第3章：开发环境搭建项目实战 / 《使用 LangGraph, FastAPI, MCP and Docker 构建通用 AI 智能体》
第3章：开发环境搭建&项目实战 / 《使用 LangGraph, FastAPI, MCP and Docker 构建通用 AI 智能体》
文章目录
- 第3章：开发环境搭建&项目实战 / 《使用 LangGraph, FastAPI, MCP and Docker 构建通用 AI 智能体》
- 第3章：开发环境搭建
- 3.1 Python开发环境配置
- Python版本选择：3.10+特性与兼容性
- Python 3.10+的新特性
- 版本兼容性考虑
- 推荐配置
- 开发工具：VS Code/PyCharm配置、插件推荐
- VS Code配置
- PyCharm配置
- 通用开发工具配置
- 虚拟环境：venv、conda、poetry对比
- venv（Python标准虚拟环境）
- conda（Anaconda虚拟环境）
- poetry（现代Python包管理）
- 对比总结
- 推荐方案
- 依赖管理：requirements.txt、pyproject.toml
- requirements.txt
- pyproject.toml
- 依赖管理最佳实践
- 多环境依赖管理
- 小结
- 3.2 虚拟环境与依赖管理
- 虚拟环境最佳实践：隔离开发、测试、生产环境
- 环境隔离的重要性
- 多环境策略
- 虚拟环境创建脚本
- 环境切换工具
- 依赖版本管理：锁定版本、更新策略、冲突解决
- 版本锁定策略
- 更新策略
- 冲突解决策略
- 包管理工具：pip、pipenv、poetry详细使用
- pip（Python包安装器）
- pipenv（Python开发工作流工具）
- poetry（现代Python包管理）
- 私有包管理：私有PyPI服务器配置
- 使用pypiserver搭建私有仓库
- 使用devpi搭建企业级仓库
- 使用Nexus Repository Manager
- 私有包管理最佳实践
- 小结
- 3.3 开发工具链选择
- 代码质量工具：black、isort、flake8、mypy
- black：代码格式化工具
- isort：导入排序工具
- flake8：代码风格检查工具
- mypy：静态类型检查工具
- 集成代码质量工具
- 测试工具：pytest、coverage、tox
- pytest：Python测试框架
- coverage：测试覆盖率工具
- tox：多环境测试工具
- 文档工具：Sphinx、MkDocs、Jupyter Notebook
- Sphinx：专业文档生成工具
- MkDocs：现代文档工具
- Using poetry
- From Source
- docs/api/agent.md
- Agent API
- 调试工具：pdb、ipdb、debugpy、LangSmith
- pdb：Python调试器
- ipdb：增强的IPython调试器
- debugpy：VS Code调试器
- LangSmith：LangChain调试和监控平台
- 小结
- 3.4 测试环境配置
- 测试金字塔：单元测试、集成测试、端到端测试
- 测试金字塔概念
- 智能体系统测试策略
- 测试数据管理：fixture、factory、mock数据
- pytest fixture
- 测试数据工厂
- Mock数据管理
- 异步测试配置：asyncio、pytest-asyncio
- asyncio测试基础
- pytest-asyncio配置
- 异步测试最佳实践
- 测试环境容器化：Docker Compose测试环境
- 测试环境Docker配置
- 测试环境管理脚本
- CI/CD集成测试环境
- 小结
第3章：开发环境搭建
一个良好的开发环境是高效开发的基础。本章将详细介绍如何搭建智能体系统的开发环境，包括Python环境配置、虚拟环境管理、开发工具链选择以及测试环境配置。我们将从零开始，逐步构建一个完整、高效、可维护的开发环境。
3.1 Python开发环境配置
Python是智能体系统的主要开发语言，正确配置Python环境是开发的第一步。本节将介绍Python版本选择、开发工具配置以及环境优化技巧。
Python版本选择：3.10+特性与兼容性
Python 3.10+的新特性
Python 3.10引入了许多重要特性，这些特性对于智能体开发特别有用：
结构化模式匹配（Structural Pattern Matching）：
# Python 3.10+ 模式匹配defhandle_agent_response(response)