mksz981-多 Agent+Skills+SpringAI 构建自主决策智能体（13章完结）

《慕课实战-多 Agent+Skills+SpringAI 构建自主决策智能体（13章完结）》是一套面向大模型应用开发与AI Agent工程实践的系统化实战课程，重点围绕多Agent协作、Skills能力封装以及Spring AI技术体系展开，帮助开发者从传统的“大模型问答”进一步走向具备任务规划、自主决策、工具调用和协同执行能力的智能体应用。

课程以自主决策智能体为核心，通过13章完整内容逐步拆解Agent系统的设计思路与实现过程。前期会从大模型应用和Agent基本概念入手，帮助学习者理解智能体与普通AI应用之间的区别，以及任务拆解、上下文管理、工具调用、决策规划等关键机制。在此基础上进一步引入多Agent架构，让不同Agent承担不同角色，通过协作完成更加复杂的业务任务。

Skills是课程中的重要组成部分，通过将具体能力进行模块化、标准化封装，使Agent可以根据当前任务动态选择和调用所需技能。这样的设计能够降低复杂Agent系统的开发难度，同时提高功能复用性和系统扩展能力。学习者可以通过实际项目理解如何设计Skills、管理技能调用流程，并让智能体根据任务需求自主选择合适的能力。

课程还重点结合Spring AI展开企业级AI应用开发实践。对于熟悉Java和Spring生态的开发者而言，可以进一步掌握如何将大模型能力融入现有Java项目，并结合提示词、工具调用、结构化输出、上下文管理等能力构建完整的AI应用。同时通过项目实战理解Agent系统中的模块划分、业务流程设计以及工程化实现方式。

在多Agent协作方面，课程将重点培养学习者的系统设计能力，包括角色分工、任务分派、Agent之间的信息传递、结果汇总以及异常处理等。相比单一Agent，多Agent系统可以将复杂任务拆解为多个子任务，由不同角色协同完成，从而提升系统处理复杂业务场景的能力。

课程整体强调实战和工程落地，不仅关注代码实现，也会涉及Agent系统的可维护性、扩展性以及实际应用中的问题。通过完整项目训练，学习者能够逐步建立从需求分析、Agent架构设计、Skills开发到最终应用落地的完整开发思路。

总体而言，这套课程适合Java开发者、Spring开发者以及希望进入大模型应用开发、Agent开发方向的学习者。学完后可以对多Agent、Skills和Spring AI之间的协作关系形成较为完整的认识，并具备进一步开发自主决策型AI智能应用的实践基础。

