Building Agentic Systems with Python, LangGraph, MCP, and A2A [PyCon DE & PyData 2026]

摘要

介紹如何運用 Python、LangGraph、MCP 與 A2A 建構可擴展的代理系統，透過協調者代理分派任務給專責代理來自動化複雜業務流程。觀眾能學習如何設計鬆耦合架構並整合外部工具以實現資料獲取與驗證。

This talk demonstrates how to build scalable agentic systems using Python, LangGraph, MCP, and A2A to automate complex business processes.

這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。

提到的工具與公司

• Python
• LangGraph
• A2A
• FastAPI
• Nginx
• SQLite
• Redis

適合誰看

適合正在學習或實踐 AI 代理系統開發的程式設計師與工程師。

摘要依據

依據

標題與說明欄（還沒有取得字幕或內文）

為什麼排在這裡

人氣

0.45

新鮮

0.84

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Agentic AI – Complete Course for Beginners影片 ・ freeCodeCamp.org ・ 24 小時 16 分
• How to Build AI Agents in Python - 3 Ways影片 ・ Tech With Tim ・ 32 分鐘
• System Design for AI Agents – Building a Multi-Agent PR Reviewer影片 ・ freeCodeCamp.org ・ 3 小時 11 分
• Mohamed Rashad - Building a production-ready agentic harness from scratch and scaling it影片 ・ PyData
• Build Your Own Agentic Harness in Python - Full Tutorial影片 ・ Tech With Tim ・ 38 分鐘
• Everything Gets Rebuilt: The New AI Agent Stack | Harrison Chase, LangChainPodcast ・ The MAD Podcast ・ 47 分鐘