Agent Engineer

学习 AI agents 的基础，以及如何使用 Google Cloud AI 构建 agents。

适合谁阅读？

希望理解 AI agents 是什么、如何工作、以及如何构建它们的软件工程师。无需任何 AI/ML 经验，只需保持好奇心并具备一定的 Python 知识。

本课程分为三部分：

Part 1：基础（101） — 理解 AI agents 背后的核心概念。这些课时与具体平台无关，重点在于建立心智模型。

Part 2：构建与交付（201） — 使用 Google Cloud AI、Vertex AI 和 Agent Development Kit (ADK) 把基础落到实处。

Part 3：专题深入（301） — 围绕真实场景中开发 agent 时关键的话题做更深入的探讨。

#	课时	你将学到
01	What are AI agents?	整体概览 — agents 是什么、为什么重要、何时使用
02	How agents think	LLMs 作为推理引擎 — 模型如何规划、决策与生成
03	Tools - giving agents hands	function calling、tool 设计，以及让 agents 与真实世界连接
04	Agentic design patterns	ReAct、reflection、planning 等核心模式
05	Memory and context	agents 如何记忆 — 会话、context window 与长期记忆
06	Planning and reasoning	agents 如何拆解复杂任务并做决策
07	Multi-agent systems	一个 Agent 不够用时 — 协作、委派与团队协作
08	Agentic RAG	超越基础检索 — 能够搜索、评估并精炼结果的 agents
09	Evaluating and testing agents	如何判断你的 agent 是否真的好用 — 指标、evals 与可观测性
10	Guardrails and safety	让 agents 保持可信 — 安全、alignment 与负责任的 AI

#	课时	你将学到
11	From prototype to production	从演示到上线 — CI/CD、上线与运维
12	Getting started with Vertex AI and ADK	面向 agents 的 Google Cloud AI 技术栈 — 都有什么、如何组合
13	Building your first agent	实战 — 使用 ADK 一步一步构建一个可运行的 agent
14	Agent protocols - MCP and A2A	agents 如何通过开放标准与 tools 以及彼此通信

#	课时	你将学到
15	AGENTS.md	用一个标准配置文件，为 AI 编码 agents 提供项目上下文
16	MCP deep dive	MCP 的底层原理、MCP 与 CLI tools 的对比，以及安全考量
17	Agent skills	把可复用的领域专业知识打包成便携的技能模块
18	Orchestrators	管理 agent 的控制流 — 模式、框架与最佳实践
19	Where to go from here	资源、codelabs、社区与下一步

本课程遵循以下几条原则：

类比优先。 在深入技术细节之前，先用日常类比解释复杂概念。
基础重于框架。 先理解「为什么」，再学「怎么做」。框架在变，但核心思想会留下来。
链接，而非复制。 对于 API references、代码样例与配置说明，我们会直接指向 Google Cloud 的官方文档和 codelabs。这让我们的内容聚焦于概念，并保证你看到的是最新信息。
诚实面对取舍。 任何架构选择都有代价。我们会尽量呈现两面。

发现错别字？有改进建议？欢迎提交 PRs 与 issues。详见 CONTRIBUTING.md。

本项目采用 Apache 2.0 License — 详见 LICENSE 文件。