B站acedar-C大-MCP+GraphRAG+LLM的智能体全栈开发资源介绍:
适合人群： 具备Python基础，希望转向AI应用落地的全栈工程师； 需深入理解MCP协议底层逻辑的技术负责人； 需集成RAG与LLM的AI工程师； 计划通过Agent架构优化企业工作流的系统设计师 课程目标： 掌握MCP服务端/客户端开发全流程，解决LLM与外部工具集成、RAG索引构建、Agent化部署等难题 课程简介： MCP全栈开发：从零构建MCP服务端与客户端，深入解析协议通信机制 GraphRAG深度集成：基于知识图谱构建高效索引库，对比传统Tag+RAG方案，解决长文本检索精度低、上下文关联弱等痛点，并通过MCP服务化封装支持多工具协同。 Agent化部署实战：将MCP客户端嵌入AI代理系统，实现工具自动路由（如本地知识库查询=），完成从需求分析、服务部署到生产环境优化的全链路闭环。 学习成果： 学员可独立设计高扩展性MCP服务集群，实现LLM与业务系统的无缝对接，并具备复杂Agent架构的设计与运维能力，满足企业对AI工程化落地的核心需求。
资源目录:
01-mcp+rag+llm整体项目实战介绍_
02-graphrag的知识回顾及三个实战项目功能介绍_
03-mcp的server端框架开发_
04-mcp的server端天气查询功能接口实现_
05-mcp服务端功能开发和测试-[最新大模型课 kec1024]_
06-mcp客户端功能开发-[最新大模型课 kec1024]_
07-将mcp封装成agent功能开发-[最新大模型课 kec1024]_
08-mcp+agent的完整功能测试-[最新大模型课 kec1024]_
09-使用graphrag构建索引-[最新大模型课 kec1024]_
10-将graphrag索引封装成mcp的server端服务_
11-graphrag客户端集成agent实现_
12-基于langchain构建本地知识库_
13-langchain构建知识库的mcp的agent开发_
14-langchain构建知识库的mcpserver端开发_
15-mcp+graphrag+llm项目实战总结_
