AI Agent

Agent学院

Agent 是 AI 的终极形态——不只是回答问题，而是能自主思考、规划和行动。这是 AI 最激动人心的方向。

什么是Agent？

Agent（智能体）是一个能自主完成任务的AI系统。你给它一个目标，它会自己思考需要做什么、怎么做，然后一步步执行。

用一个比喻：

  • 普通AI（ChatGPT） = 一个很聪明的客服：你问一句，它答一句
  • Agent = 一个私人助理：你说"帮我安排下周的出差"，它自己查机票、订酒店、写行程单、发给同事
💡 核心区别

普通AI是被动回答，Agent是主动行动。Agent 能使用工具、记住信息、制定计划、处理异常。

Agent vs 聊天机器人

维度聊天机器人Agent
交互模式你问我答给目标，自主执行
工具使用只能聊天搜索、写代码、调API、读写文件
记忆只有当前对话短期+长期记忆
规划无拆解任务、制定计划
错误处理报错给你看自己重试、换方案
多步任务每步都要你手动触发自动执行多个步骤
例子"翻译这段话""调研竞品X，写分析报告，发邮件给团队"

Agent 四大核心能力

📋
Planning
把大任务拆成小步骤，制定执行计划
🧠
Memory
短期记忆+长期记忆，记住一切
🔧
Tools
搜索、代码、API、文件、浏览器
🤔
Reasoning
根据信息做判断和决策

1. Planning（规划）

Agent 收到任务后，会先把大任务拆成小步骤。

任务："帮我写一个TODO应用的后端API"

Agent 的规划：
1. 设计数据库 schema（tasks表）
2. 创建 Express 项目
3. 实现 CRUD 接口（增删改查）
4. 添加输入验证
5. 写单元测试
6. 启动服务并测试

→ 然后按顺序一步步执行

常见的规划策略：

  • ReAct：思考→行动→观察→思考……循环
  • Plan-and-Execute：先制定完整计划，再逐步执行
  • Tree of Thoughts：同时探索多条路径，选最优解

2. Memory（记忆）

Agent 的记忆系统让它能记住之前发生的事情。

类型存储位置生命周期用途
短期记忆上下文窗口当前对话记住刚才说了什么
长期记忆向量数据库/文件永久记住用户偏好、历史知识
工作记忆变量/缓存当前任务记住任务中间结果

实现长期记忆的常见方式：

  • 向量数据库：把对话/知识 embedding 后存入 Pinecone、Milvus、Chroma 等
  • 文件存储：把重要信息写入文件或数据库
  • 摘要压缩：对话太长时，自动总结并存储

3. Tools（工具）

Agent 最强大的地方在于能使用工具。

工具类型例子用途
搜索Google、Bing获取实时信息
代码执行Python、Node.js运行代码、处理数据
文件操作读写文件创建文档、修改代码
API调用天气API、支付API获取外部服务
数据库MySQL、MongoDB存储和查询数据
浏览器Playwright、Puppeteer网页操作
通讯邮件、Slack、微信发送消息

4. Reasoning（推理）

Agent 能根据收集到的信息做出判断和决策：

  • 判断哪个搜索结果最相关
  • 判断代码是否有 bug
  • 判断下一步该做什么
  • 遇到错误时决定重试还是换方案

Workflow（工作流）

多个 Agent 可以协作完成复杂任务，这就是 Workflow。

顺序执行（Sequential）

🔍调研Agent
✍️写作Agent
✅审核Agent
🚀发布

并行执行（Parallel）

任务
🔍 Agent A（Google）🔍 Agent B（Bing）🔍 Agent C（DuckDuckGo）
合并结果

路由分发（Router）

         ┌→ 技术问题Agent
用户提问 ─┤→ 财务问题Agent
         └→ 通用问题Agent

例：
客服系统根据问题类型分配给不同Agent

MCP（Model Context Protocol）

MCP 是 Anthropic 提出的开放标准，让 AI Agent 能统一连接各种工具和数据源。

MCP 解决了什么问题？

没有 MCP 之前：

  • 每个 AI 要单独对接每个工具 = N×M 种集成
  • 工具开发者要为每个 AI 写适配代码

有了 MCP：

  • 工具开发者：按 MCP 标准写一次，所有 AI 都能用
  • AI 开发者：支持 MCP，就能用所有 MCP 工具

MCP 架构

┌─────────────┐     MCP协议     ┌─────────────┐
│  AI 应用     │ ←──────────────→ │  MCP Server  │
│  (Client)    │                 │  (工具提供方) │
└─────────────┘                 └─────────────┘
                                     ↕
                               ┌─────────────┐
                               │  外部服务     │
                               │ (GitHub/DB…) │
                               └─────────────┘

MCP Server 示例

  • 文件系统：读写本地文件
  • GitHub：创建PR、查看Issue
  • 数据库：查询 MySQL/PostgreSQL
  • Slack：发送消息
  • 浏览器：网页操作

Cursor、Claude Desktop 等工具已经原生支持 MCP。

开发框架

OpenAI Agent SDK

OpenAI 官方的 Agent 开发框架，简单易用。

from agents import Agent, Runner

agent = Agent(
    name="助手",
    instructions="你是一个有帮助的助手",
    tools=[search, calculator]
)

result = Runner.run_sync(agent, "今天北京天气怎么样？")
print(result.final_output)

