AI代理商实战：http://amzn.to/3RiYRqX v/ @ManningBooks

新版！更新！第二版！

目录：

1. AI代理的兴起
2. 核心组件：大语言模型、提示工程与代理
3. 基于模型上下文协议的AI代理行动
4. 多代理系统的架构设计与构建
5. 代理推理与规划
6. 代理的记忆与知识RAG应用
7. 通过评估与反馈构建稳健的代理
8. 部署代理与代理系统
9. 理解代理循环
10. 探索具备思考、监控与自适应能力的认知代理
11. 构建代理系统实用技巧 附录A 示例代码仓库配置 附录B 本地MCP服务器的Node.js环境搭建

《AI代理实战》第二版：基于LLM、MCP、A2A等技术的智能工作流：Lanham, Micheal: 9781633434530: Amazon.com: 图书

来源：https://www.amazon.com/Agents-Action-Second-Intelligent-workflows/dp/1633434532?&linkCode=sl2&tag=kirkdborne-20&linkId=57c251b383a58c16c6e0023854f1732d&language=en_US&ref_=as_li_ss_tl

《AI代理实战》（第二版）由Micheal Lanham撰写，Manning Publications Co.出版，为设计和部署由大语言模型和模型上下文协议（MCP）驱动的代理系统提供了全面框架。近期，Manning Publications邀请我对本书进行专家技术审阅。我结合近二十年在软件开发、分布式系统和人工智能领域的行业经验，对全书进行了评估。作者Micheal Lanham是应用AI领域的资深从业者和研究员，凭借深厚的技术功底，他将抽象代理概念与真实工程实践紧密结合，撰写了这本极具实用价值的指南。基于我的专业评估，我强烈向从事下一代代理AI解决方案构建的行业专业人士和研究人员推荐此书。

本书为构建代理AI系统提供了完整蓝图，从基础概念逐步深入到更高级的架构。开篇章节奠定了代理思维的理论基础，将代理定义为具备感知、规划、行动和学习（SPAL）能力的实体。随后引入模型上下文协议（MCP）——一个统一的代理通信标准——恰如其分地被称为“代理界的USB-C接口“。该协议实现了客户端、服务器和服务之间的无缝互操作，是构建可扩展代理生态的关键进步。

后续章节深入探讨多代理系统的架构，涵盖编排、协作和流程管理。作者阐释了如何平衡代理工作流、管理任务交接以及通过护栏机制验证交互——这些概念对于确保分布式AI环境中的可靠性和安全性至关重要。推理与规划章节结构尤为清晰，详细解释了大语言模型（LLM）如何运用链式思维（CoT）和ReAct范式来增强自主决策能力。书中对顺序推理MCP服务器的介绍，进一步展示了代理如何执行迭代推理，从而实现更可靠的分析和更强的问题解决能力。

中间章节聚焦检索增强生成（RAG）与记忆集成，展示代理如何利用向量数据库和语义搜索来回忆历史交互。作者对测试驱动代理开发（TDAD）的探讨，为构建稳健、具备自我评估能力的代理提供了实用方法论。这些章节在理论设计与工程实践之间架起桥梁，为实现可靠性和反馈循环提供了可复用的工作流。

后续章节涉及部署与治理，包括基于Docker的编排、微服务集成和安全考量。关于“代理循环“的讨论——涵盖内层、任务层和元层——阐述了代理如何在认知层级中进行监控、自适应和协作。最后章节延伸到元认知领域，将感知、规划和评估等认知过程映射到结构化代理架构中。这种从推理原语到认知适应的演进，充分体现了代理AI作为一门工程学科的成熟度。

总体而言，我推荐《AI代理实战》（第二版），因其内容清晰、深入且实用。本书紧跟前沿，涵盖了LLM驱动代理、MCP集成和多代理编排的最新发展。每个概念都配有分步讲解和完整代码示例，使读者能够从零开始构建可运行的代理。作者系统化的方法让复杂主题变得易于理解，同时保持了技术精准度。Micheal Lanham的这部著作堪称专业人士设计和部署智能代理系统的权威指南。