AI Agents in Action（第2版·英文原版）

把会聊天的模型接入可以检验的工作流程

做出一个会回复的演示，往往只是AI应用开发的起点。真正投入使用以后，开发者还要回答：它可以调用哪些工具？任务失败时停在哪里？检索资料是否支持结论？一次看起来成功的回答能否重复出现？《AI Agents in Action》第2版适合带着这些问题阅读。

本条目介绍英文原版第2版，作者为Micheal Lanham，Manning官方书页标注2026年6月出版、392页、ISBN 9781633434530，并提供电子版、纸书及目录资源。核对日期为2026年10月17日。这里推荐它的理由是Agent实践主题与新版内容的针对性，不将它标为当日销量榜冠军。查看出版社书页与版本信息。

内容路线：从单个Agent到可观察的协作系统

出版社列出的新版重点包括工具与MCP集成、推理和规划、知识与记忆、评估反馈，以及多智能体流程。它面向具备中级Python能力的读者，不要求已有Agent开发经验。作者有长期软件开发经历，也撰写过深度学习相关技术书籍。

• 先弄清任务和上下文：阅读时尝试写出一份最小任务说明，明确输入、输出和结束条件，避免把目标模糊的问题交给循环执行。
• 再检查工具边界：对每一个可调用工具记录用途、参数、失败返回与授权范围。学习MCP时，尤其要分清连接成功与业务执行正确是两回事。
• 用测试判断记忆是否有帮助：准备几个需要查资料的问题，比较增加检索前后答案的依据。不要只凭回答更长就判断效果更好。
• 最后考虑多个角色：先保留单Agent基线，再尝试拆分任务；比较结果质量、耗时和成本，判断协作是否真正解决了问题。

适合什么读者

如果你已经能写Python脚本、调用API，并希望做知识库助手、内部流程助手或多步骤研究工具，可以把本书作为项目实践入口。产品和技术负责人也能借助目录了解工程环节，但要评估实现质量，仍然需要与能够读代码、做测试的同伴一起推进。

完全没有编程基础的读者，建议先熟悉函数、异常处理、HTTP请求和虚拟环境。若你的目标只是改善日常聊天提示词，整本技术书的投入可能偏大，可以先看官方试读，再决定是否跟随项目学习。

建议做一个范围很小的练习

1. 选一个只读任务。例如从自己有权使用的资料中回答问题，先不用邮件发送、付款或删除功能。
2. 整理十几个测试问题。包含信息缺失、资料冲突和工具不可用等情形，并写明什么答案才算合格。
3. 保存运行轨迹。观察检索、工具调用、重试与停止过程，用同一组问题比较修改前后。
4. 一次只增加一个能力。先工具调用，再检索与记忆，最后尝试多角色协作，保留可回退的简单版本。

与站内其他书籍怎么搭配

本书可以承担Agent专项实践的任务。想先从质量、成本和评估角度规划大模型应用，可搭配《AI工程》；想追问模型内部的注意力和训练机制，则可转向《从零构建大模型》。选书时先确定自己要改进的是应用流程还是模型实现，学习路径会更清晰。

阅读前要知道的边界

Agent框架和API变化较快。建议使用出版社资源区链接的代码与勘误，先核对依赖版本，再运行示例。书中演示不能自动代表生产系统的安全性；涉及真实用户资料或外部操作时，还需设置最小权限、人工确认、预算与超时。评估结果也应同时记录失败样本，不以一次顺利演示代替可靠性测试。

封面来自Manning官方书页，仅用于识别和介绍本书；版权归相应权利人。正文为选书与阅读建议，书目及内容范围以出版社页面为准。官方目录、试读与购买信息。