资源介绍
视频数量：10个
总时长：1小时23分
课程介绍：
智能体开发实战：从模型上下文协议到生产级部署
你有没有试过让ChatGPT帮你写一个文件？不是聊天框里给你一段文本让你自己复制保存，而是真的让它在磁盘上创建文件、写入内容、保存下来？2022年，这根本不可能——大模型会直白地告诉你"我没有这个能力"。但现在，同样的请求，它真的会把文件交到你手上。
中间发生了什么？答案藏在Anthropic提出的一个协议里——模型上下文协议，英文简称MCP。这个协议给大模型装上了"手"，让它不再只是一个聊天机器人，而是能真正执行操作的智能体。这门课要做的，就是带你从零开始，把这套体系彻底搞明白。
一、从聊天机器人到真正的执行者
课程开篇先讲清楚为什么要关注智能体。现在的LLM已经不只是回答问题那么简单，它能调用函数，能操作文件，能访问外部API。但这些能力不是凭空出现的——它们依赖于一套通信协议、一个服务器架构、以及一个能理解协议规范的大脑。搞懂这条链路，就理解了智能体和聊天机器人的本质区别。
二、MCP与JSON-RPC：智能体通信的底层逻辑
第二课进入核心技术：MCP到底是什么。它基于JSON-RPC这个远程过程调用协议，整个通信过程只涉及三个方法名——初始化、工具列表、工具调用。听起来简单，但这就是一切的基础。搞清楚客户端和服务器之间到底在传什么、怎么传，后面写代码才不会两眼一抹黑。
三、FastMCP：十行代码搭起一个服务器
理论讲完，课程带你用FastMCP库快速搭建一个MCP服务器。整个服务器的核心代码据说十行就能写完。这种"少即是多"的体验会让你对MCP的设计哲学有更直观的感受。FastMCP把繁琐的协议细节封装好了，你只需要关注业务本身：我要暴露哪些工具？这些工具接收什么参数、返回什么结果？
四、你的第一个智能体：大脑与双手
第四课开始构建第一个完整的智能体。这里有一个形象的比喻：LLM是大脑，工具是双手。一个智能体等于一个能思考的大脑加上一组能动手的工具。通过Pydantic AI框架，你会学会怎么把这两者粘合在一起。你会写出第一个真正能"干活"的代理——不是嘴炮，而是实打实的执行。
五、多智能体系统：让智能体成为另一个智能体的工具
这一课是最有意思的部分。当你的智能体能调用工具，那工具能不能是另一个智能体？答案是可以。这就是多智能体架构——一个主管智能体，下面挂一堆专家智能体，各司其职。这套架构能解决很多复杂问题，比如让一个负责搜索的智能体和一个负责总结的智能体协作完成任务。你不再需要把所有能力塞进一个智能体，而是让专业的人做专业的事。
六、LLM架构：大脑到底是怎么工作的
前几课你一直在用LLM，但LLM内部到底长什么样？这一课揭开黑箱。你会了解到Transformer架构的核心组件、注意力机制的运作原理、以及为什么现在的LLM能理解自然语言。不需要太深的数学推导，但你会获得足够的直觉，以后看到任何关于LLM的技术讨论都不会犯怵。
七、FP16：一个数字怎么变成16位
这一课听起来很底层，但它是理解量化的必经之路。FP16是半精度浮点数格式，一个32位的浮点数怎么压缩到16位？精度损失了多少？这背后是精巧的工程权衡。理解了FP16，你就理解了为什么大模型可以在更小的硬件上跑起来。
八、GGUF量化：4GB变成1GB
基于FP16的知识，课程进一步讲解GGUF格式的量化。一个原本4GB的模型，量化之后可以压缩到1GB，体积降到四分之一，但模型的能力损失却微乎其微。这背后是大量工程上的取舍与设计。掌握了这个，你就能在消费级显卡上跑大模型，不再依赖昂贵的云端API。
九、Ollama：把底层模型包装成服务
第九课教你用Ollama搭建本地的大模型服务。它底层是llama.cpp，但提供了一个极其简洁的接口，让你在本地启动一个兼容OpenAI API格式的服务。这意味着你可以用本地模型替换掉云端API，测试和开发都不需要联网。这一步是后续部署的关键拼图。
十、从智能体到生产环境：FastAPI、JWT与上线
最后一课是集大成的实战环节。你会学到怎么把前面搭建的智能体系统打包成REST API，使用FastAPI作为Web框架，用uvicorn作为服务器处理高并发请求。同时还会讲到JWT身份验证——这是生产环境必须考虑的安全问题。最后整个系统会部署在Colab的T4 GPU上，免费版就能跑，任何人都能复现。
整套代码都在Google Colab里运行，免费版T4就够用，不需要本地有高端显卡，也不需要花钱买API额度，跟着课程一步步走就能把整套系统跑通。
适合谁来看？如果你已经会Python基础编程，对大模型有基本了解，想从"调用API的开发者"进阶到"能搭建完整智能体系统的工程师"，那这门课就是为你准备的。它不讲花里胡哨的概念包装，每节课直指一个具体问题，给出可运行的代码。一个多小时的时长，十个章节，节奏紧凑，没有废话。
学完这门课，你会获得一连串实在的技能：理解智能体的底层通信协议，掌握用FastMCP快速搭建工具服务器的能力，学会用Pydantic AI构建单个智能体和多智能体协作系统，了解LLM的架构原理和量化技术，能把整套系统部署成一个带身份验证的REST API。这些不是空洞的概念，而是可以写进简历的技术栈。
更重要的是，你会建立起一种思维方式：面对复杂任务时，自然地想到拆解成"大脑加工具"的组合，用多智能体协作的方式来组织系统。这种直觉比任何单一的技术栈都更有价值，它会让你在AI应用开发的浪潮中走得更远。