课程介绍
2026 AI Agent 落地大爆发，掌握 ” 多 Agent 协同 + 自主决策 + Skills 技能封装 ” 的 Java 工程师，身价倍增。本课程以旅游规划为实战场景，SpringAI 生态为技术核心，深度集成 JManus（类 Manus 轻量级多 Agent 协同引擎）与 AgentScope（技能模块化封装利器），手把手带你系统掌握 ReAct 模式、多 Agent 协同架构核心，收获可复用 Agent 落地方案，提升 Agent 分工策略设计 、协同决策工作流 、技能模块化封装等全链路开发能力。专注帮助你从 AI API 调用工程师晋升到多 Agent 架构设计师。
试看链接 https://pan.baidu.com/s/1Qph-5do4–mFqYZqoxwVTA?pwd=9ws1
相关推荐
多模态Agent开发实战营
cto-springboot3电商微信小程序项目实战
LLM大模型智能引擎实战–SpringAI+RAG+MCP+实时搜索（已完结）
课程目录
├── 第1章 AI 正式进入多 Agent 协作和自主决策的时代
│ ├── 1-1 多Agent融合自主决策，AI发展的必然趋势 [试看]
│ ├── 1-2 准备工作：安装ApiFox
│ ├── 1-3 准备工作：配置阿里大模型广场的ApiKey
│ ├── 1-4 准备工作：百度地图API秘钥(AK)
│ ├── 1-5 准备工作：安装Nacos 3
│ ├── 1-6 仿Manus自主决策的完整产品：Jmanus
│ └── 1-7 自主思考-执行-反思的框架：AgentScope
│
├── 第2章 大白话快速简单过一遍 Ai 大模型
│ ├── 2-1 大模型咋就懂咱说啥？ [试看]
│ ├── 2-2 大模型的信息分析器：Transformer层
│ ├── 2-3 大模型的大脑中枢：自注意力机制
│ ├── 2-4 大模型的回应咋就这么体贴呢
│ ├── 2-5 大模型是弹药库，智能体则是武器
│ └── 2-6 vs面试官入局高薪Ai应用领域 [图文]
│
├── 第3章 MCP + Skills，Agent“工具+技能”的双轮驱动
│ ├── 3-1 大模型困境：数据获取与整合上的“抓瞎”
│ ├── 3-2 困境解决方案：函数调用(Function Calling)
│ ├── 3-3 Function Calling就是大模型的跑腿小弟
│ ├── 3-4 更优的困境解决方案：MCP
│ ├── 3-5 对比Function Calling，MCP的不同
│ ├── 3-6 Jmanus配置百度地图MCP
│ ├── 3-7 具有专业知识的Agent Skills
│ ├── 3-8 工具调用最强组合：Agent Skills+MCP
│ ├── 3-9 搞定复杂活儿，得靠多个Agent协作
│ ├── 3-10 多Agent跨部门协作：A2A协议
│ ├── 3-11 主流的多Agent开发框架
│ ├── 3-12 多Agent的核心执行流程
│ └── 3-13 vs面试官入局高薪Ai应用领域 [图文]
│
├── 第4章 SpringAi 1.1 实现 MCP+A2A
│ ├── 4-1 MCP能连接万物的原因：通信的分层设计 [试看]
│ ├── 4-2 MCP的通信：SSE实时传输
│ ├── 4-3 以bom方式导入SpringAi Alibaba 1.1 依赖
│ ├── 4-4 SpringAi 1.1 导入MCP依赖
│ ├── 4-5 SpringAi 1.1 创建MCP工具
│ ├── 4-6 线程不会被卡住：WebFlux框架
│ ├── 4-7 测试 MCP服务端运行
│ ├── 4-8 Jmanus导入SpringAi自定义的MCP服务
│ ├── 4-9 SpringAi 1.1 创建MCP客户端
│ ├── 4-10 测试 MCP工具注册到MCP服务
│ ├── 4-11 测试 MCP客户端连接MCP服务
│ ├── 4-12 SpringAi 1.1 A2A的3个核心组件
