Agentic AI Systems: Build Multi-Agent Workflows with LangChain, MCP, RAG & Ollama. ( A Practical Guide to Local LLM Orchestration, Retrieval-Augmented
暫譯: 代理式人工智慧系統：使用 LangChain、MCP、RAG 和 Ollama 建立多代理工作流程（本地 LLM 編排與檢索增強的實用指南）

Pizzlo, Roberto

Agentic AI Systems: Build Multi-Agent Workflows with LangChain, MCP, RAG & Ollama. ( A Practical Guide to Local LLM Orchestration, Retrieval-Augmented
  • 出版商: Independently Published
  • 出版日期: 2025-06-15
  • 售價: $970
  • 貴賓價: 9.5 折 $922
  • 語言: 英文
  • 頁數: 222
  • 裝訂: Quality Paper - also called trade paper
  • ISBN: 9798288194658
  • ISBN-13: 9798288194658
  • 相關分類: LangChain

    • 海外代購書籍(需單獨結帳)

相關主題

商品描述

Agentic AI Systems: Build Multi-Agent Workflows with LangChain, MCP, RAG & Ollama
(A Practical Guide to Local LLM Orchestration, Retrieval-Augmented Generation, and Autonomous Agents)

Unlock the power of local LLMs, agentic AI architectures, and multi-agent orchestration with this hands-on guide designed for developers, AI engineers, and system architects building intelligent applications beyond the cloud. In an era where data privacy, autonomous workflows, and cost-effective deployments are critical, this book offers a production-ready blueprint using LangChain, Model Context Protocol (MCP), Retrieval-Augmented Generation (RAG), and Ollama.

Whether you're designing AI copilots, deploying autonomous agents, or developing secure on-premise AI systems, this guide helps you go from concept to execution with confidence.

What You'll Learn:

  • Set up a complete agentic AI stack with LangChain, LangGraph, MCP, and Ollama

  • Run private LLMs like Llama 3 and Mixtral with full control using Ollama

  • Fine-tune models with LoRA/QLoRA for domain-specific applications

  • Design and orchestrate multi-agent systems using LangGraph and graph-based coordination

  • Build robust Retrieval-Augmented Generation pipelines using FAISS and Chroma

  • Implement secure message-passing and streaming using MCP

  • Handle authentication, observability, and compliance (GDPR, HIPAA, SOC 2)

  • Deploy agents with Docker, Kubernetes, and scalable CI/CD pipelines

Who This Book Is For:

  • AI engineers and backend developers working with LLMs and LangChain

  • Security-conscious teams needing private and auditable AI workflows

  • DevOps and MLOps professionals deploying containerized AI systems

  • Researchers and tech leads building autonomous agent systems

  • Anyone interested in real-world agentic AI with local deployment capabilities

Unlike cloud-reliant AI books or overly academic texts, Agentic AI Systems delivers actionable blueprints for building and deploying real systems on local infrastructure. You'll explore hands-on code, architecture diagrams, and reusable patterns that scale from laptops to clusters. No fluff-just proven strategies and reproducible workflows grounded in current LLM capabilities.

Roberto Pizzlo is an AI infrastructure engineer and systems architect specializing in agentic orchestration and secure LLM deployments. Known for translating cutting-edge AI concepts into practical engineering, he brings a wealth of expertise in LangChain, LangGraph, RAG architectures, and edge AI systems. His experience bridges research, enterprise, and open-source ecosystems-making this book an essential guide for professionals navigating the fast-evolving world of autonomous AI.

This guide reflects 2025 technologies and best practices, including the latest versions of LangChain, Ollama (v0.2.16+), CUDA 12.9, and RAG toolchains. It ensures your understanding remains relevant in a rapidly changing AI landscap

商品描述(中文翻譯)

**代理式 AI 系統：使用 LangChain、MCP、RAG 和 Ollama 建立多代理工作流程**
*(本地 LLM 編排、檢索增強生成和自主代理的實用指南)*

解鎖 **本地 LLM**、**代理式 AI 架構** 和 **多代理編排** 的力量，這本針對開發者、AI 工程師和系統架構師設計的實用指南，幫助您在雲端之外構建智能應用。在數據隱私、自主工作流程和成本效益部署至關重要的時代，本書提供了一個使用 **LangChain**、**模型上下文協議 (MCP)**、**檢索增強生成 (RAG)** 和 **Ollama** 的生產就緒藍圖。

無論您是在設計 **AI 副駕駛**、部署 **自主代理**，還是開發安全的本地 AI 系統，本指南都能幫助您自信地從概念走向執行。

您將學到的內容：
- 設置完整的代理式 AI 堆疊，使用 **LangChain、LangGraph、MCP 和 Ollama**
- 使用 **Ollama** 完全控制運行 **私有 LLM**，如 Llama 3 和 Mixtral
- 使用 **LoRA/QLoRA** 針對特定領域應用微調模型
- 使用 LangGraph 和基於圖的協調設計和編排 **多代理系統**
- 使用 FAISS 和 Chroma 構建穩健的 **檢索增強生成管道**
- 使用 **MCP** 實現安全的消息傳遞和流媒體
- 處理身份驗證、可觀察性和合規性 (GDPR、HIPAA、SOC 2)
- 使用 **Docker、Kubernetes** 和可擴展的 CI/CD 管道部署代理

本書適合的對象：
- 與 **LLMs 和 LangChain** 一起工作的 AI 工程師和後端開發者
- 需要 **私有和可審計 AI 工作流程** 的安全意識團隊
- 部署 **容器化 AI 系統** 的 DevOps 和 MLOps 專業人士
- 構建 **自主代理系統** 的研究人員和技術負責人
- 對具有本地部署能力的 **現實世界代理式 AI** 感興趣的任何人

與依賴雲端的 AI 書籍或過於學術的文本不同，*代理式 AI 系統* 提供了可行的藍圖，用於 **在本地基礎設施上構建和部署真實系統**。您將探索 **實用代碼**、架構圖和可重用的模式，這些模式可以從筆記本電腦擴展到集群。沒有冗詞，只提供基於當前 LLM 能力的經驗策略和可重複的工作流程。

**Roberto Pizzlo** 是一位 AI 基礎設施工程師和系統架構師，專注於代理式編排和安全的 LLM 部署。他以將尖端 AI 概念轉化為實用工程而聞名，擁有在 LangChain、LangGraph、RAG 架構和邊緣 AI 系統方面的豐富專業知識。他的經驗橫跨研究、企業和開源生態系統，使本書成為專業人士在快速發展的自主 AI 世界中導航的必備指南。

本指南反映了 **2025 年的技術和最佳實踐**，包括最新版本的 **LangChain**、**Ollama (v0.2.16+)**、**CUDA 12.9** 和 **RAG 工具鏈**。它確保您的理解在快速變化的 AI 環境中保持相關性。

類似商品

最後瀏覽商品 (5)