AI Agent 实战学习导览

LLM 能回答问题，但不能帮你完成一个完整的任务。

AI Agent = LLM + 自主规划 + 工具调用 + 记忆

打个比方：

• LLM 是一个聪明的顾问（给你建议）
• Agent 是一个能干的员工（帮你干活）

2026 年，AI Agent 已经成为最热门的开发方向。Claude Code、Cursor、Devin、Manus……这些都是 Agent 产品。它们之所以强大，不是因为模型本身多聪明，而是因为 Agent 架构让 LLM 具备了自主行动的能力。

传统应用 vs Agent 应用

传统应用是代码驱动的——程序员写好所有逻辑，用户按固定流程操作。Agent 应用是目标驱动的——你告诉 Agent「帮我做一件事」，它自己规划步骤、调用工具、完成目标。这是软件开发范式的根本性转变。

一个完整的 AI Agent 由感知、规划、记忆、工具执行四大核心组件构成，缺一不可：

1.1 感知模块（Perception）

Agent 需要理解用户意图和环境状态。这不仅仅是解析文本，还包括：

• 理解用户的真实需求（用户说"帮我查个东西"，到底要查什么？）
• 感知工具的能力边界（哪个工具能解决这个问题？）
• 读取环境上下文（当前在哪个页面？之前做了什么？）

1.2 规划模块（Planning）

将复杂目标拆解为可执行的步骤序列。规划分为两种策略：

• 单步规划：目标简单，直接生成行动计划
• 多步规划：目标复杂，需要递归分解（类似人类的"分而治之"思维）

1.3 记忆模块（Memory）

Agent 需要保持上下文，否则每次交互都是"失忆"状态。记忆分为三层：

• 短期记忆：当前对话上下文（对话历史）
• 长期记忆：跨会话的知识存储（用户偏好、历史记录）
• 工作记忆：当前任务的中间状态（做到哪一步了？）

1.4 工具执行模块（Tool Execution）

Agent 通过工具调用来改变外部世界。核心能力包括：

• Function Calling：LLM 输出结构化函数调用
• MCP 协议：Model Context Protocol，标准化的工具接入方式
• 代码执行：在沙箱中运行 Python/Node.js 代码

工具调用是 Agent 区别于普通 LLM 的最核心能力。学习路线如下：

第一阶段：Function Calling（基础）

Function Calling 是让 LLM 输出结构化 JSON 描述「我要调用哪个函数、传什么参数」。这是最基础的工具调用方式。

关键要点：

• 工具描述要精准：LLM 靠工具的名称和描述决定调用哪个
• 参数校验不能少：LLM 可能生成格式错误的参数，必须校验
• 错误处理要完善：工具调用失败时，LLM 需要知道如何重试或换方案

第二阶段：MCP 协议（进阶）

Model Context Protocol（模型上下文协议）是 Anthropic 提出的标准化工具接入协议。它解决了 Function Calling 的核心痛点：每个应用都要重新定义工具接口。

MCP 的核心优势：

• 统一接口：一次实现，多个 LLM 都能用
• 动态发现：Agent 能自动发现可用的工具列表
• 上下文传递：工具可以读取 Agent 的上下文信息

第三阶段：代码执行（高级）

让 Agent 在沙箱环境中执行代码，是最强大的工具调用形式。Claude Code、Devin 等产品都是基于这种方式。

关键挑战：

• 安全性：沙箱隔离，防止恶意代码
• 可观测性：实时监控代码执行状态
• 回滚能力：执行出错时能恢复

当单个 Agent 无法完成复杂任务时，就需要多 Agent 协作。这是 Agent 发展的下一个阶段。

为什么需要 Multi-Agent？

单个 Agent 的问题是：能力有限、上下文有限、容易迷失在复杂任务中。多个专业化 Agent 分工协作，可以解决更复杂的问题。

常见的 Multi-Agent 模式

模式 1：分工协作（最常用）

• 研究员 Agent → 搜索信息
• 写手 Agent → 生成内容
• 审核 Agent → 质量检查

模式 2：审查-修正

• 主 Agent 生成方案
• 审核 Agent 提出批评
• 主 Agent 根据批评修正

模式 3：辩论模式

• 两个 Agent 从不同角度分析问题
• 通过辩论找到最优方案

推荐学习路线

第 1 步：Agent 基础组件（2-3 天）
→ 理解感知、规划、记忆、工具调用四大组件

第 2 步：工具调用实战（2-3 天）
→ Function Calling、MCP 协议、外部工具集成

第 3 步：Multi-Agent 协作（2-3 天）
→ 多角色分工、通信协议、复杂任务编排

前置要求：已经学过 LLM 应用开发（会用 API）

实战项目建议

学完后可以动手做的 Agent 项目：

• 研究助手 Agent — 自动搜索网页、整理信息、生成报告
• 代码审查 Agent — 自动审查 PR、提建议、创建评论
• 数据分析 Agent — 接收 CSV，自动分析、生成图表和洞察
• 客服 Agent — 多轮对话、调用知识库、转人工

关键心态转变：从"让 AI 回答问题"到"让 AI 完成任务"。