第 1 章：AI Agent 基础概念¶
在本章中，我们将理解 AI Agent 是什么、为什么重要，以及它的基本工作原理。
1.1 什么是 AI Agent？¶
传统 LLM 调用 vs Agent¶
传统 LLM 调用：
AI Agent：
Agent 的核心组成¶
一个完整的 Agent = LLM + 角色 + 工具集 + 记忆 + 决策逻辑
| 组件 | 作用 | 类比 |
|---|---|---|
| LLM（大脑） | 理解、推理、生成 | 人的大脑 |
| 角色（Persona） | 定义专业领域和行为模式 | 职业身份 |
| 工具集（Tools） | 调用外部能力（搜索、计算、数据库） | 双手和工具 |
| 记忆（Memory） | 短期对话历史 + 长期知识库 | 记忆系统 |
| 决策逻辑 | 决定下一步动作的规则 | 决策中枢 |
1.2 Agent 的运行循环¶
Agent 的核心是一个 while 循环，不断执行以下步骤：
def agent_loop(user_goal: str, tools: dict, max_steps: int = 10):
messages = [{"role": "system", "content": build_system_prompt(tools)}]
messages.append({"role": "user", "content": user_goal})
for step in range(max_steps):
# 1. 感知：调用 LLM 获取响应
response = call_llm(messages)
messages.append({"role": "assistant", "content": response})
# 2. 解析：检查是否需要调用工具
action = parse_action(response)
if action is None:
# 没有工具调用，返回最终答案
return response["content"]
# 3. 行动：执行工具调用
tool_result = execute_tool(action.name, action.parameters)
messages.append({
"role": "tool",
"tool_call_id": action.id,
"content": tool_result
})
# 4. 观察：LLM 根据工具结果继续思考
return "任务执行超时，请简化请求"
ReAct 模式：推理与行动的结合¶
ReAct = Reasoning + Acting
Thought: 我需要先查询天气，然后再计算旅行预算
Action: get_weather(city="北京")
Observation: 北京今天晴，25°C
Thought: 天气很好，我可以继续规划行程了...
Action: calculate_budget(days=3, location="北京")
...
Final Answer: 北京三日游预算约 5000 元
1.3 为什么需要 Agent？¶
单个 LLM 的局限性¶
| 问题 | 示例 |
|---|---|
| 知识时效性 | LLM 训练数据有截止日期 |
| 事实准确性 | 容易产生幻觉（Hallucination） |
| 复杂任务 | 需要多步推理和工具调用的任务 |
| 个性化 | 无法记住用户的偏好和历史 |
Agent 带来的价值¶
┌─────────────────────────────────────────────┐
│ 传统 LLM │
│ 问答 → 生成 → 结束 │
└─────────────────────────────────────────────┘
┌─────────────────────────────────────────────┐
│ AI Agent │
│ 理解目标 → 规划 → 执行 → 验证 → 调整 │
│ ↑ │
│ └── 循环优化直至成功 ───────────────────┘
└─────────────────────────────────────────────┘
1.4 多智能体系统 vs 单智能体¶
单 Agent 架构¶
优点： 简单、快速、成本低 缺点： 复杂任务难以胜任、容易偏离目标
多 Agent 架构¶
┌──────────────┐
│ Supervisor │
└──────┬───────┘
│
┌────────────────┼────────────────┐
│ │ │
┌─────▼─────┐ ┌─────▼─────┐ ┌─────▼─────┐
│ Research │ │ Writer │ │ Reviewer │
│ Agent │ │ Agent │ │ Agent │
└───────────┘ └───────────┘ └───────────┘
优点： 专业化分工、可并行、易于调试 缺点： 协调复杂度高、Token 消耗大
1.5 关键术语速查表¶
| 术语 | 定义 |
|---|---|
| Agent | 具备感知-决策-行动能力的 LLM 实体 |
| Tool Calling | Agent 调用外部工具的能力 |
| Function Calling | 通过函数调用接口与外部工具交互 |
| RAG | Retrieval-Augmented Generation，检索增强生成 |
| Orchestration | 控制多个 Agent 的执行顺序和数据流向 |
| Handoff | 一个 Agent 将控制权移交给另一个 Agent |
| MCP | Model Context Protocol，AI 工具标准化协议 |
| A2A | Agent-to-Agent Protocol，Agent 间通信协议 |
| Checkpointer | 保存 Agent 状态以实现断点续传 |
| HITL | Human-in-the-Loop，人在回路中的审核机制 |
1.6 本章小结¶
- Agent 不是简单的 LLM 调用，而是一个有感知-决策-行动循环的智能系统
- 核心组成：LLM + 角色 + 工具 + 记忆 + 决策
- ReAct 模式是 Agent 推理和行动的经典模式
- 多 Agent 系统适合复杂任务，但协调成本高
- 选型时要考虑任务复杂度、预算和团队技术栈