跳转至

Agent（智能体）

Agent（智能体） 是具备以下能力的 AI 实体：

  • 理解目标 - 解读您的需求并分解为步骤
  • 使用工具 - 调用 MCP 服务器和系统工具完成任务
  • 迭代优化 - 通过多轮思考和行动改进答案
  • 维护上下文 - 在多轮对话中记住历史信息
  • 长期记忆 - 跨会话存储和检索重要信息

与简单的聊天模型不同，智能体能**自主执行动作**解决问题。

核心概念

Agent 循环

智能体遵循的执行模式：

graph LR
    A[接收任务] --> B[分析情况]
    B --> C{需要工具?}
    C -->|是| D[调用工具]
    D --> E[处理结果]
    E --> B
    C -->|否| F[返回答案]

每个周期中，智能体决定是直接回复还是使用工具收集更多信息。

配置项

每个智能体包含：

组件 用途
模型 驱动推理的大语言模型（必填）
系统指令 自定义行为和个性
工具 可用的 MCP 服务器 + 系统工具
最大动作数 迭代上限（1-200，默认：50）

工具访问

智能体通过工具获得能力：

  • MCP 服务器 - 服务 API，公司数据库连接，代码执行，网络搜索...
  • 系统工具 - 文件操作，subagent，记忆工具，系统运维...

何时使用 Agent

使用场景 示例
多步骤任务 "分析这个代码库并生成文档"
基于工具的工作流 "搜索网络并总结前 5 条结果"
交互式问题解决 "通过检查日志和代码调试这个错误"
自主执行 "监控数据并在异常时发出警报"

Agent vs. Graph

选择合适的方式：

特性 Agent（智能体） Graph（工作流）
结构 自由形式，自主决策 预定义节点和边
最适合 开放式任务 结构化流程
控制 模型决定下一步 您设计流程
复杂度 单一推理循环 多个专业智能体

使用 Agent 获得灵活性，使用 Graph 获得可靠性。

下一步