multimodal-agents-course

收录理由

这是一门免费开源的课程，不是单一工具，它带你从零搭建一个完整的多模态AI智能体，而不是简单地把现成的MCP服务器接到桌面应用上。整个技术栈都由你自己动手构建：用Pixeltable做视频处理流水线，用FastMCP写MCP服务器，用Groq驱动一个自带MCP客户端的智能体，再用Opik做可观测性和提示词版本管理。五个模块把文字讲解和可运行代码搭配起来，每个模块还有短视频总结，学完你就能得到一个能理解图像、视频、音频和文本的Kubrick智能体。课程面向想超越玩具示例、了解生产级智能体系统如何真正组装起来的机器学习、软件和数据工程师，涵盖API层和LLMOps实践。由于课程免费，模型提供商也有免费额度，跟着做成本很低，对正在评估如何构建类似系统的团队来说，是一条很实际的路径。