AI Agents for Beginners — 完整学习指南

本文档涵盖课程完整结构、核心概念、设计模式与技术架构，图表穿插在对应章节中，方便对照学习。

📚 课程整体结构

本课程共 18 个单元，按模块分为 Foundation（基础）、Core Patterns（核心模式）、Advanced Topics（高级主题）三大板块，循序渐进带你掌握 AI Agent 开发全貌。

🤖 Lesson 01 — AI Agents 简介

AI Agent 是一个能够感知环境、自主推理并采取行动以实现目标的智能系统。与传统 LLM 的单轮问答不同，Agent 具备记忆、工具调用和持续反馈循环能力。

以下是 AI Agent 的核心感知-思考-行动循环（Perception-Cognition-Action Loop）：

🛠️ Lesson 02 — Agent 框架与技术栈

本课程基于 Microsoft 生态技术栈，分为应用层、Agent 框架层、服务层、工具层和数据层五个层次，支持灵活组合选型。

🏗️ Lesson 03 — AI Agent 核心设计模式

本课程系统介绍 5 大 Agent 设计模式，涵盖从单 Agent 工具调用到多 Agent 协作、元认知自我反思的完整模式体系。

课程核心概念

AI Agent 与传统 LLM 的区别：

推荐学习路径

1. Week 1（基础） — Lesson 01-03：Agent 概念 + 框架选型 + 设计模式
2. Week 2（核心） — Lesson 04-07：工具调用 + RAG + 可信 Agent + 规划
3. Week 3（高级） — Lesson 08-10：多 Agent + 元认知 + 生产化
4. Week 4（专项） — Lesson 11-18：MCP / 多模态 / 安全 / 评估等专题

Lesson 01 详解 — AI Agents 简介

核心概念：

• 感知（Perception）：接收用户输入、环境信息和工具执行结果
• 记忆（Memory）：短期上下文窗口 + 长期向量存储
• 推理（Reasoning）：基于 LLM 的目标分解和行动规划
• 行动（Action）：工具调用、API 请求、代码执行、生成响应

实践项目： 构建第一个能回答问题并调用外部 API 的 Agent

代码示例（Azure AI Foundry Agent Service）：

from azure.ai.projects import AIProjectClientfrom azure.identity import DefaultAzureCredentialproject_client = AIProjectClient.from_connection_string(    credential=DefaultAzureCredential(),    conn_str=os.environ["PROJECT_CONNECTION_STRING"])agent = project_client.agents.create_agent(    model="gpt-4o-mini",    name="my-agent",    instructions="You are a helpful assistant")

Lesson 02 — Agent 框架对比

Lesson 03 详解 — 5 大设计模式

Lesson 04 — 工具使用模式（Tool Use）

工具类型：

• BingGroundingTool — 实时网络搜索
• CodeInterpreterTool — 代码执行与数据分析
• FunctionTool — 自定义业务函数
• MCPTool — Model Context Protocol 标准工具

代码示例：

from azure.ai.projects.models import BingGroundingToolbing = BingGroundingTool(connection_id=bing_connection_id)agent = project_client.agents.create_agent(    model="gpt-4o-mini",    name="search-agent",    tools=bing.definitions,    tool_resources=bing.resources,)

Lesson 05 — Agentic RAG（检索增强生成）

标准 RAG vs Agentic RAG：

Lesson 06 — 可信 Agent（Trustworthy Agents）

构建可信赖的 AI Agent 需要关注：

• 透明性：记录推理过程和工具调用日志
• 可控性：关键操作前 Human-in-the-loop 确认
• 安全性：输入输出过滤，防止提示注入
• 可审计性：完整的执行轨迹追踪

Lesson 07 — 规划设计（Planning Design）

规划策略：

1. ReAct（Reasoning + Acting）：交替推理和行动，逐步解决问题
2. Plan-and-Execute：先制定完整计划，再逐步执行
3. Reflexion：执行后反思，更新计划
4. Tree of Thought：并行探索多条推理路径

Lesson 08 — 多 Agent 系统（Multi-Agent）

常见拓扑结构：

• 主从模式（Orchestrator-Worker）：一个主 Agent 协调多个专家 Agent
• 对等协作（Peer-to-Peer）：多个 Agent 平等对话协商
• 流水线（Pipeline）：Agent 间串行传递任务
• 辩论模式（Debate）：多 Agent 互相质疑以提高答案质量

Lesson 09 — 元认知（Metacognition）

元认知让 Agent 能感知自身推理过程，识别错误并自动修正：

• 自我评估：评估当前答案的置信度和完整性
• 反思：识别推理链中的错误或缺失信息
• 修正：自动重新规划并执行修正动作

Lesson 10 — Agent 生产化

生产部署关键要素：

Lesson 11-18 — 专题模块

🚀 快速开始

环境要求

• Python 3.10+
• Azure 账号（免费试用可用）
• Git

安装步骤

git clone https://github.com/microsoft/ai-agents-for-beginnerscd ai-agents-for-beginnerspip install -r requirements.txtcp .env.sample .env# 在 .env 中填入 Azure AI Foundry 连接字符串

运行第一个 Agent

cd 01-intro-to-ai-agentspython solution.py

📦 资源链接

• 🔗 GitHub 仓库^[1]
• 📖 Azure AI Foundry 文档^[2]
• 🧩 Semantic Kernel 文档^[3]
• 🤖 AutoGen 框架^[4]
• 🛡️ MCP 协议规范^[5]

引用链接