免责声明：本站部分 Skill 来源于公开渠道，使用前请注意识别相关风险，内容版权归原作者所有，如 Skill 涉及版权问题，请在线反馈，核实后予以下架处理。
本技能包面向基于 Python 3.10+ 的 AI Agent 后端开发场景，提供从框架选型到生产部署的完整工程指南。开发者可通过 LangGraph 构建状态化图工作流、用 CrewAI 编排多智能体协作，或基于 AbstractAgent 接口开发自定义适配器；借助 AgentServiceApp 快速暴露 AG-UI 协议 SSE 流式端点与 OpenAI 兼容的 /chat/completions 接口。工具层覆盖 Bash 命令执行、文件系统操作、代码沙箱运行及 MCP 协议集成；记忆层支持内存、TDAI、MySQL、MongoDB 等多种持久化方案；可观测性内置 OpenTelemetry 与 Langfuse 链路追踪。部署环节采用四步阻塞式流水线（环境构建→完整性校验→manageAgent 发布），确保生产环境可复现、可验证。
skill.md（本文件）：技能主说明，含框架选型决策、四步部署流水线、架构图与快速启动代码agent-deployment.md：阻塞式部署指南，Python 3.10 环境约束、env/ 目录构建与 manageAgent MCP 工具调用server-quickstart.md：AgentServiceApp 服务端配置、中间件洋葱模型与多智能体部署模式adapter-langgraph.md：LangGraph 适配器详解，含状态图、回调协议、ToolProxy、Human-in-the-Loop 中断与 TDAICheckpointSaveradapter-development.md：自定义适配器开发规范，AbstractAgent 接口实现与 CrewAI 适配参考adapter-coze.md：Coze 平台适配器接入方案authentication.md：用户认证与 JWT 上下文传递references/server.md：服务端进阶主题，含三种部署方式、健康检查与 Agent Creator 模式references/tools.md：工具系统全览，Bash/文件/代码执行器、MCPToolkit、CloudBaseMCPServer 及自定义工具装饰器references/storage.md：记忆与存储实现，短长期记忆分层、MySQL/MongoDB/TDAI/Mem0 后端references/observability.md：可观测性配置，ConsoleTraceConfig、OTLPTraceConfig、环境变量与手动埋点references/recipes.md：生产实践配方，JWT 中间件、MCP + LangGraph 集成、客户端动态工具注入| 用户怎么说 | 本技能做什么 |
|---|---|
| "我要用 LangGraph 搭一个能记住上下文的客服 Agent，部署到 CloudBase" | 引导读取 adapter-langgraph.md 实现状态图与 TDAICheckpointSaver，再按 agent-deployment.md 四步流水线完成阻塞式部署 |
| "需要给 Agent 加上执行 Shell 命令和读写文件的能力" | 查阅 references/tools.md，调用 create_bash_tool、create_read_tool/create_write_tool 或接入 MCPToolkit 扩展工具集 |
| "怎么让多个 Agent 协作完成任务，还要流式返回给前端" | 推荐 CrewAI 适配器或 AgentServiceApp 多智能体模式，配置 AG-UI SSE 中间件与 CORS，输出实时事件流 |
| "生产环境要接 Langfuse 看调用链路，还要能回滚对话状态" | 按 references/observability.md 配置 OTLPTraceConfig/Langfuse 环境变量，结合 storage.md 的 Checkpoint 机制实现对话状态持久化与恢复 |
| "不想用现成框架，要自己写一个 Agent 核心逻辑" | 参考 adapter-development.md 实现 AbstractAgent 接口，配合 server-quickstart.md 用 AgentServiceApp 包装为 HTTP 服务 |