LangGraph+MCP+医疗RAG：企业级多智能体实战入门

为什么大多数 Agent 教程学完就废

大模型火起来之后，Agent（智能体）成了技术圈最高频的词。不论懂不懂技术的人，一谈到大模型落地，几乎都会指向同一个方向：做 Agent。但图灵学院楼兰老师在这套实战课程中直言，市面上绝大多数 Agent 教程存在两个致命短板，导致学习者学完依旧无法独立落地项目。

第一个坑是本末倒置。很多教程开篇就堆砌工具调用、任务规划、记忆机制、ReAct 框架等专业术语，新手还没建立整体框架认知，就被概念绕晕，越学越懵，最后直接劝退。第二个坑是主打速成。全网充斥着"十分钟学会 Agent""一段代码搞定 Agent"的噱头。跟着跑通代码只是复刻成品，不懂原理、不会调优、不懂业务适配，这种学习方式学完依然零基础，无法实战落地。

真正的 Agent 入门路径应该是"先懂逻辑，再做项目"。先用通俗案例吃透核心原理、搭建完整知识体系、理清思路，再循序渐进上手真实项目开发。这样才能从需求分析、方案设计一直走到部署上线，完成 Agent 实战的全流程。

ReAct 框架（Reasoning + Acting）是目前 Agent 设计中最核心的范式之一，由谷歌研究团队于 2022 年提出。其核心思路是让大模型在执行任务时交替进行"思考（Reasoning）"和"行动（Acting）"：模型先推理当前状态和下一步意图，再调用外部工具获取信息，根据结果继续推理，如此循环直至完成任务。这种"先想后做、边做边想"的模式让 Agent 具备了处理多步骤复杂任务的能力，也是 LangGraph 等框架底层逻辑的重要理论来源。理解 ReAct 的运作机制，是真正读懂 Agent 代码、而不只是"跑通代码"的前提。

用一个真实项目理解企业级多智能体

理解 Agent 实力最好的办法，不是罗列概念，而是拆解一个真实项目。这套课程选择的切入点，是一个医疗行业的多智能体实战项目——这也是讲师团队正在实际交付的真实项目之一。

技术栈上，项目会用到当下主流的一整套工具链：LangChain 与 LangGraph 构成的整个体系，再加上 MCP（Model Context Protocol）等协议。多个智能体协同配合，共同完成医疗场景下的任务编排。课程的讲法是从行业分析和项目背景入手，先说清楚"这个项目为什么要做、要做成什么样"，再引入技术实现，最后进入实战编码。

值得强调的是，这是一门"思路课"而非"抄代码课"。讲师明确表示，所有代码都可以分享，但代码本身不是重点。重点在于帮学习者形成企业中智能体构建的思路体系，打开眼界——知道一个企业级智能体应该从哪些维度入手、最终应该做成什么形态。

LangChain 是目前最主流的大模型应用开发框架，提供了与各类 LLM、向量数据库、工具调用的标准化接口，大幅降低了构建 AI 应用的复杂度。LangGraph 是 LangChain 团队在其基础上推出的专为多智能体编排设计的框架，核心思想是将智能体的工作流抽象成"有向图"——节点（Node）代表单个智能体或处理步骤，边（Edge）代表流转条件，从而支持复杂的循环推理、条件分支与多 Agent 协作。

MCP（Model Context Protocol） 是 Anthropic 于 2024 年底发布的开放协议，旨在标准化大模型与外部工具、数据源之间的交互方式。类比 USB 接口对硬件的意义——MCP 试图为 AI 应用提供统一的"插件接口"，让不同厂商的工具、数据库、API 都能以相同协议接入模型，避免每个项目都要为工具调用单独编写适配代码。在多智能体场景中，MCP 有助于规范 Agent 之间以及 Agent 与外部系统之间的上下文传递方式。

AI 时代，写代码的含金量正在下降

讲师抛出了一个颇具争议又真实的观点：写代码的含金量越来越低了。这并非贬低技术，而是对 AI 时代协作方式的清醒判断。

在 AI 深度介入开发的今天，人真正需要做的事情，是把控需求、提出成熟稳定的想法，并把它清晰地传达给 AI。你不可能只对 AI 说一句"帮我做一个医疗行业的多智能体项目"就完事——连要做成什么样子都说不清，AI 自然无从下手。所以人的价值，在于能把控要构建的企业级智能体应该从哪些方面入手、做成什么样子，把思路打开。

讲师结合自身经历佐证了这个判断。他从 2008 年做测试入行，十多年开发经验，2015、2016 年左右转向大数据研究，2023 年开始投入大模型相关工作。他回忆早年搭建 Java 项目的痛苦：Spring、Struts 等 jar 包都要手动去官网一个个下载，再放进固定目录手动配置引用关系。而现在有 Maven、有脚手架工具，点几下就全部建好。单从工具链角度看，当下其实是学习门槛最低的黄金阶段。

程序员的差距，往往不在技术而在眼界

讲师提出了一个关于程序员成长的核心洞察：很多人做事没有信心，并不一定代表技术不行，而是眼界没有打开。因为见得少，即便学了很多框架，也不知道这些框架能发挥出什么样的成果，心里没把握。

他强调，职场的成长逻辑并不单纯取决于个人能做什么，而是取决于整个行业能做什么、你在行业中处于什么位置。在大模型这个阶段，大家的基础差距被拉平，谁能更好地掌握大模型，谁就能缩短走弯路的时间，在职场成长得更快。

要和别人拉开差距，光有技术不够，还需要一些差异化的东西：扎实的项目经验、软技能，以及行业认证（讲师本人是阿里云^广告大模型 ACP 首批认证专家）。这些加在一起，才能在求职时体现出区别于他人的优势。

关于项目经验，讲师给出了直白的建议：一定要亲手做过。不要听信某些博主"把八股文背会就去面试"的说法——真正做过项目和没做过，面试时的感受和表达完全不同。即便跟着教程把从零到一的流程走一遍，对自己优缺点的认知、对项目技术的理解，都会产生质的变化。

写在最后

这套课程的价值主张很清晰：在几个小时内不可能讲完一个完整项目的所有细节，但可以把企业级多智能体的核心思想讲透，再配合课后资料，让学习者自己动手走完从零到一的全过程。在大模型时代，比起"怎么写代码"，"怎么看待技术、如何把控需求"正变得越来越重要。对于想系统进入 Agent 实战领域的开发者来说，这种以项目驱动、以思路为核心的学习路径，比速成式的代码复刻更有长期价值。