课程截图：

课程目录：

mksz981-多 Agent+Skills+SpringAI 构建自主决策智能体（13章完结）/
│ ├── 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 (67.00 MB)
│ │ ├── 1-2 准备工作：安装ApiFox.mp4 (25.89 MB)
│ │ ├── 1-3 准备工作：配置阿里大模型广场的ApiKey.mp4 (28.57 MB)
│ │ ├── 1-4 准备工作：百度地图API秘钥(AK).mp4 (16.68 MB)
│ │ ├── 1-5 准备工作：安装Nacos 3.mp4 (16.91 MB)
│ │ ├── 1-6 仿Manus能自主决策的框架：Jmanus.mp4 (84.63 MB)
│ │ ├── 1-7 具备ReAct核心能力的框架：AgentScope.mp4 (45.05 MB)
│ │ └── 第1章 AI 正式进入多 Agent 协作和自主决策的时代必看.png (0.48 MB)
│ ├── 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 (37.52 MB)
│ │ ├── 2-2 大模型的信息分析器：Transformer层.mp4 (76.14 MB)
│ │ ├── 2-3 大模型的大脑中枢：自注意力机制.mp4 (58.02 MB)
│ │ ├── 2-4 大模型的回应咋就这么体贴呢.mp4 (47.70 MB)
│ │ └── 2-5 大模型是弹药库，智能体则是武器.mp4 (57.70 MB)
│ ├── 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 (40.24 MB)
│ │ ├── 3-2 困境解决方案：函数调用( Function Calling ).mp4 (48.78 MB)
│ │ ├── 3-3 Function Calling就是大模型的跑腿小弟.mp4 (83.35 MB)
│ │ ├── 3-4 更优的困境解决方案： MCP.mp4 (56.46 MB)
│ │ ├── 3-5 对比Function Calling，MCP的不同.mp4 (74.99 MB)
│ │ ├── 3-6 体验MCP：Jmanus配置MCP服务.mp4 (69.28 MB)
│ │ ├── 3-7 具有专业知识的Agent Skills.mp4 (32.93 MB)
│ │ ├── 3-8 工具调用最强组合：Agent Skills+MCP.mp4 (50.37 MB)
│ │ ├── 3-9 搞定复杂活儿，得靠多个Agent协作.mp4 (47.38 MB)
│ │ ├── 3-10 多Agent跨部门协作：A2A协议.mp4 (63.00 MB)
│ │ ├── 3-11 主流的多Agent开发框架.mp4 (46.54 MB)
│ │ └── 3-12 多Agent的核心执行流程.mp4 (42.18 MB)
│ ├── 第4章 SpringAi 1(1).1 实现 MCP+A2A/
│ │ ├── 4-1 以bom方式导入SpringAi Alibaba依赖.mp4 (75.74 MB)
│ │ ├── 4-2 导入MCP依赖.mp4 (56.26 MB)
│ │ ├── 4-3 MCP能连接万物的原因：通信的分层设计.mp4 (89.56 MB)
│ │ ├── 4-4 MCP的通信：SSE实时传输.mp4 (73.70 MB)
│ │ ├── 4-5 创建MCP工具.mp4 (55.88 MB)
│ │ ├── 4-6 将MCP工具注册到MCP服务.mp4 (58.14 MB)
│ │ ├── 4-7 线程不会被卡住：WebFlux框架.mp4 (77.82 MB)
│ │ ├── 4-8 Jmanus导入SpringAi自定义的MCP服务.mp4 (39.47 MB)
│ │ ├── 4-9 SpringAi Alibaba 1.1 以bom方式导入依赖.mp4 (54.34 MB)
│ │ ├── 4-10 SpringAi 1.1 整合MCP.mp4 (85.67 MB)
│ │ ├── 4-11 SpringAi 1.1 A2A的3个核心组件.mp4 (43.43 MB)
│ │ ├── 4-12 SpringAi 1.1 MCP注解：全新的MCP实现.mp4 (71.43 MB)
│ │ ├── 4-13 SpringAi 1.1 A2A的服务注册.mp4 (80.44 MB)
│ │ ├── 4-14 SpringAi 1.1 A2A的服务发现.mp4 (106.31 MB)
│ │ ├── 4-15 SpringAi 1.1 A2A的元数据AgentCard.mp4 (130.79 MB)
│ │ └── 4-16 测试 SpringAi 1.1 实现的 A2A 协议.mp4 (126.59 MB)
│ ├── 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 (42.57 MB)
