理解 AI Agent 的关键，是先打破一个误解：
LLM 本身 不会真正“调用工具”。
LLM 只是 生成文本。 所谓 Agent 的“工具调用”，其实是 系统把文本解析成工具调用指令，然后执行工具，再把结果返回给 LLM。
所以 Agent 本质是：
LLM
+ Tools
+ Memory
+ Workflow
下面我们从原理到工程实现一步一步拆解。
一、Agent 的本质结构
一个最小的 Agent 系统包含 4 个组件：
用户
↓
LLM（思考）
↓
Tool（执行）
↓
Observation（结果）
↓
LLM（继续思考）
循环直到任务完成。
这个模式最早来自 ReAct 思想。
- ReAct: Synergizing Reasoning and Acting in Language Models
核心思想：
Reasoning + Acting
二、Agent 为什么能调用工具
LLM 实际做的是 生成一个“调用工具的描述”。
例如用户问：
北京现在天气怎么样？
系统提供一个工具：
get_weather(city)
LLM 生成的内容可能是：
{
"tool": "get_weather",
"arguments": {
"city": "北京"
}
}
系统解析 JSON：
调用工具
返回：
{
"temperature": "22C",
"weather": "sunny"
}
再给 LLM：
Observation: 北京天气22C 晴天
LLM 再生成：
北京现在天气晴朗，气温22度。
所以：
LLM 只是在生成工具调用的文本
系统在背后执行。
三、Agent 的循环（核心）
Agent 实际执行流程是一个 循环：
用户问题
↓
LLM 思考
↓
是否调用工具？
↓
调用工具
↓
得到结果
↓
继续思考
↓
输出最终答案
很多框架叫：
Agent Loop
四、Agent Prompt（关键）
Agent 能调用工具，核心是 Prompt 设计。
典型 Agent prompt：
You are an AI assistant.
You have access to the following tools:
1. search
2. calculator
3. weather_api
When you need information, call a tool.
Use this format:
Thought: ...
Action: tool_name
Action Input: ...
Observation: ...
LLM 就会学会输出：
Thought: 我需要天气信息
Action: weather_api
Action Input: 北京
这就是 Agent 的核心机制。
五、Function Calling（现代方式）
现在主流 LLM 都支持：
Function Calling
例如：
- ChatGPT
- Claude
- Qwen
可以直接定义工具：
{
"name": "get_weather",
"description": "Get weather info",
"parameters": {
"type": "object",
"properties": {
"city": {
"type": "string"
}
}
}
}
LLM 会自动返回：
tool_call
系统执行即可。
六、Agent 的三大能力
Agent 能工作的核心是三种能力：
1 Reasoning（推理）
LLM 规划步骤：
先查资料
再计算
最后总结
2 Tool Use（工具）
工具可以是：
API
数据库
搜索引擎
代码执行
例如：
Google search
SQL query
Python interpreter
3 Memory（记忆）
Agent 需要记住：
历史对话
工具结果
任务状态
例如：
Short-term memory
Long-term memory
七、Agent 架构
一个完整 Agent 系统通常包含：
User
↓
Agent Controller
↓
LLM
↓
Tool Router
↓
Tools
↓
Memory
组件：
1 Agent Controller 2 Tool Registry 3 Memory Store 4 LLM
八、Agent 的工具类型
常见工具：
搜索
web search
vector search
数据工具
SQL
API
知识库
执行工具
Python
Shell
Workflow
九、Agent 与 RAG 的关系
很多人分不清：
RAG vs Agent。
区别：
| RAG | Agent |
|---|---|
| 检索知识 | 执行任务 |
| 一次调用 | 多轮调用 |
| 简单架构 | 复杂系统 |
例如：
用户问：
公司年收入是多少？
RAG：
检索财报
用户问：
帮我分析公司财报
Agent：
查财报
计算数据
生成报告
十、Multi-Agent
复杂任务会使用：
多个 Agent
例如：
Research Agent
Coding Agent
Review Agent
代表框架：
- CrewAI
- AutoGPT
- LangGraph
十一、Agent 的最大问题
Agent 目前最大问题是：
不稳定
原因：
1 LLM 推理不确定
可能：
乱调用工具
2 规划能力有限
复杂任务容易：
迷失
3 成本高
多轮推理：
token 消耗大
十二、企业 Agent 的真实模式
大部分企业其实不用：
Auto Agent
而是：
Workflow Agent
结构：
LLM
+
固定流程
例如：
Step1 检索知识
Step2 生成答案
Step3 校验
稳定很多。
十三、Agent 的本质（最重要结论）
Agent 并不是：
LLM 自动完成所有事情
而是：
LLM
+
Tool
+
Workflow
+
Memory
也就是说：
Agent = AI 操作系统
下一步学习建议
如果你已经理解：
- LLM
- Embedding
- RAG
- Agent
下一步最关键的是：
AI 系统架构（AI Platform）
因为真正企业落地需要：
Prompt管理
Agent管理
模型路由
RAG服务
工具管理
这才是 AI 架构师真正要设计的系统。
