Agent概念详解

Agent（智能体）是人工智能领域最核心、最具活力的概念之一——它代表了 AI 从"被动回答问题"到"主动执行任务"的根本性飞跃。本教程将从概念本质、核心架构、类型分类和典型工作模式等角度，系统讲解 AI Agent 的完整知识体系。

前置教程

如想快速开始学习本教程，你可能需要先完成以下前置教程：

• ToolCalling工具调用技术分析与应用教程，Tool Calling 是 Agent 与外部世界交互的基本能力，理解工具调用机制是理解 Agent 行动能力的前提。
• MCP概念详解与应用完整教程，MCP 为 Agent 提供了标准化的工具接入协议，Agent 通过 MCP 连接各类外部服务。
• Harness概念详解与应用教程，Harness 是 Agent 运行的底层执行环境，Agent 运行在 Harness 之上，依赖其提供的调度、上下文和工具管理能力。
• Prompt概念详解及应用教程，Agent 的"人格"和"行为规则"本质上是精心设计的提示词，理解 Prompt 有助于理解 Agent 的行为设计。

1. 什么是 Agent

1.1 概念起源与定义

Agent（智能体，也称"代理"）一词在 AI 领域有着深厚的历史渊源。早在 1986 年，AI 学者 Marvin Minsky 就在《The Society of Mind》中提出了"智能体"的雏形思想——他认为智能行为是由许多"微小智能体"协作产生的。

发展到今天，AI Agent 的标准定义是：

Agent 是一个能够感知环境、进行推理规划、并采取行动以实现特定目标的自主系统。

拆解这个定义，Agent 包含三个核心要素：

LLM 是"大脑"（能思考），Agent 是"完整的人"（能思考 + 能行动）。

1.2 Agent 的核心特征

一个成熟的 AI Agent 通常具备以下五个核心特征：

1.3 AI Agent 的发展历程

关键转折：2022-2023 年大语言模型（LLM）的爆发式发展，让 Agent 第一次拥有了真正意义上的"通用推理能力"。此前的 Agent 只能在特定领域内按预设规则运行，而 LLM 赋能的 Agent 能够理解自然语言、进行开放式的推理和规划。

2. Agent 的核心架构

现代 AI Agent 的架构可以抽象为五个核心模块，它们协同工作形成完整的"感知-思考-行动"循环。

2.1 架构总览

2.2 各模块详解

感知层（Perception）

感知层是 Agent 的"感官"，负责接收和理解来自外部环境的信息：

记忆层（Memory）

记忆层是 Agent 的"持久化大脑"，决定了 Agent 能否在长时间跨度内保持连贯性：

关键点：短期记忆决定了 Agent 能否理解当前任务的来龙去脉；长期记忆决定了 Agent 能否从经验中学习并不断进化。

推理与规划层（Reasoning & Planning）

推理层是 Agent 的"大脑"，也是最核心的部分。当 LLM 作为 Agent 的推理引擎时，它执行以下关键任务：

任务拆解（Task Decomposition）：将复杂目标拆解为可执行的子任务

原始任务："分析这个项目的代码质量并生成报告"

→ 子任务 1：扫描项目目录结构
→ 子任务 2：读取关键源文件
→ 子任务 3：运行代码质量检查工具
→ 子任务 4：汇总分析结果
→ 子任务 5：生成 Markdown 格式报告

推理策略：Agent 使用的几种典型推理模式

示例：ReAct 推理循环

用户：查询今天北京天气并提醒我带伞吗？

思考：用户想知道北京天气，还需要根据天气给出是否带伞的建议。
      我需要调用天气查询工具。

行动：调用 get_weather(city="北京")

