一、核心思想

AI Agent 是一个能感知环境、做决策、执行动作的软件系统，核心公式为：

Agent = LLM + Planning（规划） + Memory（记忆） + Tools（工具）

它与普通聊天机器人的本质区别是：Agent 不只是“说”，而是在动态环境中持续观察、判断、执行，直到任务完成。

二、AI Agent 的演进阶段

分水岭：2023年中之前，AI基本只能“说”；之后开始逐渐能“做”。

三、Agent、传统编程、Workflow 的区别

关键判断：执行路径能提前确定就用 Workflow，不能确定再用 Agent。

四、Agent 核心组件详解

1. Planning（推理与规划）

• 用 LLM 分析任务状态、拆解目标、决定下一步。
• 常用技术：Chain-of-Thought (CoT)，让模型逐步推理。

2. Memory（记忆）

3. Tools（工具）

• 让 LLM 能操作外部世界（查数据、调API、读文件、执行代码）。
• 关键闭环：工具执行后返回结果 → Agent 放入上下文 → 进入下一轮推理（Observation）。

4. Agent Loop（核心运行机制）

每一轮循环做三件事：

1. LLM 推理：决定下一步（调用工具还是直接回复）。
2. 执行工具：调用并捕获返回结果。
3. 写回上下文：将观察结果追加到上下文，继续下一轮。

• 安全兜底：设置最大迭代轮次（一般10-20轮）或 Token 阈值，防止死循环。

五、Tools 注册与调用标准

1. 数据格式：Function Calling Schema（OpenAI Schema）

• 用 JSON Schema 描述工具的名称、用途、参数类型和必填字段。
• 关键在 description：要把使用场景和禁用场景讲清楚，直接影响模型是否调用及参数填充。
• 示例（慢SQL查询工具）：

{
  "type": "function",
  "function": {
    "name": "query_slow_sql",
    "description": "查指定微服务的慢SQL。服务响应慢时用。如果是网络问题，别调这个。",
    "parameters": {
      "type": "object",
      "properties": {
        "service_name": {"type": "string", "description": "服务名"},
        "time_range": {"type": "string", "description": "时间范围 HH:MM-HH:MM"}
      },
      "required": ["service_name", "time_range"]
    }
  }
}