chaors

前面系列地学习过 AI中的一种开发框架 LangChain，今天继续新框架 LanGraph。它超越了LangChain的线性工作流，通过循环支持复杂的任务管理。

前面学习了 什么是 MCP，及其基本使用方式。那么今天就再用一个更接近实际场景。 想象一下你的老板特别喜欢炒股， 那么是不是能做一个简单的 Agent来分析股票行情。

前面学了 MCP,他解决LLM 和物理世界的沟通问题。那么 Agent 之间是怎么通讯的？ 我们前面在学习 MAS 时了解了 多Agent的通信机制。今天再去了解另一种Agent通讯协：A2A。

之前我们知道 LLM 不能单独靠自己和物理世界通讯，所以，有了 Function calling。MCP正是基于 Function calling 的一套标准协议，让 LLM 和 物理世界的沟通更方便

前面学习了 Agent 用法，今天就能用 Agent 做一个简单的AI小项目来练手。 该项目是一个基于FastAPI + LangChain + 阿里LLM构建的国风占卜算命类 AI 聊天机器人。

前言前面学习了 AutoGen 基础，今天通过几个简单的应用场景来理解 MAS 的应用。看看 MAS 到底能做些什么。

前面了解了 什么是MAS。那么到底在日常开发中怎么用呢？其实就像 Agent 开发有 Langchain框架一样，MAS 也有成熟的框架。今天就介绍一个叫做 AutoGen 的 MAS 开发框架。

前面学习了 Agent。那么一个 Agent 会是一个万能的智能体吗？ 在处理复杂、多步骤、大规模任务时，单智能体还能得心应手吗？显然是不能的。于是，MAS 多智能体系统 就应运而生。

\前面学习了 什么是Agent？ 以及其最基础的 Function Calling。那么，今天就简单写一个例子。 需求背景 我们经常在 12306 购买火车票，那么我们其实可以自己用 Agent订票