B站AI Agent开发教程：LangChain与MCP实战解析

教程概览与背景

近日，B站上线了一套被称作“目前最全最细”的AI Agent开发零基础教程，由马式教育的报格（吴老师）主讲。该教程属于四天训练营的第一天内容，聚焦LangChain与MCP（Model Context Protocol）的零基础实战。据讲师介绍，这是其VIP课程中的一部分，旨在帮助学习者快速入门AI Agent开发。

教程强调“学完即就业”，并承诺提供简历模板、面试宝典及项目文档等免费资料。从直播互动来看，观众对大模型和LangChain的认知程度不一，讲师根据反馈调整了讲课节奏。

LangChain与MCP：核心概念与实战价值

LangChain是一个用于构建大模型应用的开源框架，而MCP则是一种标准化协议，旨在让大模型更便捷地连接外部工具和数据源。教程将两者结合，演示如何在LangChain中集成MCP，从而扩展Agent的能力边界。

对于零基础学习者，理解MCP的作用尤为关键：它类似于一个“万能接口”，让Agent能够调用搜索、数据库、API等外部服务。讲师在直播中表示，这部分内容是其精心准备的核心工具课之一，覆盖了当前大模型应用开发的重要技术栈。

LangChain 的核心抽象包括 Chain（可组合的调用序列）、Agent（根据目标自主选择工具）、Tool（外部函数封装）、Memory（对话状态管理）和 Retriever（检索增强）。其中 Agent 依赖大模型的推理能力决定调用哪个工具、以什么顺序调用，而 LangChain 负责把工具描述成模型可理解的 schema 并解析其输出。理解这一分层很关键：框架本身不产生智能，它提供的是把模型能力与外部系统粘合起来的工程骨架。

MCP（Model Context Protocol）由 Anthropic 于 2024 年底提出，采用客户端—服务器架构：MCP Server 暴露资源（Resources）、工具（Tools）和提示模板（Prompts），MCP Client（通常就是 Agent 运行时）通过 JSON-RPC 与服务器通信。相比在代码里硬编码工具，MCP 让工具能力可以被不同模型和应用复用，形成生态化的“工具市场”。在 LangChain 中集成 MCP，通常借助适配器把 MCP 工具转换为 LangChain Tool 对象，从而在保留原有 Agent 逻辑的同时接入标准化的外部能力。

四天训练营的课程体系与配套资源

训练营共四天，第一天由报格讲解LangChain与MCP，后续由陈老师讲解大模型训练相关内容。每天直播设有抽奖环节，奖品包括现金红包和购物卡，旨在提升学员参与度。

完成四天课程后，学员可领取大模型求职简历模板、金九银十面试宝典以及哈尔内斯架构项目文档。这些资源均免费提供，但需连续听课并加入学习群。讲师强调，这些资料对于求职和项目实践有直接帮助。

“金九银十”指中国招聘市场每年 9 月、10 月的秋招旺季，是企业集中释放岗位、应届生和跳槽者密集投递的窗口期，因此面试题库类资料在这一时段需求最高。简历模板与面试宝典本质上属于求职辅助材料，其价值取决于是否与目标岗位的真实技术栈匹配——对于 AI Agent 开发岗，招聘方通常更看重可运行的项目、对工具调用链路的理解以及调试排错经验，而非题库背诵。

至于“哈尔内斯架构项目文档”，从名称看应指基于 Harness 类工具链或某种内部命名的工程架构文档，公开资料中并无统一标准定义，学习者拿到后应先确认其技术栈、依赖版本与可复现性，再决定是否投入时间研读。

适合人群与学习建议

该教程定位为零基础，但直播中显示约半数观众已有一定基础。对于完全新手，建议提前了解大模型基本概念；对于有经验者，可重点关注MCP集成与LangChain高级用法。

学习过程中，建议动手复现代码，并利用讲师提供的文档和项目案例加深理解。此外，训练营的互动和抽奖机制虽能提升趣味性，但核心仍在于技术内容的消化与实践。

对零基础学习者而言，动手复现时建议遵循“先跑通、再拆解、后改造”的路径：第一步用最小示例跑通一次完整的 Agent 调用链（模型 → 选择工具 → 执行 → 回填结果），确认环境、API Key、依赖版本无误；第二步逐段拆解 prompt 模板、工具描述和解析逻辑，理解模型为何做出该决策；第三步替换或新增一个自定义工具，观察 Agent 行为变化。调试阶段应打开 LangChain 的 verbose 或 LangSmith 追踪，完整查看中间步骤，否则工具调用失败时很难定位问题出在 schema 描述、模型输出格式还是外部接口。

行业观察：AI Agent开发培训的现状

随着大模型应用爆发，AI Agent开发成为热门技能，各类培训课程层出不穷。该教程以“最全最细”为卖点，结合实战与就业导向，反映了市场对应用型人才的迫切需求。然而，学习者需注意甄别课程质量，优先选择有完整项目案例和持续更新的内容。

从技术趋势看，LangChain与MCP的结合正成为构建复杂Agent的主流方案之一。掌握这些工具，将有助于开发者在实际业务中快速落地AI应用。