AI Agent是2026年最火的技术方向。本文从零开始，用LangChain + Claude搭建一个完整的AI Agent，30分钟上手。
一、什么是AI Agent？
AI Agent = LLM + 记忆 + 工具 + 规划能力。它不只是聊天，而是能理解任务、制定计划、调用工具、自动执行。
Agent vs 普通ChatBot
特性ChatBotAgent 对话✅✅ 记忆短期长期+短期 工具调用❌✅ 任务规划❌✅ 自动执行❌✅
二、环境准备
pip install langchain langchain-anthropic chromadb
## 三、第一个Agent
from langchain_anthropic import ChatAnthropic
from langchain.agents import AgentExecutor, create_tool_calling_agent
from langchain.tools import Tool
from langchain_core.prompts import ChatPromptTemplate
# 初始化LLM
llm = ChatAnthropic(model="claude-3-5-sonnet-20241022")
# 定义工具
def search_web(query):
# 这里接入搜索API
return f"搜索结果：{query}"
tools = [
Tool(name="search", func=search_web, description="搜索网页信息")
]
# 创建Prompt
prompt = ChatPromptTemplate.from_messages([
("system", "你是一个有帮助的AI助手，可以使用工具来完成任务。"),
("human", "{input}"),
("placeholder", "{agent_scratchpad}")
])
# 创建Agent
agent = create_tool_calling_agent(llm, tools, prompt)
executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
# 运行
result = executor.invoke({"input": "帮我搜索最新的AI新闻"})
print(result["output"])
四、RAG知识库
RAG（检索增强生成）让Agent能访问你的私有数据。
from langchain_community.vectorstores import Chroma from langchain_openai import OpenAIEmbeddings
创建向量数据库
embeddings = OpenAIEmbeddings() vectordb = Chroma.from_documents(documents, embeddings)
创建检索工具
retriever = vectordb.as_retriever(search_kwargs={"k": 3})
## 五、进阶：多工具Agent
给Agent更多工具：搜索、计算、文件操作、API调用。工具越多，Agent能力越强。
## 六、总结
**Agent开发学习路径**：先掌握基础对话 → 加入工具调用 → 接入知识库 → 多Agent协作。一步一步来，不要急。
---
> 原文来源：[SevenFa AI Hub](https://ne.07fa.cc/blog/ai-agent-development-intro.html)
