新書推薦：
《
粤港澳大湾区蓝皮书：中国粤港澳大湾区改革创新报告（2025）
》
售價：HK$
184.8
《
启微·清代官补图典
》
售價：HK$
404.8
《
俄国在中亚 地缘政治原典级著作
》
售價：HK$
107.8
《
索恩丛书·汉娜·阿伦特：20世纪思想家
》
售價：HK$
75.9
《
“节”与“殉”——八旗制度下的妇女生活与婚姻 中华学术·有道
》
售價：HK$
83.6
《
城市群高铁网络化的多尺度空间效应与规划应对
》
售價：HK$
108.9
《
古代教坊与文学艺术研究（国家哲学社会科学成果文库）（全两册）
》
售價：HK$
382.8
《
（小历史大世界）日本小史
》
售價：HK$
86.9
|
| 編輯推薦： |
|
解析多智能体通信协议与语境结构构建LangChain编排逻辑与工具机制聚焦复杂任务建模与系统集成实践收录协议驱动大模型应用落地方案内容特色协议体系完备：系统讲解MCP与A2A协议，实现智能体上下文压缩与通信协作。LangChain深度集成：全面解析组件封装与路由机制，构建多Agent运行与管理体系。技术细节丰富：覆盖函数回调、RAG融合等核心技术，助力复杂任务系统高效实现。应用案例实战：提供文档生成、搜索助手等案例，贯通开发、部署与调度优化全流程。强大的推荐专家团队百度资深大模型应用专家、小度教育技术负责人 丁小晶蔚来人工智能专家、AI Infra技术专家 陶沙中国科学院软件研究所AI软件高级工程师 温红化京东零售内容算法负责人 苏哲文现世界500强公司大模型高级研究员 翟奇一零二四机器人科技有限公司CEO 何志坚
|
| 內容簡介： |
|
本书系统阐述了以MCP与A2A为核心的多Agent通信机制及大模型上下文处理协议，全面解析LangChain作为编排框架在构建复杂Agent系统中的关键作用，涵盖从协议设计原理到多Agent系统开发的全流程。全书共分为12章，内容系统而全面。首先介绍MCP与A2A协议的核心设计与实现，包括协议架构设计、消息模型、执行语义等，同时，还深入探讨了LangChain框架的核心组件及其在协议生态中的作用，帮助读者构建扎实的技术基础。随后聚焦于多Agent系统中的复杂技术问题，详细解析了上下文压缩、任务系统建模、函数回调机制、RAG上下检索融合策略等关键技术，并深入探讨了这些技术的协议集成路径。最后通过多个真实应用系统的案例，展示了基于协议驱动的大模型系统的构建、部署与优化过程，提供了完整的可执行代码和实例，帮助读者更好地理解和掌握协议驱动型大模型系统的实际应用与技术实现。同时，随书赠送电子教案、代码等海量学习资源（扫封底二维码），助力读者高效学习。本书适合从事大模型应用开发、多Agent系统设计、Agent协议研究与LangChain生态应用的技术开发者、系统架构师及AI工程领域研究人员阅读。无论是希望深入了解多Agent系统架构，还是正在从事多Agent系统的开发与调度优化，本书都将成为您值得信赖的参考指南。
|
| 關於作者： |
|
段毅，博士，毕业于北京航空航天大学，深圳市高层次人才，北京航空航天大学深圳研究院特聘研究员，深圳职业技术大学低空经济联合实验室执行主任。研究方向涵盖人工智能、低空经济和商业航天等领域。长期致力于推动大数据、人工智能与工程技术的跨界融合，特别在大语言模型与智能控制系统等前沿技术领域做出了显著贡献。
|
| 目錄：
|
|
前言第1部分协议与框架设计基础第1章 大模型系统架构中的协议与调度基础1.1多Agent系统演进趋势1.1.1大模型交互的上下文瓶颈1.1.2Agent间的协同结构演化1.1.3传统Prompt工程的适用范围限制1.1.4通信与上下文管理协议1.2多协议生态对比：MCP、A2A与LangChain的定位1.2.1基于协议分层的系统集成结构1.2.2LangChain作为编排框架的作用1.2.3MCP协议的语义抽象与上下文压缩1.2.4A2A协议的异构Agent连接机制1.3多Agent开发典型场景与构建逻辑1.3.1多轮对话的上下文共享机制1.3.2任务拆分与Agent能力声明1.3.3工具增强机制与插件注入1.3.4文档、数据库与Agent1.4协议驱动的Agent系统设计原则1.4.1语义完整性与状态持久性1.4.2可重入性与任务断点恢复机制1.4.3Agent的自治性与可组合性1.4.4通信安全、身份认证与访问控制第2章 