│ ├── 4-13 SpringAi 1.1 A2A的服务注册
│ ├── 4-14 SpringAi 1.1 A2A的服务发现
│ ├── 4-15 SpringAi 1.1 A2A的元数据AgentCard
│ ├── 4-16 测试: SpringAi 1.1 实现的 A2A 协议
│ └── 4-17 vs面试官入局高薪Ai领域 [图文]
│
├── 第5章 Agent 团队打造专属你的旅行规划
│ ├── 5-1 旅行规划的复合任务拆解
│ ├── 5-2 团队成员：路线制定专员Agent
│ ├── 5-3 团队成员：行程规划经理Agent
│ ├── 5-4 团队成员：费用统筹管家Agent
│ ├── 5-5 Agent团队和大模型的无缝协作
│ ├── 5-6 3种方式实现多Agent协同的旅游规划
│ ├── 5-7 百度地图MCP提供的工具
│ └── 5-8 vs面试官入局高薪Ai应用领域 [图文]
│
├── 第6章 多 Agent 协同的旅游规划工作流
│ ├── 6-1 SpringAI 1.0，1.1 和 2.0
│ ├── 6-2 SpringAi 1.1 正式进入 Agent 时代
│ ├── 6-3 Agent自主决策的模式：ReAct Agent
│ ├── 6-4 搭建能自主决策的Agent
│ ├── 6-5 Agent 流式接收大模型数据
│ ├── 6-6 测试：Agent 运行
│ ├── 6-7 Agent 的自主思考, 计划, 执行
│ ├── 6-8 旅游规划第1种方案：多 Agent 工作流
│ ├── 6-9 组建旅游规划的 Agent 团队
│ ├── 6-10 费用统筹Agent作为工具加入Agent团队
│ ├── 6-11 旅游规划Agent工作流的协同逻辑
│ ├── 6-12 Agent工作流中并行执行任务
│ ├── 6-13 Agent工作流中的任务分发
│ ├── 6-14 Agent工作流按照流程顺序执行任务
│ ├── 6-15 旅游规划Agent工作流的输出
│ ├── 6-16 测试 多Agent的旅游规划及费用预估
│ └── 6-17 vs面试官入局高薪Ai应用领域 [图文]
│
├── 第7章 Graph 多个节点的旅游规划工作流
│ ├── 7-1 旅游规划第2种方案：Graph工作流
│ ├── 7-2 Graph工作流的记忆中枢：OverAllState
│ ├── 7-3 Graph工作流的框架：StateGraph
│ ├── 7-4 Graph工作流的状态更新
│ ├── 7-5 Graph工作流的执行单元：NodeAction
│ ├── 7-6 Graph工作流的流程顺序：Edge
│ ├── 7-7 编译及运行Graph工作流
│ ├── 7-8 图形化展示Graph工作流
│ ├── 7-9 旅游规划Graph工作流的协同逻辑
│ ├── 7-10 Graph搭建旅游规划工作流的节点
│ ├── 7-11 所有旅游花费都汇总到费用统筹节点
│ ├── 7-12 费用统筹节点判断旅游花费是否超支
│ ├── 7-13 测试 ：Graph旅游规划工作流图形化展示
│ ├── 7-14 Graph节点和大模型互动并json输出
│ ├── 7-15 测试 Graph多节点旅游规划及费用预估
│ └── 7-16 vs面试官入局高薪Ai应用领域 [图文]
│
├── 第8章 Agent自己走完思考-计划-行动全流程
│ ├── 8-1 基于Agent自主决策的开发框架
│ ├── 8-2 Jmanus实现旅游规划及费用预估
│ ├── 8-3 自主调用百度地图MCP各种工具完成旅游规划
│ ├── 8-4 Manus多Agent协同的架构
│ ├── 8-5 Manus Agent自主决策的实现原理
│ ├── 8-6 Agent自主决策的架构思路
│ ├── 8-7 自主决策Agent的全局规划思考
│ ├── 8-8 自主决策Agent是先思考再执行
