AI Agent 基础概念

什么是 AI Agent？零基础入门指南

AI Agent 不是“更会聊天的 ChatGPT”，而是一个能围绕目标反复推理、调用工具、读取上下文、根据结果继续行动的系统。

• Workflow 的路线主要由人写好的代码决定。
• Agent 的路线更多由模型根据中间结果决定。
• 路线越自由，越需要测试、权限控制、日志和人工确认。
• 任务是开放式的，很难提前写死所有步骤。

AI Agent 能帮你做什么？10 个真实应用场景

很多人以为 AI Agent 只是程序员的工具，其实不是。今天的 Agent 已经可以通过自然语言对话来完成大量日常任务，任何人都能上手。

• 给它一个主题，它帮你生成大纲和初稿
• 给它一段粗糙的文字，它帮你润色和改写
• 让它模仿特定风格（正式/轻松/学术）
• 通过聊天软件发消息给 Agent，它自动记录和提醒

AI Agent 核心模式详解

Agent 模式不是越复杂越高级。一个可靠的系统，通常从单次调用开始，逐步增加工具、流程、并行、评估和自主性。

• 代码 Agent 处理一个真实 issue：读文件、改代码、跑测试、修失败。
• 研究 Agent 围绕一个问题多轮搜索、筛选、交叉验证。
• 电脑使用 Agent 根据屏幕反馈完成一串操作。

使用 AI Agent 前你需要知道的安全常识

AI Agent 和普通聊天机器人的最大差别是：它不只生成文字，还可能读取文件、调用工具、访问网页、发送消息、修改数据。能力越强，误操作和被诱导的风险也越大。

• 被发送到云端 AI 服务商的服务器。
• 被用于模型训练，具体取决于服务商和套餐政策。
• 被写入日志、缓存、向量库或第三方工具。
• 在工具链中流转到你没有意识到的系统。

MCP 协议详解：LLM 工具集成的通用标准

Model Context Protocol（MCP） 是 Anthropic 于 2024 年 11 月发布的开放协议，旨在解决 LLM 与外部工具和数据源的集成问题。2025 年，MCP 被捐赠给 Linux 基金会，成为行业标准。

A2A 协议 v1.0 详解：多 Agent 互操作的生产级标准

A2A（Agent2Agent Protocol）是面向 Agent 与 Agent 之间通信的开放标准，让不同厂商、不同框架、不同部署位置的 Agent 可以互相发现、通信和协作。

• MCP 解决"Agent 怎么接工具和上下文"
• A2A 解决"Agent 怎么找别的 Agent 并协同完成任务"

Tool Use / Function Calling 原理

Tool Use（也叫 Function Calling）让 LLM 不只是生成文本，还能调用外部工具。这是 Agent 从"只能聊天"变成"能做事"的关键能力。

• name：工具名称，模型用它来选择工具
• description：工具描述，模型根据它判断什么时候用
• input_schema：JSON Schema 定义参数类型和约束

Agent Memory：记忆系统基础概念

没有记忆的 Agent 就像一个每次对话都失忆的助手——你需要反复解释背景、重复要求、从头开始。记忆让 Agent 能：

• 跨对话保持上下文："上次我们讨论的那个方案，继续"
• 积累用户偏好："按照我喜欢的代码风格"
• 从历史中学习："上次这种 bug 的修复方式"
• 管理长任务状态："做到第 3 步了，继续"