MCP协议详解：模型上下文语义结构与演化机制2.1MCP设计理念与核心目标2.1.1MCP协议简介2.1.2为什么要有MCP协议2.1.3MCP协议的跨任务可重用性2.1.4MCP协议详解2.1.5MCP Python SDK详解2.2Slot机制：上下文的基本语义单元2.2.1Slot结构的核心字段2.2.2Slot类型与抽象层级2.2.3Prompt压缩Slot与检索增强Slot2.3上下文链路管理与ContextChain逻辑2.3.1Slot链的动态重构机制2.3.2ContextBlock与历史语境窗口切分2.3.3Slot合并与变换：上下文压缩算子2.3.4Prompt压缩中的语义保留2.4MCP执行结构与Operator语义操作2.4.1inject与injectChain的上下文注入2.4.2compress与semanticGroup的语义压缩2.4.3resolve机制：语义补全与结构修复第3章 A2A协议详解：Agent间通信与任务协调机制3.1A2A协议设计目标与接口体系3.1.1为什么需要A2A协议3.1.2A2A协议详解3.1.3A2A协议的核心规范与异构兼容设计3.1.4HTTP + JSON-RPC + SSE架构基础3.2AgentCard与能力注册结构3.2.1Agent身份声明3.2.2能力描述字段：type、methods、input_spec3.2.3agent_id与权限控制3.3Task生命周期管理机制3.3.1任务结构体组成与输入输出规范3.3.2send/sendSubscribe调用逻辑3.3.3状态跟踪与Streaming/Webhook回调3.3.4Artifact结构定义与任务结果封装第4章 LangChain框架基础与组件解析4.1LangChain架构理念4.1.1LangChain在协议生态中的角色4.1.2为什么需要LangChain4.1.3A2A、MCP以及LangChain的关系4.1.4与A2A/MCP适配4.1.5运行时管理与组件生命周期4.1.6Agent链构建与中间数据流组织4.2Core模块：LLM、Prompt、Chain、Memory4.2.1PromptTemplate设计与参数注入4.2.2Chain类构造：SimpleChain、SequentialChain4.2.3LLM调用封装：ChatOpenAI、DeepSeekLLM4.2.4Memory机制与上下文衔接4.3LangChain工具集成与Function Calling机制4.3.1Memory机制的引入与注册4.3.2与OpenAI Function Calling API的互通机制4.3.3Self-Ask with Search的增强型调用4.3.4自定义函数调用与动态参数绑定4.4LangChain Agent与Router设计4.4.1AgentExecutor工作流4.4.2多Agent协作：RouterChain + MultiPromptChain4.4.3Tool选择策略与Prompt路由机制第2部分技术深度与协议集成第5章 上下文压缩与Prompt压缩算法5.1上下文长度瓶颈与压缩的必要性5.1.1Token限制对大模型输入的影响5.1.2多段历史内容的信息密度分布5.1.3“保留+融合”策略5.1.4Slot压缩中的冗余与语义对齐问题5.2基于Embedding聚类的Slot压缩算法5.2.1文本段向量化与语义聚类基础5.2.2多维冗余检测与信息分布评估5.2.3Top-K聚类表示的Slot合成机制5.2.4示例：使用Faiss/Scikit-Learn构建压缩流程5.3基于LLM摘要生成的上下文融合机制5.3.1抽取式摘要与生成式摘要5.3.2多Slot语义聚合Prompt设计5.3.3自动摘要Slot分配策略5.3.4检测语义漂移与重要信息遗漏5.4MCP中的压缩策略实现5.4.1compress operator的多模型适配实现5.4.2Slot类型语义权重与压缩保留等级5.4.3Slot缓存池与滑动窗口机制5.4.4PromptTemplate中的压缩占位与拼接接口第6章 多Agent任务系统6.1任务图构建6.1.1DAG结构与多阶段Agent规划6.1.2LangGraph简介6.1.3Planner-Executor模式6.2Agent能力封装与输入输出协议设计6.2.1Agent输入格式规范化（schema定义）6.2.2Slot输入与参数映射关系6.3多Agent间的协同通信协议6.3.1A2A中的任务级流控制6.3.2多Agent并发调用策略与调度器设计第7章 