一、Agent 是什么：核心概念与范式

1.1 定义

学术界（Lilian Weng 等）的经典定义：

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

一句话概括：Agent = 大模型 + 规划 + 记忆 + 工具 + 执行引擎（范式串联）。

普通 LLM 是“输入 → 输出”的单向管道；Agent 具备 “感知 → 决策 → 执行 → 反馈”的闭环，是一个能自我迭代的循环系统。

1.2 与 Chatbot / Copilot 的区别

类型	类比	特点	核心区别
Chatbot	只会“嘴炮”的顾问	给建议，活儿自己干	无执行力
Copilot	旁边帮敲代码的实习生	说一句做一步	半自主
Agent	能独立接单的员工	自主拆解、调工具、执行、反馈	自主性 + 执行力

1.3 演进时间线（关键节点）

2022.11 ChatGPT 发布            → 对话式 AI 兴起
2023.03 AutoGPT 爆火            → 第一次定义 "Agent 能力"
2023.06 Function Calling 出现    → AI 开始能 "调工具"
2024.03 Devin 发布              → 定义 Agent 产品形态
2024.11 Anthropic 推出 MCP 协议  → 标准化工具连接
2025.03 Manus 走向大众          → 通用 Agent 首次破圈
2025.10 LangGraph 1.0 / CrewAI 2.0 → 多 Agent 框架成熟
2026.01 Claude Cowork 发布       → 执行型 AI 走向开放生态
2026.05 MCP 成为行业标准（1万+ Server，9700万月下载）
2026.07 Agent 落地元年，企业级应用全面爆发

2026 爆发三拼图：① 模型能力到位（工具调用准确率 95%+）；② 协议标准统一（MCP）；③ 工程实践成熟（LangGraph、CrewAI 等）。

1.4 核心范式（决定 Agent “怎么思考”）

范式	核心循环	优势	劣势	适用场景
ReAct（Reason+Act，2022 DeepMind）	Thought → Action → Observation → … → Final Answer	灵活、可解释、可追踪、可自我纠正	多步 token 消耗大、延迟高	探索性、检索、动态决策
Plan-Act（规划-执行）	生成计划 → 逐步执行	LLM 调用少、效率高	计划难中途修改	步骤明确的任务
Plan-Execute-Replan	Plan → 执行一步 → 评估 → 重规划	能应对结果不确定	复杂度高	结果不确定的任务
Tree of Thoughts (ToT)	多分支搜索最优解	创造性、推理强	计算成本高	创造性/复杂推理
Reflexion（反思）	失败 → 反思 → 重试	持续自我改进	耗时较长	代码生成、复杂推理
多 Agent 协作	Manager 分配 + 多个专业 Agent 协作	分工清晰、协作高效	通信开销、一致性难	跨领域复杂任务

关键认知：Agent ≠ 更强的 LLM，而是“LLM + 工具 + 记忆 + 规划”的系统工程。面试/设计常考四模式：ReAct 边想边做、Plan-and-Solve 先想后做、ToT 多想几条路、Reflexion 做错想原因。

---

二、Agent 架构：四大核心模块

2.1 规划模块（Planning）—— 决定“做什么、先做什么”

• 目标解析：语义分析将自然语言指令转为结构化目标（如 JSON）。
• 任务分解：
  • 链式分解：部署博客网站 → 检查环境 → 装依赖 → 拉代码 → 构建 → 配 Nginx → 启动
  • 树状分解：需求分析 / 设计 / 实现 的多级子树。
• 执行监控：实时跟踪进度，处理异常（API 失败自动重试或切换备选工具）。
• 反思与自修正：Reflexion 将失败经验沉淀为长期记忆，下次自动规避。
• 规划策略演进：Zero-shot → Few-shot → Hierarchical → Adaptive（按反馈动态调整）。

2.2 记忆系统（Memory）—— 让 Agent 跨会话“越来越聪明”

