- 人工智能
- 大模型
- AI 应用
- AI Agent
- RAG
- 后端
- 前端
【免费下载链接】AgentChat
AgentChat 是一个基于 LLM 的智能体交流平台，内置默认 Agent 并支持用户自定义 Agent。通过多轮对话和任务协作，Agent 可以理解并协助完成复杂任务。项目集成 LangChain、Function Call、MCP 协议、RAG、Memory、HITL、Skill、Milvus 和 ElasticSearch 等技术，实现高效的知识检索与工具调用，使用 FastAPI 构建高性能后端服务。
AgentChat 是一个基于 LLM 的智能体交流平台，支持用户自定义 Agent，并为其绑定工具、MCP、Skill 与知识库。本教程带你用 4 步完成一次完整的 AgentChat 自定义智能体配置：从准备资源到绑定能力，让你的 AI 助手真正"长出手脚"，能搜索、发邮件、查天气，还能读懂你的私有文档。
先看懂智能体配置界面：3个Tab各管什么
进入左侧边栏的智能体页面，点击右上角创建智能体，会进入 AgentChat 智能体编辑界面（源码位于 agent-editor.vue）。整个编辑页分为 3 个 Tab：
| Tab | 作用 | 必填项 |
|---|---|---|
| 基础信息 | 名称、描述、Logo、选择大模型 | 名称、描述、大模型 |
| 提示词 | 编写系统提示词（system prompt） | 系统提示词 |
| 高级设置 | 绑定工具、MCP、Skill、知识库，开关记忆 | 无 |
💡 小提示：模型、工具、MCP、知识库这四类"原料"需要先在各自的管理页面准备好，配置界面才会显示可选列表。
第1步：提前备好智能体能力资源
1.1 配置工具（Tools）
点击左侧工具页面，AgentChat 内置了约 18 个开箱即用的工具，覆盖办公协作、文档处理、信息检索、内容创作、生活服务几大类，例如发送邮件、联网搜索、论文检索、天气预博、PDF转Docx 等。
- 内置工具：直接查看参数即可使用。
- 自定义工具：点击右上角创建工具，或通过导入 OpenAPI 方式扩展业务能力，相关说明见 docs/reference/agentchat.md。
1.2 连接 MCP 服务器
MCP（Model Context Protocol）让智能体接入外部工具与数据服务。AgentChat 的 MCP 页面默认自带 3 个服务：高德地图、必应搜索、Parallel 搜索，均为"已添加"状态，可直接绑定使用，详见 docs/mcp-defaults.md。
如需接入自己的服务，点击添加服务填写 SSE / Streamable HTTP 地址即可，AgentChat 会自动发现并生成该服务的工具列表。
1.3 创建知识库（RAG 私有知识）
点击左侧知识库，先点击创建知识库建立你的专属知识空间，再上传 PDF、DOCX、TXT 等资料。AgentChat 会自动完成文档解析、向量化入库，检索后还会经过重排（Rerank），保证回答有据可依。
⚠️ 知识库依赖向量模型与重排模型，请确认模型服务页已配置对应能力，参考 docs/simple-config.md。
第2步：创建智能体并填写基础信息
回到智能体页面点击创建智能体，在"基础信息"Tab 中：
- 名称：起一个有辨识度的名字，如"旅行研究助手"；
- 描述：一句话说清它能做什么，会展示在智能体卡片上；
- Logo：上传头像，增强识别度；
- 选择大模型：从模型服务页已添加的模型中挑选（如 GPT、DeepSeek、Qwen 等）。展示名称与实际调用标识分别管理，以服务商要求的标识为准。
每个字段的校验规则可在 agent.ts 的接口类型定义中看到：name、description、system_prompt、llm_id为创建时必填，tool_ids、mcp_ids、knowledge_ids默认为空列表。
第3步：编写系统提示词
切换到"提示词"Tab。系统提示词决定了智能体的"性格"与行为边界，是自定义智能体效果好坏的关键。
- 零基础用户：可直接使用 AgentChat 内置的 3 个提示词模板——深度研究助手、写作助手、数据分析助手，一键应用后按需微调；
- 进阶用户：建议按"角色定义 → 工作流 → 输出约束"的结构撰写，例如：
