langgraph-mcp-agents：一个支持动态工具集成的AI智能体系统

大模型技术栈学习资料共享池 1.智能体行动 1.1大模型开发技术栈 1.1.1langchain 开源框架支持构建链式任务流程，实现模型调用与工具集成。 官方文档：[LangChain Documentation](https://docs.langchain.com/) 实战教程：[智能体开发指南](https://python.langchain.com/v0.1/docs/modules/agents/) 1.1.2langgraph 多智能体状态管理工作流引擎，优化复杂决策场景。 官方教程：[状态工作流实现](https://python.langchain.com/v0.1/docs/langgraph/) 2.智能体记忆 2.1检索增强 2.1.1向量RAG 结合语义检索与大模型生成能力 论文精讲：[RAG技术原理解析](https://arxiv.org/abs/2005.11401) 2.1.2GraphRAG 基于知识图谱的增强检索 微软开源方案：[GraphRAG实现](https://github.com/microsoft/graphrag) 2.2知识库 2.2.1向量知识库--Milvus 亿级向量毫秒检索，性能超传统方案2-5倍 部署指南：[Docker安装](https://milvus.io/docs/install_standalone-docker.md) 索引优化：IVF_PQ算法实现O(log n)复杂度 2.2.2图知识库--Neo4j 关系型知识存储与推理 实战课程：[Cypher查询精要](https://neo4j.com/graphacademy/) 3.智能体工具 3.1工具交互协议 3.1.1MCP协议 智能体工具调用标准规范 协议要素： 工具元数据描述规范 异步回调机制 输入/输出类型约束 参考实现：[Toolformer论文](https://arxiv.org/abs/2302.04761) 4.智能体交互 4.1前端交互 4.1.1fastapi 高性能API服务栈 生产部署方案：[ASGI服务器配置指南](https://fastapi.tiangolo.com/deployment/) 4.1.2uvicorn 4.1.3gunicorn 4.2智能体间交互协议 4.2.1A2A协议 分布式智能体通信标准 核心特性： 基于JWT的身份认证 消息路由R=f(agentID,topic) 服务发现机制 5.智能体其他辅助技术栈 5.1包依赖管理工具 5.1.1UV包 Rust编写的高速依赖管理器 性能对比：[UV vs pip](https://github.com/astral-sh/uv) 5.2数据库方面相关 5.2.1SQLAlchemy 关系型数据库ORM框架 联机文档：[1.4版本手册](https://docs.sqlalchemy.org/en/14/) 5.3图数据库方面 5.3.1NetworkX 实战案例：[知识图谱分析](https://networkx.org/documentation/stable/tutorial.html)根据这个编写这个表格类型，链接，概述。例如github地址，https://github.com/langchain-ai/langchain，langchain-github地址