三层架构（来源 3、6 一致）：

层级	别名	实现方式	存储内容	特点
工作记忆	Working Memory	LLM 上下文窗口（Context Window）	当前用户输入、本轮 thought/action/observation、检索到的相关信息	读取极快；有硬上限，溢出即淘汰/压缩；会话结束清空
短期记忆	Short-term	滑动窗口 + 摘要压缩；会话级历史存向量库	当前会话已完成操作序列	超窗口归档到长期或丢弃
长期记忆	Long-term	向量数据库 + RAG（ChromaDB 等）；可升级为 GraphRAG / 结构化记忆（Mem0、Zep、Graphiti）	用户偏好、项目知识、经验教训、操作记录	跨会话持久化

长期记忆内容分类（情景记忆 / 语义记忆 / 程序记忆）；演进路径：向量记忆 → 结构化记忆（MemGPT/Graphiti）→ 记忆即基础设施（Mem0 Cloud、Zep）。

记忆管理挑战：压缩、遗忘（该记/该丢）、更新（偏好变化）、检索精度。

2.3 工具系统（Tools）—— Agent 与外部世界交互的“手”

工具定义：通过 function calling 机制描述功能、参数、返回值（JSON Schema），LLM 据此判断何时调、传什么参。

工具调用五步链路（来源 3 关键结论）：

1. 意图判定：规划模块判断自身知识不足，需外部工具。
2. 结构化指令输出：LLM 只输出标准调用指令（工具名 + 参数），不直接执行。
3. 系统拦截解析：后台程序提取工具名/参数，做合法性校验。
4. 真实执行：后台启动工具（联网/读文件/调接口/运算）。
5. 结果回传闭环：结果送回 LLM 短期记忆，继续下一轮推理。

核心原则：LLM 只负责“想清楚调什么工具”，真正动手的是后端程序，模型永不直触外部系统。

工具分类：文件系统（read/write/edit/glob/grep）、网络（web_search/web_fetch）、Shell（bash/exec）、数据库（query/execute）、外部 API（github/jira/slack）、浏览器自动化（click/type/screenshot）。

工具编排模式：单步调用 / 链式调用（A→B→C）/ 并行调用（无依赖并发）/ 条件调用（失败降级）。

关键设计点：错误处理（失败信息回传 LLM 决定重试或换方案）、超时控制、权限管控（危险操作需确认）、并行调用。

协议选型：Function Calling vs MCP

维度	Function Calling	MCP（Model Context Protocol）
提出方	OpenAI/Claude/Gemini 各一套	Anthropic 2024.11，已成行业标准
耦合度	厂商原生、紧耦合	Client-Server 解耦、跨模型
上手	快	需多一层 Server 封装
价值	适合简单/单模型	一次实现，处处可用

MCP 三大能力：Tools / Resources / Prompts；传输方式：Stdio（本地） vs SSE（远程）。

2.4 执行引擎（Execution）—— 按范式串联各模块

最简主循环 SimpleAgent：感知（Perception）→ 决策（Decision, LLM）→ 执行（Execution）→ 反馈（Observation） 无限循环直至任务完成（ANSWER）。感知负责文本/文件/网络/多模态输入；决策负责理解目标、定计划、选工具、评结果；执行带日志返回结果。

---

三、从零创建 Agent 的步骤

3.1 单 Agent 构建（以 LangChain 为例）

1. 环境准备：Python 3.11+，安装 langchain、openai、python-dotenv、向量库等。
2. 定义工具集：用 @tool 装饰器或自定义类方法（search_web / read_file / write_file / execute_python / calculate 等）。
3. 决策/规划模块：选 ReAct（create_tool_calling_agent）或 Plan-and-Solve。
4. 组装主循环：UniversalAgent 类 —— 初始化 LLM、系统提示词、工具映射，run() 中迭代 Think → Tool → Observe 直至 Final Answer。
5. 加记忆：挂载 ShortTermMemory（滑动窗口 + 摘要）+ LongTermMemory（ChromaDB + RAG）成 AgentWithMemory。