│ ├── 8-9 日志展示Agent自主思考-计划-执行的全过程
│ ├── 8-10 AgentScope是SpringAi的工程化版本
│ ├── 8-11 AgentScope配置大模型
│ ├── 8-12 AgentScope挂载工具
│ ├── 8-13 测试AgentScope的Agent运行
│ └── 8-14 vs面试官入局高薪Ai应用领域 [图文]
│
├── 第9章 分布式 Agent 的旅游规划团队
│ ├── 9-1 旅游规划第3种方案：Agent 自主决策
│ ├── 9-2 分布式Agent团队的架构思路
│ ├── 9-3 SpringBoot 4 和 AgentScope 的整合
│ ├── 9-4 创建分布式的 Agent
│ ├── 9-5 主管Agent自主分解复杂任务
│ ├── 9-6 自主分解任务的关键：PlanNotebook
│ ├── 9-7 计划和执行中的事件拦截：Hook
│ ├── 9-8 主管Agent分发任务给相应Agent
│ ├── 9-9 团队成员的智能体卡片注册到Nacos
│ └── 9-10 远程Agent封装为工具执行子任务
│
├── 第10章 Skills 让 Agent 按照专业流程工作
│ ├── 10-1 Agent的牛马小弟：SubAgent
│ ├── 10-2 Agent Skills就是个专属工作流程
│ ├── 10-3 Skills装载的是专业知识和工作流程
│ ├── 10-4 旅游规划Skills的文件结构
│ ├── 10-5 旅游规划Skills约束了执行步骤, 输出, 脚本
│ ├── 10-6 SpringAi 1.1.2实现Agent装载Skills
│ ├── 10-7 测试 Agent调用Skills
│ └── 10-8 Agent从助手到自主协作的进化过程
│
├── 第11章 MCP+A2A，助力旅游规划团队协作
│ ├── 11-1 回顾AgentScope旅游规划的整体架构
│ ├── 11-2 测试: 团队成员基于A2A协议注册到Nacos
│ ├── 11-3 测试: 主管Agent基于A2A协议获取团队成员
│ ├── 11-4 测试: 主管Agent调动团队成员执行任务
│ ├── 11-5 获取百度地图MCP服务端的工具列表
│ ├── 11-6 路线制定专员Agent挂载百度地图MCP
│ ├── 11-7 日志截图: Agent挂载百度地图MCP工具列表 [图文]
│ ├── 11-8 主管Agent自主分发任务给远程相应的成员
│ └── 11-9 人工介入修改主管Agent制定的计划
│
├── 第12章 专属SubAgent, 处理旅游规划专业Skills
│ ├── 12-1 行程规划经理挂载Skills
│ ├── 12-2 有限预算内规划精彩旅行的Skills
│ ├── 12-3 表格制作Skills
│ ├── 12-4 Skills调用系统工具进行文件操作
│ ├── 12-5 Skills实现Agent工具的渐进式加载
│ ├── 12-6 景点推荐SubAgent执行景点推荐任务
│ └── 12-7 vs面试官入局高薪Ai应用领域 [图文]
│
└── 第13章 Agent自主决策的旅游规划整体运行
├── 13-1 API_Key配置的统一管理
├── 13-2 主管Agent暴露和用户交互的API
├── 13-3 推荐开源的Agent追踪观测平台
├── 13-4 集成Agent追踪观测平台
├── 13-5 测试: 主管Agent接收Prompt及结构化输出
├── 13-6 旅游规划打印出Agent的深度思考
├── 13-7 测试: 路线制定专员规划最优驾车路线
├── 13-8 日志截图: 驾车路线的费用预估 [图文]
├── 13-9 测试：行程规划经理推荐高性价比行程
├── 13-10 日志截图: 行程规划的费用预估 [图文]
├── 13-11 测试：idea运行旅游规划项目
└── 13-12 课程总结
