AI Agent 开发基础知识总结

范德蒙蒙

41人浏览 · 2026-07-13 00:04:53

范德蒙蒙 · 2026-07-13 00:04:53 发布

随着 AI Coding 的发展，现代 AI 开发工具（如 OpenCode、Claude Code、Cursor、Codex 等）已经不再是简单的“聊天机器人”，而更像是一支能够自主工作的软件开发团队。

理解下面八个概念，是学习 AI Agent 的第一步。

一、Agent —— AI 员工

什么是 Agent？

Agent（智能体）是整个系统的核心。

它不仅能够回答问题，还能够理解目标、制定计划、调用工具、执行任务，并根据执行结果继续调整自己的行为，直到完成整个任务。

例如：

用户说：帮我开发一个用户个人中心页面。

普通聊天机器人可能只会输出一段代码。

而 Agent 会：

1. 阅读项目结构
2. 分析已有代码
3. 创建新页面
4. 修改路由
5. 编写代码
6. 运行测试
7. 修复错误
8. 完成整个任务

因此 Agent = 一个能够自主完成工作的 AI 员工。

Agent 的组成

一个完整的 Agent 通常包含：

- 大语言模型（LLM）
- Planning（任务规划）
- Memory（记忆）
- Tool（工具）
- Rules（规则）
- Skill（技能）

其中：

- LLM 负责思考。
- Planning 负责制定执行计划。
- Memory 保存历史信息。
- Tool 真正执行动作。
- Rules 规定行为。
- Skill 提供专业经验。

一句话总结

Agent 是整个 AI 系统的大脑，也是整个工作流程的执行者。

二、Rules —— AI 的工作守则

什么是 Rules？

Rules（规则）就是 AI 在整个项目中必须长期遵守的规定。

例如：

- 所有代码必须使用 TypeScript
- Commit 必须符合 Conventional Commits
- 不允许修改 tests 目录
- 回复必须使用中文
- 所有函数必须添加注释

这些规则并不会告诉 AI 如何完成任务，而是告诉 AI什么事情可以做，什么事情不能做。Rules 更像公司的制度，而不是员工的技能。

Rules 的特点

Rules 通常具有以下特点：

- 全局生效
- 长期存在
- 每次执行任务都会读取
- 保证整个项目保持一致的开发规范

一句话总结

Rules 决定 AI 应该遵守什么规则。

三、Skill —— AI 的经验包

什么是 Skill？

Skill（技能）可以理解为：

AI 提前学习好的某一类专业知识。它不是工具。也不是规则。而是一整套完成某项工作的经验。

例如：

Git Skill：

- 如何提交 Commit
- 如何解决冲突
- 如何进行 Rebase
- Commit Message 应该如何编写

Spring Boot Skill：

- Controller 怎么写
- Service 怎么设计
- Mapper 放在哪里
- 项目开发规范

Vue Skill：

- 页面放在哪个目录
- 如何创建组件
- 如何组织路由

Skill 更像一本开发手册。

为什么需要 Skill？

如果没有 Skill，每次都需要在 Prompt 中重新告诉 AI：

- Spring Boot 如何开发
- Vue 如何组织代码
- Git 如何提交

不仅浪费 Token，而且上下文越来越长。

Skill 的作用就是把这些知识提前保存，需要的时候再读取。这也是 Anthropic 提出的 Progressive Disclosure（渐进式披露）思想。即不是一开始加载所有知识，而是在真正需要的时候再加载对应的 Skill。