│ │ ├── 5-2 团队成员：路线制定专员Agent.mp4 (32.09 MB)
│ │ ├── 5-3 团队成员：行程规划经理Agent.mp4 (36.60 MB)
│ │ ├── 5-4 团队成员：费用统筹管家Agent.mp4 (28.29 MB)
│ │ ├── 5-5 Agent团队和大模型的无缝协作.mp4 (59.45 MB)
│ │ └── 5-6 百度地图MCP提供的工具体系全景.mp4 (33.11 MB)
│ ├── 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 (79.60 MB)
│ │ ├── 6-2 SpringBoot整合SpringAi Alibaba.mp4 (62.41 MB)
│ │ ├── 6-3 和大模型互动的中枢：ChatModel对象.mp4 (83.01 MB)
│ │ ├── 6-4 和大模型互动的窗口：ChatClient对象.mp4 (114.14 MB)
│ │ ├── 6-5 ChatClient流式响应获取数据 (SSE).mp4 (82.64 MB)
│ │ ├── 6-6 SpringAi 1.1 正式进入Agent自主决策时代.mp4 (139.91 MB)
│ │ ├── 6-7 SpringAi 1.1 组建旅游规划的Agent团队.mp4 (65.32 MB)
│ │ ├── 6-8 SpringAi 1.1 Agent团队协同合作.mp4 (118.19 MB)
│ │ ├── 6-9 AgentScope构建搭载工具的ReAct Agent（1）.mp4 (80.92 MB)
│ │ ├── 6-10 AgentScope构建搭载工具的ReAct Agent（2）.mp4 (81.68 MB)
│ │ ├── 6-11 MCP客户端连接MCP服务端.mp4 (74.79 MB)
│ │ ├── 6-12 大模型调用本地自定义的MCP服务.mp4 (84.04 MB)
│ │ ├── 6-13 RAG只是一个过渡阶段吗 ？.mp4 (67.25 MB)
│ │ ├── 6-14 长下文能取代RAG吗 ？.mp4 (61.40 MB)
│ │ ├── 6-15 测试AgentScope的Agent运行.mp4 (54.48 MB)
│ │ └── 第6章 多 Agent + ReAct架构，SpringAi迈入Agent新时代文档.zip (1.83 MB)
│ ├── 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 (52.73 MB)
│ │ ├── 7-2 搭建工作流的记忆中枢：OverAllState.mp4 (75.93 MB)
│ │ ├── 7-3 搭建工作流的框架蓝图：StateGraph.mp4 (62.70 MB)
│ │ ├── 7-4 搭建工作流的执行单元：NodeAction.mp4 (107.23 MB)
│ │ ├── 7-5 搭建工作流的流程顺序：Edge.mp4 (32.77 MB)
│ │ ├── 7-6 编译及运行工作流.mp4 (72.96 MB)
│ │ ├── 7-7 图形化展示工作流.mp4 (55.65 MB)
│ │ ├── 7-8 Flux就是装载SSE流式数据的容器.mp4 (53.97 MB)
│ │ ├── 7-9 Flux包装SSE返回给前端展示打字机输出效果.mp4 (110.84 MB)
│ │ ├── 7-10 SpringAi Alibaba1.1的Graph引擎.mp4 (28.06 MB)
│ │ ├── 7-11 SpringAi 1.1的工作流状态更新.mp4 (61.79 MB)
│ │ ├── 7-12 基于Graph搭建旅游规划工作流.mp4 (119.31 MB)
│ │ └── 7-13 总结Agent和Graph分别构建的工作流.mp4 (57.84 MB)
│ ├── 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 (42.13 MB)
│ │ ├── 8-2 多Agent设计思路 冲突协商.mp4 (53.00 MB)
│ │ ├── 8-3 多Agent设计思路 SOP管理机制.mp4 (65.46 MB)
│ │ ├── 8-4 Manus多Agent的技术架构.mp4 (42.89 MB)
│ │ ├── 8-5 Manus是自主决策的Ai Agent.mp4 (64.08 MB)
│ │ ├── 8-6 OpenManus复刻Manus的架构思路.mp4 (71.51 MB)
│ │ ├── 8-7 PlanAct是全局流程规划的主管.mp4 (25.82 MB)
│ │ ├── 8-8 ReAct是灵活应变的基层执行者.mp4 (16.54 MB)
│ │ ├── 8-9 JManus的文件架构以及Prompt提交入口.mp4 (76.62 MB)
│ │ ├── 8-10 JManus的核心：计划协调器.mp4 (49.75 MB)
