多Agent+Skills+SpringAI 多Agent协同架构 模块化Skills工具链与SpringAI框架的深度融合 构建自主决策智能体

├──代码

| └──AiTripPlan-master.zip 9.70M

├──第10章 Skills 让 Agent 按照专业流程工作

| ├──10-1 Agent的牛马小弟：SubAgent.mp4 43.72M

| ├──10-2 Agent Skills就是个专属工作流.mp4 38.37M

| ├──10-3 Skills装载的是专业知识和工作流程.mp4 61.93M

| ├──10-4 Skills的渐进式加载机制.mp4 50.34M

| ├──10-5 Skills的文件结构标准.mp4 74.61M

| ├──10-6 总结Agent从助手到自主协作的进化过程.mp4 53.17M

| └──10-7 SpringAi 1.1.2实现Agent装载Skills.mp4 80.17M

├──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.mp4 67.00M

| ├──1-2 准备工作：安装ApiFox.mp4 25.89M

| ├──1-3 准备工作：配置阿里大模型广场的ApiKey.mp4 28.57M

| ├──1-4 准备工作：百度地图API秘钥(AK).mp4 16.68M

| ├──1-5 准备工作：安装Nacos 3.mp4 16.91M

| ├──1-6 仿Manus能自主决策的框架：Jmanus.mp4 84.63M

| └──1-7 具备ReAct核心能力的框架：AgentScope.mp4 45.05M

├──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 ?.mp4 37.52M

| ├──2-2 大模型的信息分析器：Transformer层.mp4 76.14M

| ├──2-3 大模型的大脑中枢：自注意力机制.mp4 58.02M

| ├──2-4 大模型的回应咋就这么体贴呢.mp4 47.70M

| └──2-5 大模型是弹药库，智能体则是武器.mp4 57.70M

├──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”.mp4 40.24M

| ├──3-10 多Agent跨部门协作：A2A协议.mp4 63.00M

| ├──3-11 主流的多Agent开发框架.mp4 46.54M

| ├──3-12 多Agent的核心执行流程.mp4 42.18M

| ├──3-2 困境解决方案：函数调用( Function Calling ).mp4 48.78M

| ├──3-3 Function Calling就是大模型的跑腿小弟.mp4 83.35M

| ├──3-4 更优的困境解决方案： MCP.mp4 56.46M

| ├──3-5 对比Function Calling，MCP的不同.mp4 74.99M

| ├──3-6 体验MCP：Jmanus配置MCP服务.mp4 69.28M

| ├──3-7 具有专业知识的Agent Skills.mp4 32.93M

| ├──3-8 工具调用最强组合：Agent Skills+MCP.mp4 50.37M

| └──3-9 搞定复杂活儿，得靠多个Agent协作.mp4 47.38M

├──第4章 SpringAi 1.1 实现 MCP+A2A

| ├──4-1 以bom方式导入SpringAi Alibaba依赖.mp4 75.74M

| ├──4-10 SpringAi 1.1 整合MCP.mp4 85.67M

| ├──4-11 SpringAi 1.1 A2A的3个核心组件.mp4 43.43M

| ├──4-12 SpringAi 1.1 MCP注解：全新的MCP实现.mp4 71.43M

| ├──4-13 SpringAi 1.1 A2A的服务注册.mp4 80.44M

| ├──4-14 SpringAi 1.1 A2A的服务发现.mp4 106.31M

| ├──4-15 SpringAi 1.1 A2A的元数据AgentCard.mp4 130.79M

| ├──4-16 测试 SpringAi 1.1 实现的 A2A 协议.mp4 126.59M

| ├──4-2 导入MCP依赖.mp4 56.26M

| ├──4-3 MCP能连接万物的原因：通信的分层设计.mp4 89.56M

| ├──4-4 MCP的通信：SSE实时传输.mp4 73.70M

| ├──4-5 创建MCP工具.mp4 55.88M

| ├──4-6 将MCP工具注册到MCP服务.mp4 58.14M

| ├──4-7 线程不会被卡住：WebFlux框架.mp4 77.82M

| ├──4-8 Jmanus导入SpringAi自定义的MCP服务.mp4 39.47M

| └──4-9 SpringAi Alibaba 1.1 以bom方式导入依赖.mp4 54.34M

├──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.mp4 42.57M

| ├──5-2 团队成员：路线制定专员Agent.mp4 32.09M

| ├──5-3 团队成员：行程规划经理Agent.mp4 36.60M