核心代码片段（LangChain 工具调用 Agent）：

@tool
def calculate(expression: str) -> str:
    """计算数学表达式..."""
    tree = ast.parse(expression, mode='eval')
    return str(safe_eval(tree.body))

agent = create_tool_calling_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True, max_iterations=10)

3.2 多 Agent 协作构建

框架	核心写法	风格
CrewAI	定义 Role（researcher/analyst/writer）→ Task → Crew（seq/parallel）→ kickoff	角色扮演，易上手
AutoGen（微软）	UserProxy + AssistantAgent → GroupChat → Manager → initiate_chat	对话式，支持代码执行
LangGraph	TypedDict 状态 → 节点函数（planner/researcher/…）→ StateGraph 加边/条件路由 → compile → invoke	图编排，最灵活

LangGraph 状态与节点示例：

class AgentState(TypedDict):
    task: str; plan: str; research_result: str; analysis_result: str; report: str; current_step: str

def reviewer_node(state):
    if "PASS" in response.content: state["current_step"] = "done"
    else: state["current_step"] = "analyze"  # 打回重做

workflow.add_conditional_edges("reviewer", route_after_review, {"analyst":"analyst", END:END})

Multi-Agent 主流协作模式（来源 6）：分层协作（Manager + 执行者）/ 对等协作（平等协商）/ 流水线（A→B→C）/ 竞争择优（多方案择优）。

3.3 生产部署步骤

1. 安全沙箱：Docker 隔离（AgentSandbox 限内存/CPU、禁用网络），如：docker run --rm --memory 512m --cpus 0.5 --network none --read-only -v work_dir:/workspace:ro image python agent_code.py。
2. 权限控制：PermissionController 细粒度路径/域名白黑名单；最小权限原则。
3. 监控：AgentMonitor 记日志、指标、异常告警；使用 LangSmith / Langfuse 追踪执行链路。

---

四、主流框架选型对比

4.1 框架横向对比

框架	核心关注点	独特优势	典型场景	学习曲线
LangChain	基于 LLM 的应用开发	生态全、集成丰富、灵活	对话助手、任务执行、内容生成	中（陡）
LangGraph	有状态多角色 Agent 系统	状态机思维 + 分支/循环 + 强类型状态 + 可视化	复杂流程、多 Agent 协同、条件分支	高
CrewAI	基于角色的协作团队	模拟人类团队、动态任务分配	复杂项目管理、跨学科问题	中高
AutoGen（微软）	Multi-Agent 对话与任务	代码生成执行、人机协同、错误恢复	自动编码助手、协作式系统	中
LlamaIndex	RAG 与知识管理	检索专精、知识库完善	企业知识库问答、文档检索	平缓
AutoGPT	自动化 Agent 系统	自主规划执行、快速原型	简单自动化、验证想法	平缓
MetaGPT	SOP 编码的多 Agent	消息订阅/发布、角色专业化	软件工程流程模拟	中
Semantic Kernel	企业级 AI 集成	安全合规、对接现有代码库	企业智能助理、流程自动化	低
Dify	低代码 Agent 平台	可视化、开箱即用	快速搭建业务 Agent	低

4.2 选型速查

• 需要快速构建通用 AI 助手 → LangChain
• 开发自适应复杂系统 / 多 Agent 可控协作 → LangGraph
• 模拟人类团队协作 → CrewAI
• 企业级 AI 功能嵌入 → Semantic Kernel
• 构建高级对话/代码机器人 → AutoGen
• 主打 RAG / 知识库问答 → LlamaIndex
• 快速原型验证 → AutoGPT

框架选型核心原则：需求匹配、团队能力、社区支持、性能要求。“没有最好的框架，只有最合适的框架”，必要时混合使用（如 LangChain 负责 Agent + LlamaIndex 负责 RAG）。