│ │ ├── 8-11 JManus向大模型请求计划创建.mp4 (67.21 MB)
│ │ ├── 8-12 根据计划类型创建不同的执行者.mp4 (54.96 MB)
│ │ └── 8-13 不同的执行者调用不同的执行流程.mp4 (50.11 MB)
│ ├── 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 (28.37 MB)
│ │ ├── 9-2 分布式Agent自主旅游规划的架构思路.mp4 (19.17 MB)
│ │ ├── 9-3 SpringBoot 4 和 AgentScope 的整合.mp4 (30.93 MB)
│ │ ├── 9-4 创建不同节点的ReAct Agent.mp4 (32.28 MB)
│ │ ├── 9-5 主管Agent自主分解复杂任务.mp4 (72.19 MB)
│ │ ├── 9-6 自主分解任务的关键：PlanNotebook.mp4 (48.51 MB)
│ │ ├── 9-7 计划和执行中的事件拦截：Hook.mp4 (60.65 MB)
│ │ ├── 9-8 主管Agent分发任务给相应Agent.mp4 (34.45 MB)
│ │ ├── 9-9 团队成员的智能体卡片注册到Nacos.mp4 (54.59 MB)
│ │ ├── 9-10 远程Agent封装为工具执行子任务.mp4 (48.81 MB)
│ │ └── 第9章 Docker 部署分布式 Agent 搞定旅游规划说明.png (0.48 MB)
│ ├── 第10章 Skills 让 Agent 按照专业流程工作/
│ │ ├── 10-1 Agent的牛马小弟：SubAgent.mp4 (43.72 MB)
│ │ ├── 10-2 Agent Skills就是个专属工作流.mp4 (38.37 MB)
│ │ ├── 10-3 Skills装载的是专业知识和工作流程.mp4 (61.93 MB)
│ │ ├── 10-4 Skills的渐进式加载机制.mp4 (50.34 MB)
│ │ ├── 10-5 Skills的文件结构标准.mp4 (74.61 MB)
│ │ ├── 10-6 总结Agent从助手到自主协作的进化过程.mp4 (53.17 MB)
│ │ └── 10-7 SpringAi 1.1.2实现Agent装载Skills.mp4 (80.17 MB)
│ ├── 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.mp4 (72.98 MB)
│ │ ├── 11-2 测试团队成员基于A2A协议注册到Nacos.mp4 (93.61 MB)
│ │ ├── 11-3 测试主管Agent基于A2A协议获取团队成员.mp4 (51.37 MB)
│ │ ├── 11-4 测试主管Agent调动团队成员执行任务.mp4 (54.07 MB)
│ │ ├── 11-5 获取百度地图MCP服务端的工具列表.mp4 (65.84 MB)
│ │ ├── 11-6 路线制定专员Agent挂载百度地图MCP.mp4 (49.66 MB)
│ │ ├── 11-7 主管Agent自主分发任务给远程相应的成员.mp4 (41.50 MB)
│ │ ├── 11-8 人工介入修改主管Agent制定的计划.mp4 (51.91 MB)
│ │ └── 第11章 MCP+A2A，助力旅游规划团队协作必看.zip (1.83 MB)
│ ├── 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.mp4 (53.57 MB)
│ │ ├── 12-2 有限预算内规划精彩旅行的Skills.mp4 (43.65 MB)
│ │ ├── 12-3 表格制作Skills.mp4 (30.21 MB)
│ │ ├── 12-4 Skills实现Agent工具的渐进式加载.mp4 (30.13 MB)
│ │ └── 12-5 景点推荐SubAgent执行景点推荐任务.mp4 (50.06 MB)
│ └── 第13章 旅游规划优化，监控，部署/
│ │ ├── 13-1 敏感资源处理方案.mp4 (32.87 MB)
│ │ ├── 13-2 主管Agent暴露和用户交互的接口.mp4 (18.71 MB)
│ │ ├── 13-3 docker搭建Agent跟踪和Token消费分析.mp4 (21.22 MB)
│ │ ├── 13-4 旅游规划Agent团队集成Agent追踪观测.mp4 (35.43 MB)
│ │ ├── 13-5 测试主管Agent接收Prompt及结构化输出.mp4 (39.19 MB)
│ │ ├── 13-6 旅游规划打印出Agent的深度思考.mp4 (24.12 MB)
│ │ ├── 13-7 测试路线制定专员规划最优驾车路线.mp4 (46.74 MB)
│ │ └── 13-8 课程总结.mp4 (32.00 MB)