一、课程介绍
为响应国务院《关于深入实施“人工智能+”行动的意见》中 “培育协同智能系统、推动工业设备网络化协同”的要求，本课程聚焦企业在多智能体部署中的核心痛点，以MCP协议（Multi-Agent Communication Protocol）为技术核心，通过“政策解读+实战开发”模式，帮助企业在2天内掌握多智能体系统的设计、部署与优化能力。
课程采用“问题-方案-落地”三阶架构：第1天解析MCP协议的技术原理与工业适配方案，通过企业数据孤岛案例（传统接口开发需15个工作日，MCP协议集成压缩至8小时），实战演练协议核心字段设计、跨系统数据交互及边缘节点部署；第2天聚焦大规模Agent协同场景，以智能AGV调度、数字设备协同为原型，完成“LLM 驱动的任务分配算法+MCP消息链路追踪+故障自愈系统”全流程开发，覆盖“设备协同效率提升30%、故障响应时间缩短80%”等企业级指标。课程全程使用Docker容器化部署，所有案例均可直接迁移至企业实际生产环境。
二、培训目的
1、政策适配层面：深度解读“人工智能+制造业”政策对协同智能系统的要求，掌握 MCP 协议在 “设备上云”“数据贯通”等政策指标中的落地方法，避免企业因协议碎片化导致的政策申报障碍；
2、技术攻坚层面：精通MCP协议三大核心能力——结构化消息设计、语义行为定义、边缘-云端协同架构，独立完成跨厂商设备的协议适配与通信测试；
3、业务落地层面：针对企业实际场景输出可执行方案：
智能车间：构建基于MCP的设备状态同步网络，实现200+台设备的实时数据互通；
物流仓储：开发负载均衡调度算法，解决AGV集群任务拥堵问题（支持≥50台Agent的分布式协同）；
数字孪生：通过MCP协议对接三维建模工具，实现虚拟场景与物理设备的指令双向映射；
4、战略储备层面：培养“协议设计+系统集成+AI协同”的复合型团队，帮助企业建立自主可控的多智能体技术体系，响应政策对“核心技术自主化”的要求，降低对单一厂商的技术依赖。
培训对象
本课程精准覆盖企业推动 “智能协同系统” 落地的核心角色：
1、企业技术负责人（主任、总监）：需解决多设备协同效率低、数据不通问题，希望通过标准化协议降低系统集成成本；
2、工业软件开发者（MES/ERP 系统工程师）：负责企业级多智能体系统开发，需掌握 MCP 协议与 OPC UA、MQTT 等工业协议的适配技术；
3、AI 转型技术骨干（智能系统架构师、边缘计算工程师）：需设计 “LLM + 多智能体” 混合架构，实现从 “单设备控制” 到 “群体智能决策” 的升级；
4、数字化转型决策者（CIO、生产副总）：关注政策合规性与投资回报率，需明确多智能体系统的部署路径与效益评估方法。
|
第01天 大模型核心知识体系与实战 |
1，大模型核心架构原理 |
1，大模型的定义与发展脉络 ① 大模型的技术演进（从 Transformer 到 GPT 系列、LLaMA 系列等） ② 大模型的核心特征（大参数量、强泛化性、涌现能力） |
理论讲解 + 项目实战 |
|
2，Transformer 架构核心组件解析 ① 自注意力机制的原理与计算逻辑 ② 编码器 - 解码器架构及变体 （Decoder-only/Encoder-only） ③ 位置编码的作用与常见实现方式 |
|||
|
3，大模型参数量与模型能力的关联逻辑 |
|||
|
2，大模型训练与推理策略实操 |
1，训练策略实践：小批量数据的预训练与微调流程 ① 基于开源小模型的微调环境搭建 ② 微调参数（学习率、批大小）的简易调试 |
||
|
2，推理策略实践：模型轻量化与加速推理 ① 模型量化（INT8/INT4）的简易实现 ② 本地小模型的推理速度对比测试 |
|||
|
3，提示词工程核心原理 |
1，提示词的基本构成要素（指令、上下文、问题、输出格式） |
||
|
2，通用提示词框架（零样本、少样本、思维链 COT） |
|||
|
3，提示词优化的核心原则（清晰性、特异性、引导性） |
|||
|
4，提示词工程实战 |
1，基础场景实战：文本总结与信息提取 ① 针对指定文档的精准总结提示词编写 ② 结构化信息提取的提示词设计与验证 |
||
|
2，进阶场景实战：逻辑推理与多轮对话 ① 思维链提示词解决数学 / 逻辑问题 ② 多轮对话中上下文保持的提示词设计 |
|||
|
5，RAG 系统核心原理 |
1，RAG 的定义与核心价值（解决大模型知识时效性与幻觉问题） |
||
|
2，RAG 系统整体架构（检索层、知识库层、增强生成层） |
|||
|
3，检索策略选型（向量检索、关键词检索、混合检索） |
|||
|
6，RAG 系统实战 |
1，简易知识库搭建：文档向量化与向量数据库部署 ① 基于 Chroma/FAISS 的本地向量库搭建 ② 文档分片与嵌入模型（Embedding）的调用 |
