AI Agent 的基本架构由哪些核心组件构成？

一、先给结论：Agent 不是单纯会调工具的 LLM

面试里可以先这样说：我理解它更像一个“能自己推进任务的小系统”。LLM 负责理解和决策，外面配上规划、记忆、工具和控制循环，形成一个“看一下现状、想下一步、去执行、再看结果”的闭环。

二、再拆核心组件

规划解决“我下一步该干什么”。比如用户说“帮我调研一个竞品”，Agent 不能只回答一段话，而要拆成搜索资料、整理功能、比较价格、输出报告几步。ReAct、Plan-and-Execute、Reflection 这些方法，本质都是在让模型少一点瞎跑，多一点可控的步骤。
记忆负责不断片。短期记忆就是当前上下文里的对话和中间结果；长期记忆一般会放到向量库或数据库里，存用户偏好、历史结论、业务知识。没有记忆，Agent 做长任务很容易前面刚查过、后面就忘了。
工具是它真正“动手”的部分，比如搜索网页、查数据库、跑代码、调用公司内部 API。没有工具，LLM 只能说；有了工具，它才能拿到新信息，甚至改变外部状态。

三、最后强调生产约束

控制循环很容易被忽略，但生产里最重要。它决定每轮怎么观察、怎么调用模型、什么时候调工具、失败怎么重试、什么时候停下来、哪些动作必须人工确认。
如果面试官让我总结，可以说：Agent 的核心不是某一个组件，而是这些组件能不能稳定地串成闭环。 能规划、能记住、能用工具、还能被约束住，才算一个靠谱的 Agent。