一、核心一句话
AI Agent = 能够理解任务、规划步骤，并通过调用工具完成工作的 AI 系统。
它不仅仅是聊天，而是能够：
- 理解目标
- 制定计划
- 调用工具
- 根据结果继续决策
- 直到任务完成
简单说：
AI Agent = 会思考 + 会行动 的 AI。
二、整套系统的人体类比
用人体结构来理解整个 Agent 系统：
text组件 人体 作用 -------------- ---------- -------------- LLM 大模型 大脑 思考与决策 Tool Calling 神经信号 发出行动指令 Agent 框架 身体 协调与调度 工具 / API 手脚 执行动作 Skill 技能 已掌握能力 Memory 记忆 存储经验 MCP 协议 接口标准 统一工具连接
整个系统就像：
一个拥有大脑、身体、技能、工具和记忆的 AI 员工。
三、核心组件详解
1. LLM 大模型 = 大脑
LLM（Large Language Model）是 Agent 的核心决策者。
主要负责：
- 理解用户问题
- 推理和思考
- 制定任务计划
- 决定下一步行动
- 生成语言回复
但需要注意一个关键事实：
LLM 本身不会直接执行外部操作。
例如它不会直接：
- 访问互联网
- 查询数据库
- 运行代码
- 调用 API
这些实际操作需要通过 工具（Tools）或运行时系统 来完成。
因此：
LLM 负责 决定做什么
Tools 负责 真正执行操作
2. Tool Calling = 神经信号
当 LLM 决定需要执行某个操作时，它会生成一个 工具调用指令（Tool Call）。
通常是结构化数据，例如：
json{ "tool": "get_weather", "arguments": { "city": "Singapore" } }
这个指令的含义是：
请调用
get_weather工具查询 Singapore 的天气。
重要理解：
- Tool Call 只是 行动指令
- 它本身不会执行
- 需要 Agent Runtime 解析并执行
"方言"类比
Tool Calling 可以理解为 不同模型之间的"方言"。
不同模型厂商表达"调用工具"这件事的 数据格式可能不同，
但它们想表达的 实际意思是一样的。
例如：
text模型 调用方式 --------------- ------------------ OpenAI Function Calling Anthropic Tool Use Google Gemini Tool Schema
虽然表达方式不同，但本质都是：
请调用某个工具，并传入参数。
就像不同地区的人说话方式不同，但表达的是同一个意思。
因此 Agent 框架通常需要做 格式适配。
3. Agent 框架 = 身体
Agent 框架（Agent Runtime）负责连接 LLM 与工具。
它主要承担几个职责：
解析工具调用
当模型返回：
{ tool: search, query: "AI Agent" }
框架会解析这个指令。
调度工具执行
找到对应工具并执行，例如：
search("AI Agent")
返回执行结果
工具执行结果会返回给 LLM，模型继续思考下一步。
控制 Agent 循环
典型循环模式：
Thought → Action → Observation
即：
- 思考下一步
- 调用工具执行
- 观察执行结果
循环直到任务完成。
管理状态与记忆
包括：
- 对话上下文
- 中间结果
- 任务状态
常见 Agent 框架：
- LangChain
- CrewAI
- AutoGPT
- OpenAI Agents SDK
4. 工具 / API / 程序 = 手脚
工具（Tools）是真正执行动作的组件。
只有工具能够：
- 访问互联网
- 查询数据库
- 执行代码
- 调用第三方服务
- 操作文件
例如：
- 搜索工具
- 天气 API
- 数据库查询
- Python 计算
- 浏览器自动化
核心原则：
只有工具能够真正改变外部世界。
5. Skill = AI 的能力模块
Skill 可以理解为：
一种封装好的可复用能力模块。
例如：
- 数据分析
- 天气查询
- 文档总结
- 写代码
一个 Skill 通常包含：
- Prompt（思考方式）
- Tools（需要调用的工具）
- Workflow（任务步骤）
- Code（程序逻辑）
例如：
天气查询 Skill 可能包含流程：
- 提取城市
- 调用天气 API
- 分析天气
- 给出建议
需要注意：
Skill 不是一个统一标准概念。
不同框架中的实现形式不同，例如：
text框架 对应概念 ----------------- -------------- LangChain Chain / Tool CrewAI Task Semantic Kernel Skill OpenAI Agents Tool
因此这里的 Skill 更像是一种 抽象能力概念。
6. Memory = 记忆系统
为了完成复杂任务，Agent 需要记忆能力。
常见记忆类型：
Working Memory
当前推理循环中的状态，例如：
- 当前步骤
- 中间结果
Short-term Memory
当前对话上下文，例如：
- 用户提问
- 历史对话
Long-term Memory
长期存储的信息，例如：
- 用户偏好
- 历史任务
Vector Memory
通过向量数据库实现知识检索，用于：
- 文档检索
- 知识库
通常与 RAG（Retrieval Augmented Generation） 结合使用。
7. MCP 协议 = 标准化接口
MCP（Model Context Protocol）是一套 标准化协议，用于让 AI 模型以统一方式访问外部能力。
它不仅仅用于工具调用，还定义了三类能力：
text类型 含义 ----------- ---------------- Tools 可执行操作 Resources 可读取资源 Prompts 可复用提示模板
MCP 的目标是：
让不同模型、框架和工具之间能够 标准化连接。
可以理解为：
- AI 世界的 USB 接口
- 模型访问外部能力的 统一标准
四、完整工作流程
mermaidgraph TD A[用户提出任务] --> B[LLM 理解任务] B --> C{是否需要工具} C -->|否| D[直接生成回答] C -->|是| E[生成 Tool Call] E --> F[Agent Runtime 解析] F --> G[调用工具] G --> H[返回结果] H --> I[LLM 再次思考] I --> J{任务完成?} J -->|否| E J -->|是| K[生成最终答案]
五、终极总结
text组件 比喻 作用 -------------- ---------- ---------------- LLM 大脑 推理和决策 Tool Calling 神经信号 发出行动指令 Agent 框架 身体 调度执行 Tools 手脚 执行实际操作 Skill 技能 可复用能力模块 Memory 记忆 存储经验 MCP USB接口 标准化访问能力
六、最终理解
可以把 AI Agent 想象成：
一个拥有技能、工具和记忆的 AI 员工。
你只需要给它一个目标：
完成这个任务。
它会自己：
理解任务 → 制定计划 → 调用工具 → 不断尝试 → 直到完成任务