一句话总结

Skill 决定 AI 应该如何完成某一类工作。

四、Tool —— AI 的双手

什么是 Tool？

Tool（工具）是真正帮助 AI 执行动作的能力。AI 本身只能生成文本。

它不能直接：

- 打开文件
- 修改代码
- 执行命令
- 操作 Git
- 浏览网页

因此需要 Tool。

例如：

读取文件：

read_file

修改文件：

edit_file

运行命令：

bash

执行 Git：

git status

git commit

git push

所以：

Tool 才是真正执行工作的部分。

Agent 与 Tool 的关系

Agent：

负责思考。

Tool：

负责执行。

整个过程如下：

用户提出任务

↓

Agent 思考

↓

Agent 调用 Tool

↓

Tool 执行动作

↓

返回结果

↓

Agent 继续决策

一句话总结

Tool 是 AI 执行动作的能力。

五、MCP —— AI 获取新能力的方式

什么是 MCP？

MCP（Model Context Protocol）是一套统一协议。

它的作用不是完成工作，而是：

帮助 AI 接入更多外部工具。

例如：

安装 GitHub MCP Server 后，

AI 就可以：

- 查看仓库
- 创建 Issue
- 创建 Pull Request
- 查询 Commit

安装 Database MCP 后，

AI 就可以访问数据库。

安装 Notion MCP 后，

AI 就可以读取 Notion 文档。

因此MCP 更像一种标准接口。

MCP 与 Tool 的关系

很多人容易混淆。

实际上MCP 并不是 Tool。

MCP 是：

提供 Tool 的方式。

例如：

GitHub MCP Server提供：

- create_issue
- search_repo
- create_pull_request

这些才是真正的 Tool。

一句话总结

MCP 为 AI 提供新的 Tool。

六、Hooks —— 自动化工作流

什么是 Hooks？

Hooks（钩子）表示：

当某件事情发生时，

自动执行另一件事情。

例如：

修改完代码

↓

自动运行测试

保存文件

↓

自动格式化代码

提交 Git

↓

自动执行 ESLint

这些都是 Hook。

Hook 的特点

Hook 不负责思考。

也不是 Agent。

它只是：

监听事件。

当事件发生时，

自动执行预先配置好的动作。

因此Hook 更像自动化流水线。

一句话总结

Hooks 决定什么时候自动执行某些动作。

七、SubAgent —— 专业员工

什么是 SubAgent？

SubAgent（子代理）就是负责某一项专业工作的 Agent。

例如：

Frontend Agent：

专门开发前端。

Backend Agent：

专门开发后端。

Testing Agent：

专门运行测试。

Review Agent：

专门审查代码。

Documentation Agent：

专门编写文档。

每个 Agent 都拥有自己的上下文。

因此不会因为整个项目太大而导致 Context 爆炸。

为什么需要 SubAgent？

主要原因：

第一：

专业分工。

第二：

上下文隔离。

每个 Agent 只关注自己的任务。

一句话总结

SubAgent 是负责某一项专业工作的 AI 员工。

八、Main Agent —— 项目经理

什么是 Main Agent？

Main Agent（主代理）是整个系统的协调者。它通常不负责具体写代码。

它负责：

- 接收用户需求
- 拆分任务
- 分配给不同 SubAgent
- 汇总结果
- 判断任务是否完成

例如：

开发商城：

Main Agent：

↓

Frontend Agent

↓

Backend Agent

↓

Testing Agent

↓

Review Agent

↓

最终汇总结果

因此Main Agent 更像项目经理。

一句话总结

Main Agent 负责协调所有 SubAgent 完成整个任务。

九、八个概念之间的关系

整个 AI Agent 系统可以理解为下面这张结构图：

用户

↓

Main Agent（项目经理）

↓

Agent（执行任务）

↓

读取 Rules（遵守规则）

↓

加载 Skill（获取经验）

↓

调用 Tool（执行动作）

↓

Tool 由 MCP 提供扩展能力

↓

Hooks 在关键节点自动执行流程

↓

SubAgent 负责不同专业任务

整个流程可以理解为：

用户提出需求

↓

Main Agent 制定计划

↓

拆分给多个 SubAgent

↓

每个 SubAgent 根据 Rules 和 Skill 工作

↓

调用 Tool 完成具体操作

↓

Tool 通过 MCP 与外部系统交互

↓

Hooks 自动执行测试、格式化等流程

↓

最终由 Main Agent 汇总结果并交付用户。