你是一位旅行研究助手。先明确用户的目的地与预算，再调用搜索工具收集景点、交通信息，最后输出结构清晰、标注来源的行程建议。
第4步：绑定工具、MCP与知识库
切换到"高级设置"Tab，在能力配置区域为智能体勾选四类能力，勾选即绑定：
| 能力 | 字段 | 适合场景 |
|---|---|---|
| 工具 | tool_ids | 发送邮件、联网搜索、文件转换等原子操作 |
| MCP | mcp_ids | 调用高德地图、搜索服务等外部 MCP 工具集 |
| Skill | agent_skill_ids | 研究报告、代码审查等六类技能模板 |
| 知识库 | knowledge_ids | 基于私有文档的问答（RAG） |
另外还有记忆开关（enable_memory）：开启后智能体可在后续会话中调用历史信息，适合长期协作场景。
配置完成后保存，智能体卡片就会出现在列表中，点击开始对话即可体验：
发起对话，验证绑定效果
在会话页选择刚创建的智能体，测试两类问题：
- 工具类：「帮我查一下杭州今天的天气」——验证工具/MCP 绑定是否生效；
- 知识类：提问与知识库文档内容相关的问题——验证 RAG 检索是否命中。
同一会话内还可以随时切换其他智能体，观察不同能力组合的回答差异：
常见问题速查
- MCP 出现在列表里 = 已绑定吗？不等于。MCP 页面"已添加"只代表服务可用，必须进入智能体编辑页勾选后才绑定到该智能体。
- 工具调用失败怎么办？确认第三方服务的地址、API Key 可用；MCP 工具元数据生成失败时，可在服务卡片点击重试按钮。
- 知识库检索不到内容？检查文档是否处理完成、向量模型是否已配置。
- 资源会被其他用户影响吗？不会。AgentChat 按用户隔离资源，注册时自动获得独立的智能体、工具、Skill 与 MCP 副本，详见 docs/private-resources.md。
参考资料
- 完整功能与部署说明：README.md
- 智能体数据模型（含各绑定字段定义）：src/backend/agentchat/schemas/agent.py
- 智能体管理界面源码：src/frontend/src/pages/agent/agent-editor.vue
- 技术参考文档：docs/reference/agentchat.md
- API 接口文档：docs/reference/api.md
- 人工智能
- 大模型
- AI 应用
- AI Agent
- RAG
- 后端
- 前端
【免费下载链接】AgentChat
AgentChat 是一个基于 LLM 的智能体交流平台，内置默认 Agent 并支持用户自定义 Agent。通过多轮对话和任务协作，Agent 可以理解并协助完成复杂任务。项目集成 LangChain、Function Call、MCP 协议、RAG、Memory、HITL、Skill、Milvus 和 ElasticSearch 等技术，实现高效的知识检索与工具调用，使用 FastAPI 构建高性能后端服务。
相关推荐
如何用 AI-Meeting 搭建自己的 AI 助手：Agent 智能体配置与星云工作流绑定实战
如何用 AI Meeting 搭建自己的 AI 助手：Agent 智能体配置与星云工作流绑定实战 AI Meeting 是一个基于 Spring Boot 3
如何基于 AutoGen AgentChat BaseChatAgent 实现自定义智能体和自定义模型客户端？
如何基于 AutoGen AgentChat BaseChatAgent 实现自定义智能体和自定义模型客户端？ 当你使用的 AutoGen AgentChat
人工智能AI AgentAgent 框架多智能体工具调用基于 LangChain 自定义 Embeddings 封装实战：以智谱 AI 为例（llm-universe 知识库搭建）
基于 LangChain 自定义 Embeddings 封装实战：以智谱 AI 为例（llm universe 知识库搭建） 本指南讲解如何在 LangChai
教程大模型RAG人工智能AI 应用文档
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
