从概念到生产：框架无关的 AI Agent 架构模式与实战
作者: Wayland Zhang
这本书讲什么？
不是框架文档，而是让你理解 Agent 系统设计模式的实战指南。
市面上的 Agent 教程大多停留在：
- 调用 API 实现一个 chatbot Demo
- 某个框架的配置说明和 API 翻译
- Prompt 技巧的堆砌
这些只能让你"用"Agent，不能让你"构建"生产级 Agent 系统。
真正的生产系统需要回答：
- 多 Agent 如何协作？ DAG、Supervisor、还是 Handoff？
- Token 预算如何控制？ 单次调用还是整个 workflow？
- 工具执行失败怎么办？ 重试、降级、还是人工介入？
- 如何保证安全？ 沙箱隔离、权限控制、审计日志
这本书回答这些问题，配合开源项目 Shannon 提供完整的代码参考。
目标读者
| 读者类型 | 你会获得什么 |
|---|---|
| 后端开发者 | 从零构建 Agent 系统的完整路径 |
| 架构师 | 多 Agent 编排、企业级治理的设计模式 |
| 技术负责人 | 评估和落地 Agent 方案的决策框架 |
前置要求
- 必需：基本编程能力 (Go/Python/Rust 任一)
- 必需：LLM 基础概念 (Token, Prompt, Temperature)
- 有帮助：了解 REST/gRPC API
- 不需要：不需要了解任何特定 Agent 框架
可能不适合你，如果：
- 你只想快速调用 ChatGPT API（直接看官方文档）
- 你需要 Prompt Engineering 技巧集锦（有更专门的资料）
- 你从未接触过 LLM 相关概念（建议先了解基础）
内容结构
全书分为 9 个部分、30 章：
| 部分 | 主题 | 核心内容 |
|---|---|---|
| Part 1 | Agent 基础 | Agent 本质、ReAct 循环 |
| Part 2 | 工具与扩展 | Function Calling、MCP、Skills、Hooks |
| Part 3 | 上下文与记忆 | Context 管理、Memory 架构、会话设计 |
| Part 4 | 单 Agent 模式 | Planning、Reflection、Chain-of-Thought |
| Part 5 | 多 Agent 编排 | DAG、Supervisor、Handoff |
| Part 6 | 高级推理 | Tree-of-Thoughts、Debate、Research |
| Part 7 | 生产架构 | 三层设计、Temporal、可观测性 |
| Part 8 | 企业级特性 | Token 预算、OPA 策略、WASI 沙箱、多租户 |
| Part 9 | 前沿实践 | Computer Use、Agentic Coding、Background Agents |
Part1-Agent基础/ Agent概念、ReAct循环
Part2-工具与扩展/ Tools、MCP、Skills、Hooks
Part3-上下文与记忆/ Context管理、Memory架构
Part4-单Agent模式/ Planning、Reflection、CoT
Part5-多Agent编排/ DAG、Supervisor、Handoff
Part6-高级推理/ ToT、Debate、Research
Part7-生产架构/ 三层架构、Temporal、可观测性
Part8-企业级特性/ 预算控制、OPA、WASI沙箱
Part9-前沿实践/ Computer Use、Agentic Coding
附录/ 案例、模板、框架对比参考实现：Shannon
本书以 Shannon 作为参考实现。Shannon 是一个三层架构的多 Agent 系统：
Production-Grade Multi-Agent Orchestration with Temporal - Built with Rust, Go, and Python for deterministic execution and enterprise-grade observability.
Orchestrator (Go) - 编排、预算、策略
Agent Core (Rust) - 执行、沙箱、限流
LLM Service (Python) - 推理、工具、向量Shannon 不是唯一选择。LangGraph、CrewAI、AutoGen 都能做类似的事。本书的目标是教你设计模式，不是教你用 Shannon。
写作理念
模式优先，框架其次。
框架会过时，但模式不会。每一章都遵循这样的结构：
- 先讲问题 — 什么场景需要这个能力？
- 再讲模式 — 通用的设计模式是什么？（框架无关）
- 然后看实现 — 以 Shannon 为例展示一种实现方式
- 最后对比 — 其他框架如何解决同样的问题
如果你读完一章，能在任何框架中实现同样的模式——那这一章就成功了。
阅读路径
快速入门（2-3 天）
Part1 全部 → 第03章 → 第13章 → 第20章目标：Agent 基础 → 工具调用 → 多 Agent 编排 → 生产架构
系统学习（2-3 周）
Part1-8 顺序阅读，配合 Shannon 代码实践目标：完整掌握从单 Agent 到企业级多 Agent 的全部内容
前沿热点（1-2 天）
第04章(MCP) → 第27章(Computer Use) → 第28章(Agentic Coding)目标：了解 2025-2026 年最热门的 Agent 话题
贯穿全书的实战项目
项目：智能研究助手 (Research Agent)
从 Part1 到 Part9，我们将逐步构建一个完整的研究助手 Agent：
| Part | 项目演进 | 能力提升 |
|---|---|---|
| Part 1 | 简单问答 Agent | 基础 ReAct 循环 |
| Part 2 | + 工具调用 | 搜索、文件读取 |
| Part 3 | + 记忆系统 | 多轮对话、历史召回 |
| Part 4 | + 自主规划 | 任务分解、反思改进 |
| Part 5 | + 多 Agent 协作 | 搜索 + 分析 + 写作 Agent |
| Part 6 | + 高级推理 | 多源对比、辩论综合 |
| Part 7 | + 生产架构 | Temporal 持久化、可观测性 |
| Part 8 | + 企业治理 | Token 预算、权限控制 |
| Part 9 | + 前沿能力 | 浏览器操作、代码生成 |
关于时效性
AI Agent 领域发展极快。本书对高变动性内容会明确标注：
时效性提示 (2026-01): 本节内容基于 MCP 规范 v1.0。
核心的架构模式相对稳定，但具体的 API 和工具可能会变化。遇到疑问时，请以官方文档为准。
快速导航
| 链接 | 说明 |
|---|---|
| 前言 | 为什么写这本书、写作理念、适合谁读 |
| 第 1 章：Agent 的本质 | 开始阅读 |
| Shannon OSS | 参考实现代码 |
License
本书内容采用 CC BY-NC-SA 4.0 协议。
配套代码 Shannon OSS 采用 Apache 2.0 协议。
"The best way to learn is to build."