llm-agents-from-scratch

不靠框架，手写代码从零搭出能调工具的 LLM Agent

这是一个从零实现 LLM Agent 与多智能体系统的教学型开源项目，使用 Python 编写。它不依赖 LangChain、AutoGen 等重型框架，而是带学习者一步步手写 Agent 的核心循环：提示词组织、工具调用、结果回填、多轮决策，并进一步扩展到多智能体协作。项目覆盖 MCP（模型上下文协议）、Skills（技能封装）和 A2A（Agent 间通信）等当前主流协议与概念，帮助开发者理解这些抽象背后的真实机制，而不是只会调 API。适合想搞清 Agent 底层原理、准备自己造轮子或做技术选型的人，通过可运行的代码示例把黑盒拆开，建立从单 Agent 到多 Agent 系统的完整认知。

开源 unknown 学习教育

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 185

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类学习教育

开发团队nerdai

所属国家

官网地址https://masfromscratch.com

GitHubhttps://github.com/nerdai/llm-agents-from-scratch

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型

GitHub 星标★ 185

30天Star增速

HF 下载量

上线时间2025-06-14 00:00:00

最近更新2026-09-17 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-16

浏览次数1

使用教程

核心亮点

不依赖 LangChain/AutoGen 等框架，核心循环全部手写，能看清 Agent 每一步决策逻辑
覆盖 MCP、Skills、A2A 等前沿协议，紧跟当前 Agent 生态的标准与概念
Python 实现、按主题分步推进，适合边读代码边动手改，学习路径清晰

不足之处

项目处于早期，星标仅 186，示例与文档的完整度、维护频率有待观察
偏教学演示，缺少生产级的错误处理、并发与可观测性方案

适用场景

想理解 Agent 工具调用与多轮决策底层原理的开发者自学
技术团队做 Agent 框架选型前，先跑通最小实现建立认知
教学或内部分享中，用作从零讲解 MCP、A2A 的代码素材

替代项目

LangChain、AutoGen、OpenHands

项目介绍

llm-agents-from-scratch 是一个学习教育领域的开源项目，官方简介：Build LLM agents and multi-agent systems from scratch, with MCP, Skills, and A2A。项目使用 Python 开发，在 GitHub 上获得 186 星标。

上一篇：llm-master

下一篇：llms-from-scratch-rs