Chapter 2: Core Concept of Agent

Posted Aug 23, 2026

By Guanlong Ma

12 min read

2.1 什么是 AI Agent

Agent（智能体）是一个能够感知环境，并根据所感知到的信息采取行动，从而影响环境、实现某种目标的实体。

这个定义来自 AI 领域非常经典的“智能体”观点。2023 年一篇大型 LLM-Agent 综述仍然把 AI Agent 概括为能够感知环境（sense）、做出决策（make decisions）、采取行动（take actions）的人工实体[arXiv]。

可以它压缩成三个关键词：Agent = 环境感知器 + 决策器 + 行动执行器。

在机器人领域中，感知器一般是摄像头，探测仪等；决策器是内置的处理程序；执行器则是机器臂等。而在 AI Agent 中，“感知器”通常是各种输入接口和工具返回的信息；“决策器”通常由 LLM 及其规划、状态和策略机制构成；“执行器”则通常是 Agent 可以调用的工具、API 或函数。。不管是机器人的实体 Agent还是现在AI的虚拟Agent，实现方式可以不同，但“感知 → 决策 → 行动”这个基本结构不变。

组成部分	机器人中的例子	AI Agent 中的例子	作用
感知器	摄像头、雷达、传感器	用户输入、网页、文件、数据库、API 返回结果	获取环境信息
决策器	控制程序、规划算法	大语言模型（LLM）及相关规划逻辑	分析信息并决定下一步行动
执行器	机械臂、电机、轮子	Tools、Function Calling、API 调用、代码执行	执行行动并影响环境

flowchart TB

    subgraph A["物理世界中的 Agent"]
        direction LR
        P["🌍 物理世界<br/>现实环境"] 
        R["🤖 Agent<br/>决策器"]

        P -->|"摄像头 / 雷达 / 传感器<br/>感知环境"| R
        R -->|"机械臂 / 电机 / 轮子<br/>执行行动"| P
    end

    subgraph B["虚拟世界中的 AI Agent"]
        direction LR
        V["💻 虚拟世界<br/>网页 / 文件 / 数据库 / API"]
        AI["🧠 AI Agent<br/>LLM 决策器"]

        V -->|"读取信息 / Tool Result<br/>感知环境"| AI
        AI -->|"Tool Calling / API / 代码执行<br/>执行行动"| V
    end

    A ~~~ B

2.2 Chatbot、Workflow 与 Agent 的区别

Workflow 与Agent

一句话：Workflow 是“按照预先规定好的步骤执行”，Agent 是“给定目标后，自主决定下一步做什么”。

对比	Workflow	Agent
核心特点	流程预先定义	根据目标动态决策
执行路径	基本固定	可以动态变化
下一步由谁决定	开发者预先写好	Agent 根据当前状态决定
适合场景	稳定、重复、规则明确的任务	开放、复杂、路径不确定的任务
例子	收到订单 → 校验 → 扣款 → 发货	“帮我找到最合适的供应商并比较方案”

Chatbot与Agent

一句话：Chatbot 主要是在“说”，Agent 主要是在“做”。

对比	Chatbot	Agent
主要目的	与用户对话、回答问题	完成一个目标或任务
主要输出	文本回答	行动 + 结果
是否必须操作外部环境	不需要	通常会
是否持续决策	通常一问一答	经常进行多轮决策
是否使用工具	可以使用，但不是必要条件	Tools 通常是核心能力
例子	“解释一下什么是机器学习”	“分析这份数据并生成报告”

