适合人群:

具备Python基础,希望转向AI应用落地的全栈工程师; 需深入理解MCP协议底层逻辑的技术负责人; 需集成RAG与LLM的AI工程师; 计划通过Agent架构优化企业工作流的系统设计师

你将会学到:

掌握MCP服务端/客户端开发全流程,解决LLM与外部工具集成、RAG索引构建、Agent化部署等难题

课程介绍

核心内容:

  1. MCP全栈开发:从零构建MCP服务端与客户端,深入解析协议通信机制
  2. GraphRAG深度集成:基于知识图谱构建高效索引库,对比传统Tag+RAG方案,解决长文本检索精度低、上下文关联弱等痛点,并通过MCP服务化封装支持多工具协同。
  3. Agent化部署实战:将MCP客户端嵌入AI代理系统,实现工具自动路由(如本地知识库查询=),完成从需求分析、服务部署到生产环境优化的全链路闭环。

学习成果:学员可独立设计高扩展性MCP服务集群,实现LLM与业务系统的无缝对接,并具备复杂Agent架构的设计与运维能力,满足企业对AI工程化落地的核心需求。

资源目录

  1. 01-mcp+rag+llm 整体项目实战介绍(免费试看)
  2. 02-graphrag 的知识回顾及三个实战项目功能介绍 [07:01]
  3. 03-mcp 的 server 端框架开发 [06:19]
  4. 04-mcp 的 server 端天气查询功能接口实现 [09:17]
  5. 05-mcp 服务端功能开发和测试 [07:31]
  6. 06-mcp 客户端功能开发 [12:22]
  7. 07 – 将 mcp 封装成 agent 功能开发 [19:04]
  8. 08-mcp+agent 的完整功能测试 [06:58]
  9. 09 – 使用 graphrag 构建索引 [15:13]
  10. 10 – 将 graphrag 索引封装成 mcp 的 server 端服务 [13:42]
  11. 11-graphrag 客户端集成 agent 实现 [11:20]
  12. 12 – 基于 langchain 构建本地知识库 [23:48]
  13. 13-langchain 构建知识库的 mcp server 端开发 [08:14]
  14. 14-langchain 构建知识库的 mcp 的 agent 开发 [09:29]
  15. 15-mcp+graphrag+llm 项目实战总结 [02:49]

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注

本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。

最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。 若排除这种情况,可在对应资源底部留言,或联络我们。

对于会员专享、整站源码、程序插件、网站模板、网页模版等类型的素材,文章内用于介绍的图片通常并不包含在对应可供下载素材包内。这些相关商业图片需另外购买,且本站不负责(也没有办法)找到出处。 同样地一些字体文件也是这种情况,但部分素材会在素材包内有一份字体下载链接清单。

如果您已经成功付款但是网站没有弹出成功提示,请联系站长提供付款信息为您处理

源码素材属于虚拟商品,具有可复制性,可传播性,一旦授予,不接受任何形式的退款、换货要求。请您在购买获取之前确认好 是您所需要的资源