特点：OpenAI 官方维护，API 简洁，支持工具调用和多 Agent 协作

适合：使用 OpenAI 模型的项目、快速原型开发

LangChain / LangGraph

最流行的 LLM 应用开发框架，生态最完善。

from langchain_openai import ChatOpenAI
from langgraph.prebuilt import create_react_agent

model = ChatOpenAI(model="gpt-4o")
agent = create_react_agent(model, tools=[search, calculator])

result = agent.invoke({
    "messages": [{"role": "user", "content": "今天北京天气怎么样？"}]
})

特点：生态最大、组件最全、社区活跃、支持多种模型

缺点：概念多、学习曲线陡、抽象层太厚

适合：需要复杂链式调用、多模型切换的项目

AutoGen（微软）

微软的多 Agent 对话框架，让多个 Agent 互相讨论解决问题。

from autogen import AssistantAgent, UserProxyAgent

assistant = AssistantAgent("assistant", llm_config=config)
user = UserProxyAgent("user", code_execution_config={"work_dir": "coding"})

user.initiate_chat(assistant, message="分析这份销售数据")

特点：多Agent对话、自动代码执行、适合研究场景

CrewAI

用团队协作的比喻来组织多 Agent。

from crewai import Agent, Task, Crew

researcher = Agent(role="研究员", goal="收集信息")
writer = Agent(role="写手", goal="撰写文章")
editor = Agent(role="编辑", goal="审核修改")

task1 = Task(description="调研AI趋势", agent=researcher)
task2 = Task(description="写文章", agent=writer)
task3 = Task(description="审核", agent=editor)

crew = Crew(agents=[researcher, writer, editor], tasks=[task1, task2, task3])
result = crew.kickoff()

特点：角色分工明确、代码简洁、直观易懂

适合：内容创作流程、多角色协作场景

低代码平台

Dify

Dify 是最流行的开源 LLM 应用开发平台。

  • 可视化编排：拖拽式构建 AI 工作流
  • RAG 集成：内置知识库管理
  • 多模型支持：OpenAI、Claude、DeepSeek 等
  • 一键部署：生成 API 或嵌入网页
  • 开源：可以自己部署

适合：不想写代码但想构建 AI 应用的人、企业快速搭建 AI 助手

Coze（扣子）

Coze 是字节跳动的 AI Bot 开发平台。

  • 零代码：完全可视化配置
  • 丰富的插件：搜索、天气、新闻等
  • 多平台发布：微信、飞书、网页等
  • 免费使用：基础功能免费

适合：个人用户、快速创建聊天机器人

n8n

n8n 是一个开源的工作流自动化平台，类似 Zapier 但可以自部署。

  • 400+ 集成：Gmail、Slack、GitHub、数据库等
  • AI 节点：内置 LLM 调用能力
  • 可视化编辑：拖拽式构建流程
  • 自部署：数据完全在自己手里

适合：自动化办公流程、数据管道、定时任务

实战案例

案例1：自动研究报告生成

目标：自动调研一个行业，生成研究报告

Workflow：
1. 搜索Agent：搜索行业最新新闻和报告（10篇）
2. 摘要Agent：每篇文章提取核心观点
3. 分析Agent：综合分析趋势和机会
4. 写作Agent：生成完整报告（3000字）
5. 审核Agent：检查事实和逻辑
6. 格式Agent：输出为 Markdown/PDF

预计耗时：3-5分钟
替代人工：原本需要1-2天

案例2：智能客服系统

目标：自动处理客服问题

架构：
Router Agent（路由）
├→ 订单Agent：查物流、退款、修改地址
├→ 技术Agent：解答产品使用问题
├→ 投诉Agent：处理投诉，必要时转人工
└→ 通用Agent：闲聊、引导

每个Agent都有：
- 知识库（RAG）
- 工具（查订单系统、发邮件）
- 记忆（记住用户历史）

案例3：自动化代码审查

目标：PR 提交后自动代码审查

触发：GitHub Webhook → 收到 PR

流程：
1. 读取Agent：获取 PR 的 diff
2. 分析Agent：检查代码质量、安全、性能
3. 测试Agent：运行相关测试
4. 评论Agent：在 PR 上留下审查意见

集成：GitHub API + MCP Server

常见问题

Q: Agent 和普通的 AI 聊天有什么区别？

聊天是你问一句它答一句。Agent 是你给一个目标，它自己规划、执行、调整，直到完成。

Q: 构建 Agent 需要什么技术基础？

低代码平台（Dify、Coze）不需要编程。用框架（LangChain、OpenAI SDK）需要 Python/JS 基础。从零构建需要了解 API 调用和系统设计。

Q: Agent 会不会失控？

好问题。Agent 确实有风险，所以需要：权限控制（限制它能用的工具）、人工审核（关键操作要人确认）、日志记录（所有行为可追溯）。

Q: 我应该用哪个框架？

  • 零代码 → Dify 或 Coze
  • Python 快速开发 → OpenAI Agent SDK 或 CrewAI
  • 复杂系统 → LangGraph
  • 自动化工作流 → n8n
← 上一节
Prompt学院
下一节 →
API学院

推荐阅读

🧠AI基础✍️Prompt学院🔌API学院