2.3 Agent 的基本循环(Agent 的智能机制)

目标
→ Planning 理解任务，制定计划
→ Action 选择行动，调用工具
→ Evaluator 获取结果，评估结果，继续决策或结束任务

1. Planning

Planning 负责决定一个复杂目标应该如何完成。

简单任务可能只需要一次推理。

复杂任务通常需要多个步骤。

Task Decomposition：Planning 的第一个重要能力是：任务拆解。即把一个复杂目标拆成多个可以执行的子任务。

Replanning：现实任务通常不会完全按照最初计划执行。因此 Agent 不只是 Planning，还需要：Replanning（重新规划）

静态计划与动态计划：

静态计划：先制定完整计划，按照计划逐步执行

动态计划：执行一步，观察结果，决定下一步，继续执行

现代 Agent 通常更强调动态规划。

2. Action

3. Evaluator

Evaluator 用来判断 Agent 做得是否正确，以及任务是否应该继续。

它可以检查：是否完成目标、答案是否正确、工具调用是否正确、是否遗漏关键步骤、执行路径是否合理、是否需要重新执行、是否应该停止。因此 Evaluator 可以理解为 Agent 的：质量检查机制。

Evaluator 不一定是一个独立模块。它可以由不同机制实现。

例如：

规则检查：有固定的检查程序

LLM Judge：让另一个模型检查结果：

Self-Evaluation：由 Agent 自己检查：

Human Evaluation：人工确认

2.4 Agent 的核心组件

一个现代 AI Agent 并不只是一个大语言模型，而是由多个模块共同组成的智能系统。从工程角度，可以将一个较完整的 Agent 抽象为：

**Agent = Model + Tools + Memory + Environment **这些组件分别负责思考、约束、行动、记忆、规划、交互和评估。

1. Model

Model 是 Agent 的核心推理与决策引擎。在现代 LLM Agent 中，Model 通常指大语言模型，例如 GPT、Claude、Gemini、Llama 等。

模型主要负责：理解用户输入、理解当前任务目标、分析环境信息、进行推理和判断、决定下一步行动、选择是否调用工具、生成最终结果。因此可以将 Model 理解为 Agent 的大脑。

2. Tools

Tools 是 Agent 与外部世界交互的重要手段。

大语言模型本身通常只能处理输入并生成输出。如果 Agent 想获取最新信息、执行计算或修改外部系统，就需要使用 Tools。

常见 Tools 包括：

Function Tools：由开发者直接定义的函数或 API 接口，例如搜索、查询数据库、计算、发送邮件、执行代码等；模型根据工具的名称、描述和参数决定何时调用。
Skill：面向某类任务封装的一组能力、规则和操作流程，通常会组合多个 Tools，并规定如何使用这些工具完成一个较完整的任务。
MCP（Model Context Protocol）：一种标准化协议，用来让 Agent 连接外部数据源、工具和服务，使不同模型或 Agent 可以用统一方式发现和调用外部能力。

因此可以理解为：Model 负责决定“做什么”，Tools 负责真正“去做”。

3. Memory

Memory 负责保存 Agent 在执行任务过程中需要持续使用的信息。

如果没有 Memory，Agent 每次执行都可能像“第一次见到用户”。

Memory 可以让 Agent 记住：用户偏好、历史对话、当前任务状态、已经完成的步骤、已经获得的信息、历史经验

短期记忆：Short-Term Memory 通常保存当前任务所需要的信息。生命周期通常只持续当前任务或当前会话。

长期记忆：Long-Term Memory 用来保存跨任务的信息。这些信息以后仍然可能被使用。

Memory 的基本流程：Memory 通常涉及三个操作：Write写入记忆，Read读取记忆，Update更新记忆。因此 Memory 并不是简单地“保存聊天记录”，而是一套信息管理机制。

4. Environment

Environment 是 Agent 所处并与之交互的外部世界。

Environment 可以是现实世界，也可以是数字世界。

对于 AI Agent：

Environment=浏览器、文件系统、数据库、操作系统、企业软件、互联网、API

Environment State

环境并不是静态的。Agent 需要观察环境这些变化，并据此调整决策。

因此 Agent 的基本循环可以表示为：

Observe Environment
        ↓
Make Decision
        ↓
Take Action
        ↓
Environment Changes
        ↓
Observe Again

Agent 核心组件之间的关系

可以把整个 Agent 系统理解为：

Agent , Basics