Agent 定义与核心架构

在知识图谱中的位置：模块一 · 01_基础概念 · 第 1 节 难度：⭐⭐⭐ | 前置知识：无

---

1. 概述

AI Agent（智能体）是一种能感知环境、自主决策并执行行动的 AI 系统。它不只是回答问题的聊天机器人，而是能理解指令后自主拆解任务、规划步骤、调用工具、完成目标的「数字员工」。

本质区别：

• LLM（大语言模型）：你说什么 → 它回答什么（思考者）
• Agent（智能体）：你说目标 → 它主动完成（行动者）

---

2. 核心概念

2.1 Agent 的四模块架构（2026 年标准）

┌─────────────────────────────────────────────────────┐
│                    AI Agent                           │
│                                                       │
│  ┌─────────┐    ┌─────────┐    ┌─────────┐         │
│  │  大脑    │───→│  规划    │───→│  记忆    │         │
│  │ (LLM)   │    │ (计划)  │    │ (存储)  │         │
│  └─────────┘    └─────────┘    └─────────┘         │
│       ↓              ↓              ↓                │
│  ┌─────────────────────────────────────────────┐    │
│  │              行动 (Action / Tool Use)          │    │
│  └─────────────────────────────────────────────┘    │
│       ↓                                              │
│  ┌─────────────────────────────────────────────┐    │
│  │           环境 (Environment / API)             │    │
│  └─────────────────────────────────────────────┘    │
└─────────────────────────────────────────────────────┘

模块	功能	2026 年关键技术
大脑 (LLM)	意图理解、推理决策	GPT-4o, Claude Opus, 模型路由
规划 (Planning)	任务拆解、动态调整	ReAct, ToT, Agent-X
记忆 (Memory)	跨会话连贯性、个性化	向量DB, MAGMA 多图架构
行动 (Action)	工具调用、API 执行	Function Calling, MCP

2.2 Agent 的核心能力

1. 自主性 — 不依赖人工干预，自主推进任务
2. 工具使用 — 通过 API/脚本/浏览器执行外部操作
3. 规划能力 — 将复杂目标拆解为可执行步骤
4. 记忆管理 — 短期对话 + 长期知识库 + 个性化记忆
5. 反思改进 — 对输出自我评估并迭代
6. 多Agent协作 — 与多个 Agent 协同完成复杂任务

---

3. 技术原理

3.1 Agent 执行循环（标准流程）

循环详解：

1. 接收目标 → 用户输入任务目标
2. 大脑理解 → LLM 理解意图，拆解任务
3. 规划路径 → 生成执行计划（步骤列表）
4. 行动执行 → 调用工具/API 执行每一步
5. 获取结果 → 收集执行反馈
6. 反思迭代 → 评估结果，决定继续或修正
7. 完成输出 → 返回最终结果给用户

3.2 Agent vs LLM 的本质区别

维度	LLM（大语言模型）	Agent（智能体）
交互模式	一问一答	多步自主执行
工具使用	❌	✅ Function Calling / MCP
记忆管理	仅上下文窗口	短期 + 长期 + 知识库
自主性	被动响应	主动规划和执行
复杂性	单轮推理	多轮迭代 + 反思
可靠性	幻觉概率高	通过反思+验证降低

3.3 Agent 的四个发展阶段

阶段	能力	代表
L1 聊天型	上下文理解 + 简单工具调用	ChatGPT (Plugins)
L2 工作流型	固定流程执行 + 多步调用	AutoGPT, LangChain
L3 自主型	自主规划 + 反思 + 记忆	CrewAI, OpenAI Agents
L4 进化型	自我改进 + 端到端训练	前沿研究

---

4. 实践指南

4.1 最简 Agent（Function Calling）

from openai import OpenAI

client = OpenAI()

def get_weather(location: str, unit: str = "celsius"):
    """获取指定城市的天气信息"""
    return f"{location}: 25°C ({unit})"

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "获取指定城市的天气",
        "parameters": {
            "type": "object",
            "properties": {
                "location": {"type": "string"},
                "unit": {"type": "string", "enum": ["celsius", "fahrenheit"]}
            },
            "required": ["location"]
        }
    }
}]

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "北京今天天气怎么样？"}],
    tools=tools
)

# LLM 返回 tool_calls，你调用对应函数后把结果返回给 LLM

4.2 最佳实践

• 永远设置低 temperature（0.0-0.3），保证决策稳定
• 工具描述要精确 — LLM 依赖描述决定调用哪个工具
• 工具输入验证 — 不要信任 LLM 生成的参数，始终做校验
• 设置超时和重试 — 防止死循环和无限等待

4.3 常见陷阱

• 幻觉工具调用 → LLM 编造不存在的参数
  • 解法：工具描述要具体，加上 validation
• token 爆炸 → 多步调用导致上下文过大
  • 解法：记忆压缩 + 定期清理
• 循环执行 → Agent 无法判断何时停止
  • 解法：最大迭代次数 + 结果校验

---

5. 方案对比

| 方案 | 优势 | 劣势 | 适用场景 | |------|------|------|--|-| | OpenAI Function Calling | 最成熟，文档完善 | 仅限 OpenAI 模型 | 通用开发 | | Anthropic Tool Use | 超长上下文，推理强 | 生态较小 | 长文档处理 | | 自研工具协议 | 完全可控 | 开发成本高 | 企业定制 | | MCP 协议 | 标准化连接 | 较新，成熟度待验证 | 未来统一标准 |

---

6. 工具链

工具	用途	链接
OpenAI Function Calling API	模型端工具调用	openai.com
MCP Server SDK	MCP 服务端实现	modelcontextprotocol.io
LangChain Tool	内置工具链	python.langchain.com
Browserbase	浏览器自动化	browserbase.com

---

7. 参考资料

• ReAct: Synergizing Reasoning and Acting
• The Landscape of Emerging AI Agent Architectures
• A Survey on LLM-Based Agents
• OpenAI Agents SDK

---

8. 学习路径

1. Level 1 — 理解四模块架构，写一个 Function Calling Agent
2. Level 2 — 理解 Agent 执行循环，实现多步工具链
3. Level 3 — 理解 Agent-X 按需规划模式
4. Level 4 — 实现记忆压缩和反思机制
5. Level 5 — 阅读 LangChain/LangGraph 源码