学习工具设计、MCP 接入和智能体互通，适合连接外部能力的开发者。
48 条精选 · 入门 12 · 按推荐学习顺序：越基础、直观越靠前，越系统、深入越靠后
How (and Why) to Build an AI Agent from Scratch in Python
MachineLearningMastery.com 上由 Bala Priya C 撰写的教程文章。文章介绍什么是 AI Agent，并演示如何只用纯 Python 和 Anthropic API、不借助任何编排框架从零实现一个 Agent；内容涵盖为什么需要工具调用、如何定义模型可用的工具、如何实现“请求—执行—响应”循环，以及如何加入持久记忆让 Agent 在多轮对话中保持上下文。适合想理解 Agent 底层机制并动手实现的开发者阅读。
一个 GitHub 项目，自述为用 AgentScope 从零搭建本地智能体工作台。内容以产品为主线组织的教程，共五篇 15 章，讲解模型接入、消息结构、工具注册、循环、权限拦截、状态存储等概念；运行环境为 Python 3.11 及以上、AgentScope 2.x 和兼容 OpenAI 接口的模型服务，并提供 GitHub Pages 在线阅读。材料说明其面向会写 Python 函数与类、了解 async/await、有大模型 API 使用经验的读者，如高校学生、想把脚本做成产品的开发者和需要向团队讲解智能体运转的工程师。
MCP vs API Calls: Which Should You Use for Python LLM Apps?
Real Python 的教程，作者 Valerio Maggio，阅读时长约 28 分钟，难度标注为中级。文章从指标对比入手，分三组特性比较直接 API 调用与 MCP 服务器：集成成本与可复用性、标准化与互操作性、开销控制与成熟度，最后给出选择决策表，并注明 Anthropic 已开源 Model Context Protocol。适合在 Python LLM 应用中选择集成方式的开发者阅读。
Human-in-the-loop over MCP - Docs by LangChain
LangChain 官方文档的一页，说明当通过 MCP 端点暴露的 agent 调用 interrupt 时，Agent Server 如何用 elicitation 向 MCP 客户端索取答案并在收到回答后恢复 agent。文档描述了工具调用暂停与恢复的往返流程（resultType 为 input_required、elicit/create 请求、requestState、inputResponses 等），并注明需要 langgraph-api>=0.18.0 及支持协议修订版 2026-07-28、声明 elicitation 能力的 MCP 客户端。适合用 LangSmith/LangGraph 部署 agent 并接入 MCP 的开发者查阅。
Step by Step guide: Build a Voice Agent That Never Goes Silent using ADK
Google 开发者博客 2026 年 10 月 19 日的文章，作者为 Stephen Allen 与 Kaz Sato。内容介绍如何用开源 Agent Development Kit（ADK）和 gemini-3.8-live，在 Python 中实现非阻塞工具来构建响应及时的语音智能体，包括用流式工具输出进度更新、用后台执行模式在长时间后端查询期间保持对话流畅，以及配置 WHEN_IDLE、INTERRUPT、SILENT 等响应调度行为来控制工具结果何时以何种方式进入对话。适合用 ADK 和 Gemini 实时接口开发语音智能体的开发者阅读。
How to Build Voice Agents That Don't Fall Apart When You Interrupt - Jesse Hall, LiveKit
LiveKit 的 Jesse Hall 讲解如何为金融服务构建听起来自然而非机械的语音 agent。内容包括为何模型排行榜会误导选择（排行榜评分的是组件，而交付的是对话）、应以首段音频和首句话的延迟而非首字节/首 token 衡量、用异步工具调用在慢速后端运行时保持对话流畅，以及音频感知的轮次检测、约 1.5 秒延迟预算（500–600 毫秒才接近真人）和用模拟呼叫者对自己的技术栈做基准测试。视频含酒店预订 agent 演示和分章节时间轴。