| ├──5-4 团队成员：费用统筹管家Agent.mp4 28.29M

| ├──5-5 Agent团队和大模型的无缝协作.mp4 59.45M

| └──5-6 百度地图MCP提供的工具体系全景.mp4 33.11M

├──第6章 多 Agent + ReAct架构，SpringAi迈入Agent新时代

| ├──6-1 SpringAI 1.0，1.1 和 2.0.mp4 79.60M

| ├──6-10 AgentScope构建搭载工具的ReAct Agent(2).mp4 81.68M

| ├──6-11 MCP客户端连接MCP服务端.mp4 74.79M

| ├──6-12 大模型调用本地自定义的MCP服务.mp4 84.04M

| ├──6-13 RAG只是一个过渡阶段吗 ?.mp4 67.25M

| ├──6-14 长下文能取代RAG吗 ?.mp4 61.40M

| ├──6-15 测试AgentScope的Agent运行.mp4 54.48M

| ├──6-2 SpringBoot整合SpringAi Alibaba.mp4 62.41M

| ├──6-3 和大模型互动的中枢：ChatModel对象.mp4 83.01M

| ├──6-4 和大模型互动的窗口：ChatClient对象.mp4 114.14M

| ├──6-5 ChatClient流式响应获取数据 (SSE).mp4 82.64M

| ├──6-6 SpringAi 1.1 正式进入Agent自主决策时代.mp4 139.91M

| ├──6-7 SpringAi 1.1 组建旅游规划的Agent团队.mp4 65.32M

| ├──6-8 SpringAi 1.1 Agent团队协同合作.mp4 118.19M

| └──6-9 AgentScope构建搭载工具的ReAct Agent(1).mp4 80.92M

├──第7章 Graph 搭建旅游规划工作流，像拼积木一样轻松

| ├──7-1 以工作流方式编排旅行规划的团队协同.mp4 52.73M

| ├──7-10 SpringAi Alibaba1.1的Graph引擎.mp4 28.06M

| ├──7-11 SpringAi 1.1的工作流状态更新.mp4 61.79M

| ├──7-12 基于Graph搭建旅游规划工作流.mp4 119.31M

| ├──7-13 总结Agent和Graph分别构建的工作流.mp4 57.84M

| ├──7-2 搭建工作流的记忆中枢：OverAllState.mp4 75.93M

| ├──7-3 搭建工作流的框架蓝图：StateGraph.mp4 62.70M

| ├──7-4 搭建工作流的执行单元：NodeAction.mp4 107.23M

| ├──7-5 搭建工作流的流程顺序：Edge.mp4 32.77M

| ├──7-6 编译及运行工作流.mp4 72.96M

| ├──7-7 图形化展示工作流.mp4 55.65M

| ├──7-8 Flux就是装载SSE流式数据的容器.mp4 53.97M

| └──7-9 Flux包装SSE返回给前端展示打字机输出效果.mp4 110.84M

├──第8章 Jmanus 懂思考、会规划、一步步动手完成任务。

| ├──8-1 多Agent设计思路 角色分工.mp4 42.13M

| ├──8-10 JManus的核心：计划协调器.mp4 49.75M

| ├──8-11 JManus向大模型请求计划创建.mp4 67.21M

| ├──8-12 根据计划类型创建不同的执行者.mp4 54.96M

| ├──8-13 不同的执行者调用不同的执行流程.mp4 50.11M

| ├──8-2 多Agent设计思路 冲突协商.mp4 53.00M

| ├──8-3 多Agent设计思路 SOP管理机制.mp4 65.46M

| ├──8-4 Manus多Agent的技术架构.mp4 42.89M

| ├──8-5 Manus是自主决策的Ai Agent.mp4 64.08M

| ├──8-6 OpenManus复刻Manus的架构思路.mp4 71.51M

| ├──8-7 PlanAct是全局流程规划的主管.mp4 25.82M

| ├──8-8 ReAct是灵活应变的基层执行者.mp4 16.54M

| └──8-9 JManus的文件架构以及Prompt提交入口.mp4 76.62M

└──第9章 Docker 部署分布式 Agent 搞定旅游规划

| ├──9-1 AgentScope搭建工程化的分布式Agent协同.mp4 28.37M

| ├──9-10 远程Agent封装为工具执行子任务.mp4 48.81M

| ├──9-2 分布式Agent自主旅游规划的架构思路.mp4 19.17M

| ├──9-3 SpringBoot 4 和 AgentScope 的整合.mp4 30.93M

| ├──9-4 创建不同节点的ReAct Agent.mp4 32.28M

| ├──9-5 主管Agent自主分解复杂任务.mp4 72.19M

| ├──9-6 自主分解任务的关键：PlanNotebook.mp4 48.51M

| ├──9-7 计划和执行中的事件拦截：Hook.mp4 60.65M

| ├──9-8 主管Agent分发任务给相应Agent.mp4 34.45M

| └──9-9 团队成员的智能体卡片注册到Nacos.mp4 54.59M