AI入门实战|Agent骨架与工具调用|环境搭建

简述

安装Python 3.10+、创建虚拟环境、安装指定依赖包、环境校验

源码(sample-00-demo)

https://gitee.com/kcnf-python/ai-in-action

Python 环境配置

参照之前整理实操

https://mp.weixin.qq.com/s/pyb9kGt2v6nsmY_jl-9sDw

虚拟环境|venv

参照之前整理实操

https://mp.weixin.qq.com/s/pyb9kGt2v6nsmY_jl-9sDw

conda|依赖包|国内镜像

参照之前整理实操

https://mp.weixin.qq.com/s/pyb9kGt2v6nsmY_jl-9sDw

创建环境学习环境

conda create -n ai_in_action python=3.11 -y
conda activate ai_in_action
uv init
uv pip install langchain
uv pip install langchain-openai
uv pip install langchain-anthropic
uv pip install mcp
uv pip install chromadb

Image text

langchain|langgraph

LangChain 是帮你快速搭建 AI 应用的“工具包”，而 LangGraph 是让复杂任务流程稳定可靠的“指挥系统”（“乐高积木”与“规划蓝图”）

官网

https://docs.langchain.com/

LangChain

LangChain 就像一个包含海量现成零件的工具箱，你只需将它们像乐高积木一样拼接起来，就能快速拼出一个能运转的AI应用

超强的连接能力

它提供了超过 600 个标准接口，让你能轻松连接各种大语言模型（如 GPT、Claude）、向量数据库（如 Pinecone、Chroma）以及不同的文档格式。这为你省下了大量编写底层代码的功夫

灵活的流程编排 (LCEL)

通过其独创的 LCEL (LangChain Expression Language)，你可以用一种非常清晰、声明式的方式来组合各个组件，构建出强大的处理链（Chain）

LangGraph

LangGraph 是为处理复杂、非线性的生产级任务而生的。当 LLM 应用需要像人一样思考、做决策、甚至纠错时，LangGraph 就是那个最重要的“大脑”

以状态机驾驭复杂性

它将工作流建模为“图”（Graph），节点是任务，边是连接。但这张图并非一条单行道，而是充满了条件判断、循环和分支的复杂网络，能轻松应对条件逻辑、错误重试和人工审核等场景

强大的有状态执行

它内置了状态管理和持久化机制，这意味着即使任务运行很长时间，或中途服务器崩溃，它也能从中断点自动恢复，不会丢失任何上下文

多角色协调 (Multi-Agent)

能轻松协调多个 Agent 协作，让它们各司其职，共同完成一个宏大目标

mcp

MCP = Model Context Protocol，模型上下文协议(是一套标准化通信协议，用于大模型（LLM）和外部工具、服务、数据源之间安全、统一地交互，让 Agent 可以标准化调用各类外部能力，解决不同工具接口不统一的问题)

chromadb

ChromaDB，常简称Chroma，中文可称向量数据库/嵌入数据库(专门用来存储文本向量（Embedding）的轻量级本地数据库，主打开箱即用、无需额外部署服务)

环境校验

try:
    import langchain
    import langgraph
    import mcp
    import chromadb
    import openai
    print("✅ 所有依赖导入成功，环境正常！")
except ImportError as e:
    print(f"❌ 导入失败：{e}")

python .\check_env.py