Appearance
第零章 · AI Agent 技术全景图谱
目标：建立 AI Agent 全景视角，理解其演进、分支、架构、选型。 覆盖范围：80%+ 关键技术 | 更新时间：2026-05-12
0.1 AI Agent 技术演进时间线
2016 2020 2022 2023 2024 2025-2026
| | | | | |
对话系统 任务型 Agent ChatGPT 催化 Agent 框架爆发期 多Agent/MCP 时代 AI Agent 元年
（ELIZA） 简单规则引擎 大模型能力觉醒 LangChain/CrewAI 端到端 Agent Agent 自主进化
↕ ↕ ↕ ↕ ↕
Rasa/Dialogflow → Watson → GPT-3.5 触发 → 200+ 框架 → OpenAI Agents SDK → LLM-as-Agent
搜索增强 → ChatGPT plugin AutoGPT/BabyAGI MCP 协议标准化 模型即 Agent
LangChain v0.1 CrewAI/Multi-Agent GPT-4o Function Call 自进化 Agent各阶段详解
| 阶段 | 时间 | 核心特征 | 代表技术/项目 | |------|------|----------|--|----| | 对话系统期 | 2016-2019 | 规则驱动 + 有限状态机 | Rasa, Dialogflow, Watson | | 搜索增强期 | 2020-2021 | RAG 雏形 + 检索增强 | RetrievalQA, LangChain v0.1 | | Agent 萌芽期 | 2022-2023 | ChatGPT + GPT-4 触发 | GPT-3.5 触发, ChatGPT Plugins | | 框架爆发期 | 2023-2024 | LangChain/CrewAI/AutoGPT | 200+ 框架, AutoGPT, BabyAGI | | 多Agent协作 | 2024-2025 | MCP 协议, 多代理编排 | MCP, OpenAI Agents SDK, CrewAI | | 自主 Agent | 2025+ | LLM-as-Agent, 端到端 | GPT-4o FC, Claude Opus, 自进化 |
0.2 AI Agent 技术分支知识图谱
0.3 技术选型指南
按场景选择
| 场景 | 推荐方案 | 备选 | 理由 | |------|------|------|--|-| | 快速原型 | OpenAI Agents SDK | LangChain | 最小代码, 官方支持 | | 复杂工作流 | LangGraph | CrewAI | 有向图编排, 状态管理 | | 多Agent协作 | CrewAI / AutoGen | MetaGPT | 角色分工, 团队协作 | | 企业级生产 | 自研 + MCP | DSPy | 可控性强, 安全对齐 | | 检索增强 | LlamaIndex | LangChain | 检索优先架构 | | Agent 编排 | OpenAI Agents SDK | LangGraph | Agent 编排标准化 |
按 LLM 模型选择
| 模型 | Agent 优势 | 推荐场景 |
|---|---|---|
| GPT-4o | Function Calling 最成熟 | 通用Agent, 多模态 |
| Claude Opus | 超长上下文, 推理强 | 复杂推理, 长文档处理 |
| Claude Sonnet | 成本效益比好 | 生产环境主力 |
| Gemini 2.0 | 多模态原生 | 图文混合任务 |
| DeepSeek/R1 | 开源, 推理能力 | 自部署, 成本敏感 |
0.4 核心术语表
| 术语 | 英文 | 定义 |
|---|---|---|
| Agent | Agent | 能感知环境、自主决策并执行行动的 AI 系统 |
| Function Calling | 函数调用 | LLM 返回结构化参数以调用外部函数 |
| ReAct | ReAct | Reasoning + Acting 交替推理与执行模式 |
| Tool Use | 工具使用 | Agent 通过 API/代码/脚本执行任务 |
| Memory | 记忆 | Agent 的状态管理（短期/长期/工作记忆） |
| Planning | 规划 | 将复杂任务拆解为可执行步骤 |
| Multi-Agent | 多智能体 | 多个 Agent 协作完成任务 |
| MCP | Model Context Protocol | Anthropic 提出的 Agent 与工具连接协议 |
| Reflection | 反思 | Agent 对自己的输出进行自我评估和改进 |
| Agent-as-a-Service | Agent 即服务 | Agent 以 API 形式提供服务 |
| HITL | Human-in-the-Loop | 人在回路：人工干预 Agent 决策 |
| AGI | Artificial General Intelligence | 通用人工智能 |
0.5 行业生态
主流厂商/组织
| 组织 | 定位 | 代表产品 |
|---|---|---|
| OpenAI | Agent SDK + GPT | Agents SDK, GPT-4o |
| Anthropic | MCP + Claude | MCP 协议, Claude |
| LangChain | Agent 框架 | LangChain, LangGraph |
| LlamaIndex | 检索优先 | LlamaIndex |
| Agent 生态 | Gemini + Vertex AI | |
| Meta | 开源 | Llama + Pydantic AI |
| Microsoft | 企业Agent | AutoGen, Copilot Studio |
| Databricks | Agent 数据 | Agent Builder |
社区资源
- LangChain 官方文档
- OpenAI Agents SDK
- MCP 官方规范
- awesome-ai-agents (GitHub)
- HuggingFace Agent Harness Survey
- 2025 AI Agent 行业研究报告 - 甲子光年
0.6 四大核心设计模式
2025-2026 年生产级 Agent 系统的四大核心技术：
| 模式 | 核心能力 | 关键技术 |
|---|---|---|
| 反思 (Reflection) | 自我评估 + 迭代改进 | Reflexion, Self-RAG, 自我批评 |
| 工具 (Tool Use) | 感知 + 执行外部动作 | Function Calling, MCP, API 集成 |
| 规划 (Planning) | 任务拆解 + 动态调整 | ReAct, ToT, Agent-X 按需规划 |
| 多代理 (Multi-Agent) | 角色分工 + 协同决策 | Swarm, CrewAI, AutoGen, MCP |
📅 最后更新：2026-05-12