1.什么是 AI Agent？

Agent是一个以LLM为核心的自主完成任务的智能系统，通常具备环境感知、推理决策、制定计划、工具调用及执行反馈等能力，直到完成某个目标或者触发终止条件停止。一个完整的Agent通常包含四个核心组件：规划、工具调用、记忆、执行反馈。

2.LLM 和 Agent 的区别是什么？

LLM通常是预测下一个token的语言概率模型，擅长语言理解、内容生成和推理，通常不具备工具调用的能力，也就意味着不知道训练时间截止之后的实时事实，知识更新总是滞后，回答问题的内容基于训练的语料，具体的表现是根据输入的上下文生成回答，是一次性的问答输出。

Agent是一个以LLM为核心的自主智能系统，它具备环境感知、制定计划、推理决策、调用工具以及执行反馈等能力。在规划层，由LLM负责理解目标，进行推理并生成候选决策；在工具层，可调用工具获取外部环境和实时信息；在记忆层，可以记录当前环境状态、任务进度，结合执行反馈自主决策是否进行下一轮推理及工具调用，直到完成某个任务或触发终止条件。是具备自主完成任务能力的闭环系统。

可以认为LLM是大脑，而Agent是给大脑增加了记忆、眼睛和手，赋予了其感知和行动能力。

3.Agent 的核心组成有哪些？

Agent 是一套让模型具备自主完成任务能力的闭环系统，通常包括四个核心组件：
（1）Planning（规划）：根据目标拆解任务，并决定下一步行动。
（2）Tool Use（工具调用）：通过 Function Calling、MCP 等机制调用工具，与外部环境进行交互，获取信息。
（3）Memory（记忆）：包括短期记忆和长期记忆。短期记忆保存短期任务状态、当前会话信息，长期记忆保存历史信息和知识，使 Agent 能在多轮任务中保持连续性。
（4）Reflection（反馈与修正）：根据执行结果评估当前策略，并调整后续行动。

在工程实现上，还需要 Runtime 层，包括 LLM、Prompt、Tool Registry、Orchestrator、Executor、State Management，以及安全、监控、评估等基础设施。