---

五、工程化挑战与最佳实践

5.1 可靠性保障（生产最大障碍：Agent 不确定性）

• 确定性回退：关键步骤提供规则兜底（safe_execute 捕获异常转规则引擎）。
• 人机协同（Human-in-the-loop）：风险等级超阈值时引入人工确认。
• 执行追踪与可观测性：记录每个 Thought-Action-Observation 循环，建立成功率/平均步数/延迟指标。

5.2 成本控制（多轮调用易累积高成本）

策略	效果	实现
模型路由	降本 40-60%	简单任务用小模型，复杂任务用大模型
响应缓存	降本 20-30%	缓存常见查询响应
批量处理	降本 30-50%	合并多个小请求
早期终止	避免无效开销	设最大步数、超时时间

5.3 安全与对齐

• 工具滥用：ToolPolicy 权限校验（敏感工具限 admin）。
• 提示注入：用 Guardrails（ToxicLanguage / PromptInjection / PII）过滤输入。
• 数据泄露：数据脱敏、最小权限、审计日志溯源。
• 沙箱隔离：生产必套 Docker + 权限白名单 + 监控告警。

5.4 性能优化

• 模型量化（FP32→INT8，提速 3-5 倍，精度损失 <1%）、异步任务处理、高频查询缓存（命中率 90%+）。
• 记忆三层存储（热数据向量库 + 温数据对象存储 + 冷数据归档），90% 查询控制在 200ms 内。

5.5 评估方法论

• 三层评估：最终结果 / 中间步骤 / 效率成本（Anthropic 方法论）。
• LLM-as-Judge：用 JSON 打分，不只看结果看过程。

---

六、2026 趋势与后续开发路线建议

趋势

1. MCP 成为行业标准，工具生态“一次实现，处处可用”。
2. 多 Agent 协作网络：专家 Agent 网络、层级化架构、社会性行为模拟。
3. 记忆即基础设施：GraphRAG、Episodic Memory、Mem0/Zep 等托管记忆。
4. Agent 即服务（AaaS）、跨 Agent 通信协议、边缘 Agent、多模态 Agent。
5. 从 Demo 到生产：成功 Agent 不是追求完全自主，而是建立有效的人机协作。

给后续 agent 开发任务的建议路线

1. MVP 阶段：用 Function Calling + LangChain 快速验证想法。
2. 能力补全：加三层记忆（短+长+RAG）、选 ReAct 或 Plan-Execute-Replan 范式。
3. 规模化：复杂流程上 LangGraph，多角色任务上 CrewAI/AutoGen。
4. 生产化：接 MCP 解耦复用工具、套 Docker 沙箱、加权限白名单与监控、做成本与可靠性治理。

---

七、参考资源

• CSDN《2026 AI Agent 开发完全指南》https://blog.csdn.net/weixin_54908067/article/details/162665003
• 百度开发者中心《AI Agent 架构全解析》https://developer.baidu.com/article/detail.html?id=6748051
• CSDN《一文拆解 AI Agent 完整技术架构》https://blog.csdn.net/2601_96304670/article/details/161955341
• 知乎《AI Agent 常用框架对比》https://zhuanlan.zhihu.com/p/1942991087993062864
• 个人博客《LangChain、LlamaIndex、AutoGPT 怎么选》https://linn0813.github.io/2025-12-20-llm-agent-framework-comparison/index.html
• 掘金《从 Tool-Calling 到 Autonomous Agent》https://juejin.cn/post/7642229486806646835
• 架构详解博客 https://liusir521.github.io/p/ai-agent-架构详解范式记忆规划与工具系统/
• 官方文档：LangChain（python.langchain.com）、LlamaIndex（docs.llamaindex.ai）、AutoGPT（github.com/Significant-Gravitas/AutoGPT）、MCP（modelcontextprotocol.io）、LangChain 学习项目（github.com/wlddhj/learn_langchain）