使用 MCP 和 A2A 设计多代理 AI 系统

使用 MCP 和 A2A 从头开始构建可投入生产的多代理 AI 框架，以编排强大的代理工作流程

随书免费：无 DRM 的 PDF 版本 + 访问 Packt 的下一代阅读器*

主要功能

• 构建基于 Python 的 AI 代理，无需依赖第三方编排框架
• 使用 A2A 消息传递设计可投入生产的多代理系统
• 将内存和上下文与 MCP 集成，创建自适应且有状态的代理 AI 框架

书籍说明

对隐藏事物工作原理的不透明代理框架感到沮丧？本书指导您在 Python 中构建功能齐全、可扩展的代理 AI 框架，而无需依赖外部编排工具，从而为您提供完全的控制。

您将首先实现一个简单的使用工具的代理，然后通过模型上下文协议 (MCP) 逐步扩展其功能，使用结构化工具架构、用户界面和内存。从那里，您将构建由代理到代理 (A2A) 消息传递支持的协作多代理系统，并将其部署在现实环境中。在此过程中，您将探索安全工具调用、消息路由、可观察性和人机交互工作流程。

借助带注释的代码、深入的工程见解和实用的部署模式，无论您是要交付生产系统还是试验基于 LLM 的尖端架构，本实践指南都可以帮助您构建能够推理、计划、行动和适应的 AI 代理。

本书由 Gigi Sayfan 撰写，她在 Perplexity 构建 AI 代理基础设施，也是一位畅销书作家，在 AI 和分布式系统方面拥有数十年的经验，为您提供了设计自己的高级代理系统的工具和知识。

你将学到什么

• 从头开始设计和实现使用工具的 AI 代理
• 为可扩展代理框架构建模块化组件
• 利用结构化输入创建安全且可观察的工具
• 将客服人员与 Slack 和 Chainlit 等聊天 UI 集成
• 利用 MCP 进行上下文处理和代理内存
• 使用 A2A 协调协作代理工作流程
• 在类似生产的环境中调试和部署代理
• 探索面向未来的代理功能和 GenUX 设计

这本书适合谁

这本书对于人工智能工程师、机器学习从业者和使用大型语言模型构建代理系统的软件架构师来说是必不可少的。对于寻求深入了解构建和扩展自主 AI 工作流程的 DevOps 工程师和技术领导者来说，它也是理想的选择。建议具备 Python 编码技能并对法学硕士有基本的了解。

目录

1. 生成式 AI 和 AI 代理简介
2. 了解 AI 代理的工作原理
3. 简单 AI 代理的实际演练
4. 构建基于工具的代理 AI 框架
5. 实施自定义工具
6. 使用 Slack 和 Chainlit 创建聊天界面
7. 与模型上下文协议生态系统集成
8. 设计多代理系统
9. 通过 A2A 实施多代理系统
10. 多代理系统的测试、调试和故障排除
11. 部署多代理系统
12. 高级主题和未来方向