大模型插件化生态与函数回调7.1Plugin机制与模型能力扩展边界7.1.1插件接口类型与主流平台对比7.1.2插件的注册方式与输入输出封装7.1.3插件接口与Prompt语义的桥接7.2Function Calling协议设计与执行7.2.1JSON函数描述7.2.2LangChain Tool/Function与Function Calling映射7.2.3多函数连调链的编排方式7.3MCP中的工具调用Slot设计7.3.1工具返回值的Slot封装7.3.2Tool生成上下文与后续Agent语境融合第8章 RAG：上下文检索式Agent系统8.1RAG系统结构与多Agent适配8.1.1向量数据库与Agent间的上下文流8.1.2Retriever-Reader-Executor三层调用结构8.1.3检索型Agent的Slot作用域与优先级控制8.2LangChain集成RAG架构与模块接口8.2.1VectorStore接口：FAISS、Weaviate和Qdrant8.2.2Retriever与LangChain工具结合方式8.2.3上下文构建器（ContextBuilder）模块扩展8.3检索上下文压缩与Slot融合策略8.3.1多文档段落聚合8.3.2Slot聚合顺序与压缩合并策略8.3.3文档ID与Slot的映射及上下文溯源机制第9章 在LangChain中实现MCP与A2A协议集成9.1MCP协议在LangChain中的适配方法9.1.1Slot封装类的自定义实现（基于Memory扩展）9.1.2Prompt构建中Slot自动注入方案9.2A2A通信机制与LangChain工具集成9.2.1使用AgentExecutor对接A2A任务接口9.2.2将LangChain中Agent暴露为标准AgentCard服务9.2.3LangChain作为A2A调用端的Task构建模板第3部分应用实战与部署优化第10章 大模型应用开发实战10.1项目架构设计：协议分层驱动的多Agent系统10.1.1三层架构：任务调度层、上下文语义层、执行服务层10.1.2LangChain协调核心、MCP构建语境桥梁、A2A完成远程调度10.1.3插件、数据库、API工具的服务化封装方法10.2多Agent知识文档生成平台10.2.1多Agent协同的知识文档生成10.2.2LangChain封装10.2.3使用MCP对多文档摘要任务进行上下文Slot融合10.2.4Task流通过A2A广播给并行撰写服务节点10.3大模型增强RAG搜索助手10.3.1用户指令拆解Agent + Query重写Agent + 检索Agent组合10.3.2Retriever输出转化为Slot集+压缩摘要构建执行上下文10.3.3自定义工具链实现SQL搜索/网页爬虫能力嵌入10.3.4A2A协议驱动的多Agent异构系统多知识域任务并发处理第11章 多Agent系统部署、集成与运行11.1本地部署与模块解耦11.1.1LangChain模块的可插拔式部署方法11.1.2Retriever+Tool+AgentExecutor多容器封装方式11.2云端部署与MCP/A2A平台集成机制11.2.1A2A协议的认证安全与部署配置11.2.2使用云函数（Cloud Function）暴露Agent能力11.3部署平台工具选型11.3.1使用Kubernetes部署多Agent分布式集群11.3.2LangServe部署模型微服务链路第12章 多Agent系统测试评估与优化12.1上下文结构评估机制与Slot压缩验证12.1.1Slot聚合后语义完整性评估指标12.1.2信息保留率（IRR）与语义偏移率（SOR）度量方式12.2多Agent系统行为正确性评估策略12.2.1Agent决策链路还原与Token级执行追踪12.2.2LangChain调度轨迹日志自动分析工具（RunHistory）12.2.3Agent失败率、调用延迟与异常回退指标12.3通信质量与协作性能分析12.3.1单Agent顺序执行与多Agent并发执行性能对比12.3.2A2A中的延迟控制与调度优化策略12.3.3多模型交替调用带来的上下文切换开销分析
|
| 內容試閱：
|
|
