城市天气，
     根据天气推荐穿衣建议，最后将结果发到用户邮箱。

需要实现：
- 使用 create_react_agent 方法
- 工具1：get_weather（调用 wttr.in 公共 API）
- 工具2：send_email（使用 SMTP 发送文本邮件）
- 记忆：短期记忆（对话历史）即可
- 运行方式：命令行交互

请生成完整 Python 代码，包含依赖安装说明和环境变量配置说明。

第三步：运行、报错、让 AI 修复

运行代码 → 报错 → 复制错误信息发给 AI → AI 返回修复版 → 再运行

一次迭代通常只需 2~3 轮就能跑通。

第四步：逐步添加高级功能

每次只加一个功能，保持代码可控：

基础 Agent 跑通
    ↓
加长期记忆（Chroma 向量库）
    ↓
接入 MCP 工具（文件读取、数据库查询）
    ↓
改造为多 Agent 协作（AutoGen）

生成的代码大致结构

# 1. 定义工具
@tool
def get_weather(city: str) -> str:
    """获取指定城市的天气"""
    response = requests.get(f"https://wttr.in/{city}?format=%C+%t")
    return response.text.strip()

@tool
def send_email(recipient: str, subject: str, body: str) -> str:
    """发送邮件"""
    # SMTP 发送逻辑（使用环境变量）
    ...
    return "邮件发送成功"

# 2. 创建 Agent
llm = ChatOpenAI(model="gpt-4o", temperature=0)
agent = create_react_agent(llm, tools=[get_weather, send_email], prompt=prompt)
executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

# 3. 运行循环（由框架管理）
result = executor.invoke({"input": user_input})

你不需要手写循环，框架自动帮你管理「思考 → 调用 → 观察 → 再思考」的全过程。

---

🛤️ 路线 C：从零手写（深度学习）

适合：想彻底理解原理，愿意多花时间。

核心是自己写 while 循环，手动管理消息历史，调用 LLM API 并解析结构化返回。

优点：完全可控，理解透彻。
缺点：代码量大，容易遗漏边界条件。

建议先走路线 B，理解框架行为后，再考虑是否需要手写替代。

---

四、注意事项与最佳实践

安全与成本

• API 密钥：永远使用环境变量（.env 文件），不要硬编码在代码中
• 成本控制：设置 Agent 最大迭代次数（如 max_iterations=10），防止无限循环烧钱
• 工具错误处理：确保每个工具函数都有 try/except，避免一个工具报错让整个 Agent 崩溃

调试技巧

• 开启框架的 verbose=True，可以看到 Agent 完整的思考过程
• 将错误信息完整复制给 AI，包括调用栈，修复成功率更高

框架版本兼容

LangChain 更新频繁，若生成代码报 API 不存在的错误，在提示词中注明版本：

请使用 LangChain 0.2+ 的最新语法

---

五、总结：选择你的路径

你是谁？
│
├── 完全不会编程
│   └── → Coze 或 Dify（0 行代码，20 分钟跑起来）
│
├── 愿意运行代码，但不想手写逻辑
│   └── → 写需求 → 让 AI 生成 → 运行调试（AI 辅助编程路线）
│
└── 想深度掌控
    └── → 先用框架理解原理，再考虑手写核心循环

记住最重要的一句话：

构建 Agent 的本质，是造一个能自己思考、自己动手、还能记住事情的程序。先把最小可运行版本跑起来，再一步步加功能。就像学做菜——先学会炒鸡蛋，再慢慢学调味、摆盘，最后才能开餐厅。

---

如有具体场景（客服助手、数据分析、自动化办公），可进一步定制需求提示词模板。