Ebook AI Agent & Application - Với LangChain, LangGraph & MCP [Ấn Bản Lần 1, Tháng 2/2026] [PDF + CODE] [9083E]
Xây dựng các ứng dụng thông minh được hỗ trợ bởi LLM với các agentic workflow và các tool-based agent.
Các ứng dụng được hỗ trợ bởi AI đang nhanh chóng trở thành xu hướng mới. Các personal productivity assistant, coding agent, smarter search và các công cụ báo cáo tự động đang xuất hiện ở khắp mọi nơi. Hệ sinh thái LangChain và các tiêu chuẩn như MCP đang thúc đẩy cơn sốt vàng mới này. Cuốn sách này sẽ giúp bạn khẳng định vị thế của mình.
Trong cuốn sách "AI Agent & Application: Với LangChain, LangGraph & MCP", bạn sẽ khám phá:
- ✓ Prompt & context engineering để tạo ra các hệ thống chính xác, chống ảo giác.
- ✓ RAG nâng cao dành cho summarization, semantic search & reliable Q&A.
- ✓ Các agentic workflow có cấu trúc, multi-step vớiLangGraph.
- ✓ Các Tool-based agent có khả năng thích ứng trong thời gian thực.
- ✓ Các multi-agent system cho các nhiệm vụ phức tạp trong thế giới thực.
- ✓ Tích hợp MCP để hiển thị, kết hợp và consume các plug-and-play tool.
"AI Agent & Application" là cẩm nang thực hành giúp bạn tạo ra các giải pháp mô hình ngôn ngữ thực tế, sẵn sàng cho production. Với LangChain và LangGraph, bạn sẽ điều phối các agentic workflow mạnh mẽ và xây dựng các tool-based agent năng động có khả năng tìm kiếm, tóm tắt, suy luận và hành động. Bạn sẽ tiến bộ từ prompt engineering thiết yếu đến Retrieval Augmented Generation (RAG) nâng cao, và cuối cùng là deploy các multi-agent system bằng cách sử dụng các tiêu chuẩn tích hợp hiện đại như Model Context Protocol (MCP).
Về công nghệ:
Cuốn sách này hướng dẫn bạn thiết kế các hệ thống dựa trên LLM đáng tin cậy bằng cách tập trung vào các khái niệm, kiến trúc và design pattern sẽ duy trì sự ổn định ngay cả khi các mô hình và API thay đổi. Bạn sẽ học cách cấu trúc các prompt, kết hợp các modular chain và xây dựng các RAG pipeline để tiếp nhận document, chia chúng thành các chunk, nhúng chúng, truy xuất context phù hợp và đưa ra câu trả lời để loại bỏ (hoặc giảm thiểu đáng kể) các ảo giác.
Về cuốn sách:
Trong quá trình học, bạn sẽ xây dựng các ứng dụng cụ thể - Summarization & Q&A engine, context-aware chatbot với memory & tool-using AI agent để điều phối các multi-step workflow với branching logic. Sách sử dụng Python, LangChain, LangGraph và LangSmith làm ví dụ, nhưng bạn có thể khái quát hóa sang các framework khác. Bạn sẽ hiểu rõ và tự tin cách duy trì tính khả thi của các tích hợp, quản lý context limit và sự đánh đổi giữa chi phí/độ trễ, cũng như evaluate, debug và giám sát hành vi để các hệ thống của bạn hoạt động trong môi trường sản xuất.
Mục lục:
- ✓ Phần 1. Bắt đầu với LLM:
- ✓ Chương 01. Giới thiệu về AI Agent & Application.
- ✓ Chương 02. Executing Prompt Programmatically.
- ✓ Phần 2. Summarization:
- ✓ Chương 03. Summarizing Text sử dụng LangChain.
- ✓ Chương 04. Xây dựng một Research Summarization Engine.
- ✓ Chương 05. Agentic Workflow với LangGraph.
- ✓ Phần 3. Q&A Chatbot:
- ✓ Chương 06. RAG fundamentals với ChromaDB.
- ✓ Chương 07. Q&A Chatbot với LangChain & LangSmith.
- ✓ Phần 4. RAG nâng cao:
- ✓ Chương 08. Indexing nâng cao.
- ✓ Chương 09. Question Transformation.
- ✓ Chương 10. Query Generation, Routing & Retrieval PostProcessing.
- ✓ Phần 5. AI Agent:
- ✓ Chương 11. Xây dựng các tool-based agent với LangGraph.
- ✓ Chương 12. Multi-Agent System.
- ✓ Chương 13. Xây dựng và Consuming các MCP Server.
- ✓ Chương 14. Productionizing AI Agent: Memory, Guardrails & Beyond.
- ✓ Phụ lục A. Trying out LangChain.
- ✓ Phụ lục B. Thiết lập một Jupyter Notebook Environment.
- ✓ Phụ lục C. Chọn một LLM.
- ✓ Phụ lục D. Cài đặt SQLite trên Windows.
- ✓ Phụ lục E. Các Open source LLM.