在通用大模型技术迅猛发展的当下，如何构建可扩展、可协作、具备语义记忆能力的Agent（常见中文翻译为“智能体”，考虑全书表述统一性及协议对照性，本书统一用Agent表述）系统，已成为推动大模型从“单点智能”迈向“系统智能”的关键方向。传统的大模型应用多依赖单轮上下文提示、工具增强插件、短流程编排等手段，但在应对复杂任务分解、异构模型调用、长上下文传递以及多Agent协同等场景时，暴露出严重的架构割裂与语境断层问题。因此，构建面向未来的大模型应用框架，必须依赖一套具备协议化、语义化与可扩展能力的全链路体系。MCP（Model Context Protocol，模型上下文协议）正是在这一背景下应运而生，作为一种面向多轮上下文压缩与语义抽象的上下文管理协议，其定义了以Slot为基本单元的上下文表达机制，通过Context Chain管理任务执行过程中的历史信息与提示词语义，兼容多种模型API接口，解决大模型在语境管理上的碎片化问题，为Prompt工程提供了结构化支持。A2A协议（Agent-to-Agent Protocol，智能体间通信协议）则从Agent通信层面出发，设计出一套基于AgentCard能力声明、任务生命周期管理与Artifact任务结果封装的完整通信范式，使得跨厂商、跨平台的Agent能够以统一格式互通任务、共享能力、互为依赖，形成真正意义上的多Agent协同系统。与此同时，LangChain作为当前具有代表性的Agent系统开发框架，则为协议机制的实际落地提供了强有力的工程支持。LangChain封装了从Prompt构建、模型调用、上下文记忆到工具调用、Agent调度、链式逻辑管理的全流程模块，配合Memory结构与Function Calling机制，为MCP与A2A的协议栈提供了工程化载体，使其具备了在复杂业务流程中稳定运行的能力。本书正是基于上述三大技术支柱，编写了一套完整的全链路大模型应用开发指南。全书分为三部分共12章，具体内容如下。第1部分协议与框架设计基础（第1~4章）本部分主要集中在大模型系统中的协议设计与框架构建，为后续章节的深入探讨奠定坚实的理论基础。详细介绍MCP与A2A协议的结构设计、消息模型与执行语义，并探讨LangChain框架的核心组件及其在协议生态中的作用。这一部分将帮助读者理解协议驱动型Agent系统的基本架构与工作原理，特别是在多Agent交互和任务协调中的应用，培养读者构建和理解多协议生态系统的核心能力。第2部分技术深度与协议集成（第5~9章）本部分深入分析多Agent系统中的复杂技术细节，包括上下文压缩、任务系统建模、函数回调机制、RAG检索融合策略等。探讨这些技术在协议驱动型系统中的实现与应用，尤其关注如何在不同协议之间进行集成与优化。通过对多Agent系统中的上下文管理、任务调度与信息流控制等关键问题的深入分析，本部分为读者提供了构建高效、可扩展的大模型系统的详细思路，并为后续实际应用的开发与部署做好准备。第3部分应用实战与部署优化（第10~12章）本部分以多个真实应用系统为依托，系统讲解协议驱动型大模型系统的构建、部署与测试优化流程。通过具体案例，展示如何在实际环境中实现协议集成、任务调度和Agent间的协同工作，同时提供了完整可运行的代码与应用实例。特别是在系统部署和优化方面，读者将深入了解如何进行性能评估、优化多Agent系统的协作效率，并在不同部署平台（如本地、云端）上实施落地实践。通过这一部分的学习，读者能够将所学技术应用于实际项目，推动大模型应用的创新与实践。全书写作风格严谨、内容深入、结构完整，全面覆盖当前Agent系统研发所需的主流技术栈与协议体系，提供可落地的工程范式、可复用的架构模型以及可运行的项目代码。书中内容兼具理论深度与实战价值，旨在为大模型应用开发者、系统设计工程师和AI框架研究人员提供一部兼具实践指导与理论支撑的开发手册。读者可以通过逐章学习，掌握协议原理，并逐步构建多Agent大模型系统的开发能力，最终能够基于MCP与A2A协议独立完成系统设计与开发。本书不仅为读者提供了一个系统的学习路径和实用的技术框架，也希望读者在掌握协议与技术的同时，通过工程实践和代码示例积累实际开发经验。最终，期望读者能够在理解每个技术环节的细节后，具备独立构建、优化与部署多Agent大模型系统的能力。此外，本书鼓励读者培养创新思维，在实际开发中探索新的解决方案，推动大模型技术的进一步发展。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