观察：{"temperature": 28, "condition": "多云", "humidity": 65%}

思考：天气是多云，没有降雨，不需要带伞。直接回复用户。

回答：今天北京多云，气温 28°C，不需要带伞。

行动层（Action）

行动层是 Agent 的"手脚"，负责将推理结果转化为实际的外部操作：

Agent 的行动范围取决于它所能访问的工具集——工具越多，Agent 能做的事情就越多。

反馈层（Feedback Loop）

反馈层是 Agent 的"学习机制"，使其能从结果中获取反馈并改进：

执行行动 → 观察结果 → 评估是否符合预期
    → 是：任务完成，输出结果
    → 否：分析原因，修正计划，重新执行

反馈来源可以分为：

3. Agent 的类型与分类

Agent 可以从多个维度进行分类，理解不同类型有助于选择合适的设计方案。

3.1 按能力复杂度分类

3.2 按应用场景分类

3.3 按架构模式分类

4. Agent 与相关概念的关系

Agent 并非孤立的概念，它与 AI 技术栈中的其他概念紧密关联。

4.1 概念定位图谱

4.2 Agent 与 LLM 的关系

没有 LLM，Agent 失去推理能力；没有 Agent，LLM 只能"说"不能"做"。

4.3 Agent 与 Tool Calling 的关系

Tool Calling 是 Agent 最重要的基础能力——没有工具调用，Agent 将无法与外部世界交互，只能停留在"对话"层面。

4.4 Agent 与 Harness 的关系

Harness 是 Agent 的运行环境，这在前置教程中已有详细讲解。简单来说：

Agent 运行在 Harness 之上
    ↓
Harness 为 Agent 提供：
    ├── 工具管理器（Tool Manager）—— 让 Agent 能调用工具
    ├── 上下文管理器（Context Manager）—— 维护 Agent 的记忆
    ├── 权限管理器（Permission Manager）—— 控制 Agent 的行为边界
    ├── MCP 客户端（MCP Client）—— 连接外部 MCP 服务器
    └── 生命周期管理器（Lifecycle Manager）—— 创建、运行、销毁 Agent

4.5 Agent 与 Workflow 的关系

在实际应用中，Agent 和 Workflow 通常是互补的——Workflow 定义稳定的骨架流程，Agent 在其中负责灵活的判断和决策部分。

5. Agent 的典型工作模式

5.1 单 Agent 工作模式

最简单的模式，一个 Agent 独立完成全部任务：

适用场景：任务范围清晰、不需要多人协作的场景，如代码审查、文档生成、数据分析。

5.2 多 Agent 协作模式

多个 Agent 各司其职，通过消息传递协作完成复杂任务：

工作流程示例（以"生成技术报告"为例）：

1. 用户向协调 Agent 下达指令
2. 协调 Agent 拆解任务：
   - 研究 Agent → 搜集相关资料
   - 写作 Agent → 撰写报告初稿
   - 审查 Agent → 检查报告质量
3. 研究 Agent 将资料传给写作 Agent
4. 写作 Agent 产出初稿后传给审查 Agent
5. 审查 Agent 发现问题，返回给写作 Agent修改
6. 审查通过后，提交给协调 Agent
7. 协调 Agent 汇总结果，回复用户

适用场景：复杂的大型任务，需要多领域专业知识配合，如研究报告撰写、大型软件开发。

5.3 Agent + Workflow 混合模式

将 Agent 嵌入到预定义的工作流中，兼具 Workflow 的确定性和 Agent 的灵活性：

适用场景：业务流程固定的场景，但每个环节需要 AI 的灵活判断能力，如客服工单处理、自动化审批流程。

6. 总结

6.1 核心内容回顾

• Agent（智能体） 是能够感知环境、进行推理规划、并采取行动以实现特定目标的自主系统，核心要素为"感知-推理-行动"。
• Agent 的五大核心特征：自主性、反应性、主动性、社交能力、目标导向。
• Agent 的核心架构分为五层：感知层、记忆层、推理与规划层、行动层、反馈层。
• LLM 是 Agent 的"大脑"，Tool Calling 是 Agent 的"手脚"，Harness 是 Agent 的"身体"。
• Agent 的工作模式分为 单 Agent、多 Agent 协作、Agent + Workflow 混合 三种，适用不同复杂度场景。
• AI Agent 经历了从符号主义到 LLM 驱动的跨越式发展，当前正进入协议化和标准化阶段。

6.2 常见问题与解答

问：Agent 和 Chatbot（聊天机器人）有什么区别？

Chatbot 的核心是"对话"——理解用户问题并回复；Agent 的核心是"执行"——理解目标并采取行动去完成它。Agent 可以做 chatbot 能做的事情，但 chatbot 不一定具备 Agent 的行动能力。

问：一个 Agent 可以同时使用多个工具吗？

可以。现代 LLM Agent 支持并行工具调用，一次推理可以同时调用多个不相互依赖的工具，然后综合所有结果进行下一步推理。

问：Agent 的"记忆"是永久的吗？

这取决于记忆层的实现。短期记忆通常是会话级别的（由 LLM 的上下文窗口决定），会话结束后清空。长期记忆可以通过向量数据库持久化，跨会话保留重要的知识和经验。

问：多 Agent 协作和 Workflow 有什么区别？

多 Agent 协作中的 Agent 之间是"对话"关系——它们主动交流、协商、传递结果；Workflow 是"编排"关系——由 Workflow 引擎统一调度，各节点被动执行。前者更灵活，后者更可控。