Agent Learning - LLM应用与智能体学习项目

这是一个综合性的学习项目，用于展示和探索不同的LLM应用、智能体(Agents)技术和MCP(Model Context Protocol)调用等前沿技术。

🎯 项目目标

• 从基础到高级，系统性地学习LLM应用开发
• 掌握智能体(Agents)技术的实际应用
• 学习MCP工具调用和集成
• 提供可运行的代码示例和最佳实践

📁 项目结构

agent_learning/
├── docs/                    # 文档和教程
│   ├── tutorials/          # 详细教程
│   ├── api-docs/           # API文档
│   └── best-practices/     # 最佳实践
├── examples/               # 代码示例
│   ├── llm-basics/        # LLM基础应用
│   ├── prompt-engineering/ # Prompt工程
│   ├── agents/            # 智能体应用
│   ├── mcp-tools/         # MCP工具集成
│   └── workflows/         # 工作流应用
├── src/                   # 核心源代码
│   ├── core/             # 核心功能模块
│   ├── agents/           # 智能体实现
│   ├── tools/            # 工具集成
│   └── utils/            # 工具函数
├── config/               # 配置文件
├── tests/                # 测试文件
└── requirements.txt      # 依赖管理

🚀 学习路径

1. LLM基础应用 → examples/llm-basics/QUICK_START.md ✅

• ✅ OpenAI API调用
• ✅ OpenRouter API调用
• ✅ 参数调优和配置

2. Prompt工程 ✅

• ✅ 基础Prompt编写 - 掌握清晰指令和结构化Prompt
• ✅ 高级Prompt技巧 - 思维链、Few-shot Learning、角色扮演
• ✅ 上下文管理 - 长对话处理和记忆机制

3. 智能体应用 → examples/agents/QUICK_START.md

• ✅ 基础智能体实现
• ✅ 多智能体协作
• 工作流编排

4. MCP工具集成 → examples/mcp-tools/README.md

• ✅ MCP协议基础
• ✅ 自定义工具开发
• 工具链集成

5. 实际应用案例

• 网页爬虫 + LLM分析
• 文档处理智能体
• 代码生成助手

🛠️ 技术栈

• Python: 主要开发语言
• OpenAI/OpenRouter: LLM API
• LangChain: 智能体框架
• MCP: 模型上下文协议
• FastAPI: Web服务框架
• Streamlit: 快速原型开发

📖 快速开始

1. 克隆项目

git clone <repository-url>
cd agent_learning

2. 安装依赖

pip install -r requirements-minimal.txt

3. 配置环境变量

Windows环境（推荐）

python setup_env.py

然后编辑生成的 .env 文件，填入你的API密钥

手动设置

# 创建.env文件
copy config\env_template.txt .env
# 编辑 .env 文件，添加你的API密钥

4. 运行测试

python examples/llm-basics/test_llm_client.py

🤝 贡献

欢迎提交Issue和Pull Request来改进这个项目！

📄 许可证

MIT License