||
|
2，完整 RAG 流程实现：检索 + 生成的端到端测试 ① 检索结果与大模型的结合生成 ② 检索效果的简易评估（相关性、准确性） |
|||
|
7，Agent 核心原理 |
1，Agent 的定义与核心能力（感知、决策、执行、反馈） |
||
|
2，Agent 基本架构（规划器、记忆体、工具调用模块） |
|||
|
3，Agent 工具调用的核心逻辑（工具注册、参数解析、结果回传） |
|||
|
8，Agent 简易实战 |
1，基础 Agent 搭建：工具注册与简单任务执行 ① 计算器 / 天气查询工具的注册与调用 ② 单步任务 Agent 的流程实现与测试 |
||
|
2，多步任务 Agent：任务拆解与流程调度 ① 基于提示词引导的多步任务规划 ② 多工具联动的简易任务执行 |
|||
|
第02天 MCP 开发实战与集成应用 |
1，MCP 核心概述 |
1，MCP 的定义与核心目标（标准化模型与工具的交互协议） |
理论讲解 + 项目实战 |
|
2，MCP 的核心组件（服务端、客户端、协议规范） |
|||
|
3，MCP 与 Agent/Workflow 的集成价值（统一工具调用接口） |
|||
|
2，MCP 开发基础：FastAPI 框架开发 |
1，FastAPI 基础：环境搭建与接口定义 ① FastAPI 项目初始化与依赖安装 ② 基础 GET/POST 接口的编写与调试 |
||
|
2，接口文档自动生成与接口测试 ① Swagger 文档的访问与接口验证 ② 简易工具接口（如数据查询）的开发 |
|||
|
3，基于 MCP 库开发 MCP 服务 |
1，MCP 服务开发核心原理 |
||
|
2，MCP 服务的核心规范（接口定义、参数格式、返回值要求） |
|||
|
3，MCP 库的核心组件与调用逻辑 |
|||
|
4，MCP 服务的注册与发现机制 |
|||
|
4，MCP 服务开发实战 |
1，基础 MCP 服务开发：封装自定义工具为 MCP 服务 ① 基于 MCP 库初始化服务项目 ② 计算器 / 文件读取工具的 MCP 服务封装 |
||
|
2，MCP 服务的本地部署与接口测试 ① MCP 服务的启动与端口监听 ② 客户端调用 MCP 服务的接口验证 |
|||
|
5，MCP 服务在 Agent与 Workflow 中的集成 |
1，MCP 与 Agent/Workflow 集成原理 |
||
|
2，Agent 中调用 MCP 服务的核心流程（服务发现、参数传递、结果解析） |
|||
|
3，Workflow 的定义与核心价值（多任务 / 多服务的流程编排） |
|||
|
4，MCP 服务在 Workflow 中的节点设计与调度逻辑 |
|||
|
6，MCP 服务集成实战 |
1，Agent 中引用 MCP 服务实战 ① Agent 中 MCP 服务的注册与绑定 ② 多工具 MCP 服务的联动调用（如 “查询数据 + 生成报告”） |
||
|
2，Workflow 中引用 MCP 服务实战 ① 基于简易编排工具的 Workflow 搭建 ② MCP 服务节点的串联（数据采集→处理→生成）与流程测试 |
|||
|
7，拓展模块： Anthropic Agent Skill |
1，Anthropic Agent Skill 核心原理 |
||
|
2，Anthropic Agent Skill 的定义与能力边界 |
|||
|
3，Anthropic Agent Skill 与 MCP 服务的适配逻辑 |
|||
|
8，Anthropic Agent Skill 实操 |
1，Anthropic Agent Skill 的简易调用 ① Anthropic API 的申请与环境配置 ② 基础 Skill（如文档分析）的调用测试 |
||
|
2，Anthropic Agent 与本地 MCP 服务的联动尝试 ① 跨平台服务的简易集成与效果验证 |
汇款、微信转账
汇款信息：
单位名称：北京市海淀区中科院计算所职业技能培训学校
开户行：工行海淀西区支行
账号：0200 0045 1920 0043 667
开户银行代码：1021 0000 0458
微信转账：
步骤一：打开微信，扫描二微码付款时，点击打开微信右下角里的“发现”，在列表界面有一个“扫一扫”选项，点击打开“扫一扫”（如下图）：
步骤二：点击打开“扫一扫”后，会出现一个扫描框，将中科院计算所培训中心二维码/条码放入框内，即可自动扫描，并显示支付信息，输入付款金额。
（中科院计算所培训中心二维码）
步骤三：点击 “添加付款备注”，填写付款人姓名和单位全称，所有信息核对无误后，点击“确认付款”，完成支付。
