Agent 开发到底该学什么？我整理了一条不绕路的学习路线
大家好，我是风雨，后续会陆续更新一下 Agent 开发所需知识。我自己学 Agent 的时候知识点比较零散，东看一篇西看一篇，效率不高。现在把踩过的路整理成一套学习路线，大致就是下面这十块，按顺序走会顺一些。
图灵星环：MCP Servers 集成实践，基于 Python 搭建 AI Agent 能力
随着AI Agent应用持续落地，单纯依靠大模型原生能力已经很难满足复杂任务需求，Agent需要调用外部工具、读取本地资源、访问专用服务来完成目标。MCP Servers作为标准化的工具服务层，提供了统一的调用协议，简化大模型和外部能力之间的对接流程。
LangChain 学习路线（07）：Agent 入门，从 RAG 问答到智能体调用
前六篇，我们已经学习了 LangChain 的核心组件、LCEL、RAG、Milvus、混合检索和 Rerank。现在，我们开始进入一个新的阶段：Agent（智能体）。之前构建的 RAG 应用，主要解决的是一个问题：用户提出问题，系统从知识库中找到相关资料，再交给大模型生成答案。
终于有人说清楚了Agent开发的正确学习路线
LangChain 实战第 8 篇：Agent ——多工具调用、状态管理与对话记忆
在上一篇文章中，我们介绍了 LangChain Agent 的基本原理。我们知道，Agent 不只是一个能够回答问题的大模型，它还可以根据用户的需求，主动选择工具、调用接口，并根据工具返回的结果继续推理。
别急着用 Python：Java 开发 Agent，也有自己的优势
做 AI Agent，很多人会先想到 Python。但对已经使用 Java 和 Spring 的团队来说，换语言真的是必选项吗？比较 Agent 框架，不能只看它能不能调用大模型。工作流如何组织、数据如何传递、任务怎样并行，以及出现错误时能不能控制，都会影响后续开发和维护。
一文看懂 Agent Skills：从编写第一个 Skill 到理解底层架构
想让 AI 帮你自动清理电脑、分析股票或者发日报？你需要给它编写一个 Skill（技能）。本文从零开始，手把手教你写一个标准的 Skill，再深入聊聊 Skills 的底层逻辑——它到底是什么、怎么跑起来的、以及为什么有些模型跑不好它。
Agent全栈开发工程师训练营
招聘市场上“Agent全栈开发工程师”的岗位描述正在趋同：Python/TypeScript、LangChain/LangGraph、RAG、Tool Calling、Prompt Engineering，再加一条“有Agent系统落地经验优先”。
私有AI实战18：让本地AI动手干活，Agent工具调用实战
前面折腾了十几篇本地大模型和知识库，终于到了我感觉比较有意思的阶段。现在我们的本地AI已经能读文档、查资料、结合知识库回答问题，甚至还能在网页上进行多轮对话。但有个问题一直没解决：它知道怎么做，却不一定能替你做。
Rust！我用Agent 2 小时搞定了我不敢碰的重构，没手写一行代码！
全网都在吹 Rust，我偏不学——但让 AI 替我把它用出来了一、这一切的起因：一个被“重写狂欢”勾起的好奇心前段时间，我刷到一个狠人——某个开发者搞了一整套“Adobe 平替”开源套件：PhotoCraft（对标 Photoshop）、LightCraft（对标 Lightro