从 LLM 到 Agent：Agent 的定义与本质

从 LLM 到 AgentAgent 的定义与本质有了 LLM 就够了吗不够。LLM 是大脑Agent 是完整的个体——有大脑、有感官、有手、有记忆。前言为什么 LLM 不是 Agent2023 年有人把 GPT-4 包装成一个Agent然后发现它能做简单任务但多步就不行了能调用工具但一个接一个调用就乱了能记住上下文但超过 10 轮对话就忘了能推理但需要规划时就不行了LLM 不是 Agent。LLM 是 Agent 的大脑但不是全部。就像人类有大脑、眼睛、耳朵、手、脚、记忆——Agent 也需要这些组件LLM 只是其中的大脑。一、Agent 的定义1.1 经典定义Agent 是能够感知环境、做出决策、执行行动的实体。从 AI 角度一个 Agent 包含以下核心要素Agent LLM大脑 感知输入 行动工具 记忆上下文 规划推理1.2 Agent 的三要素学术界通常用三要素来定义 Agent1. 感知Perception接收环境信息 2. 决策Decision基于信息做出判断 3. 行动Action执行具体操作 LLM Agent 的对应关系 感知 → 用户输入、工具返回结果、上下文 决策 → LLM 推理、规划、选择 行动 → 工具调用、回复生成1.3 LLM Agent 的特殊性传统 Agent如强化学习 Agent和 LLM Agent 有本质区别维度传统 AgentLLM Agent知识来源从零学习预训练知识决策方式策略网络语言推理行动空间预定义动态扩展工具记忆神经网络状态上下文窗口 外部存储泛化能力弱强通过语言泛化LLM Agent 的最大优势不需要从零训练继承了 LLM 的泛化能力。二、Agent 的核心组件2.1 架构图┌──────────────┐ │ 用户输入 │ └──────┬───────┘ │ ┌──────▼───────┐ │ 感知模块 │ ← 理解输入、提取意图 └──────┬───────┘ │ ┌──────▼───────┐ │ 推理模块 │ ← 推理、规划、决策 └──────┬───────┘ │ ┌────────────┼────────────┐ │ │ │ ┌─────▼────┐ ┌────▼─────┐ ┌────▼─────┐ │ 工具调用 │ │ 记忆管理 │ │ 回复生成 │ └─────┬────┘ └────┬─────┘ └────┬─────┘ │ │ │ └────────────┼────────────┘ │ ┌──────▼───────┐ │ 输出模块 │ └──────────────┘2.2 各组件职责组件职责实现方式感知模块理解用户输入、提取意图LLM 意图分类推理模块规划、推理、决策LLM CoT/ToT工具模块调用外部工具、获取信息Function Calling / MCP 协议记忆模块管理上下文、长期记忆上下文窗口 外部存储回复模块生成最终输出LLM 格式约束2.3 最小 Agent 实现classMinimalAgent:def__init__(self,llm,tools):self.llmllm self.tools{t.name:tfortintools}self.memory[]defrespond(self,user_input):# 1. 感知self.memory.append({role:user,content:user_input})# 2. 推理 决策responseself.llm.generate(system_promptself._build_system_prompt(),messagesself.memory,)# 3. 行动如果有工具调用whileself._has_tool_call(response):tool_resultself._execute_tool(response)self.memory.append({role:tool,content:tool_result})responseself.llm.generate(messagesself.memory)# 4. 输出self.memory.append({role:assistant,content:response})returnresponse三、LLM 到 Agent 的演化路径3.1 三个阶段阶段一Chat Model2022-2023 LLM 只是对话接口 输入 → 输出 能力问答、对话 阶段二Function Calling2023-2024 LLM 可以调用工具 输入 → 调用工具 → 输出 能力获取实时信息、执行操作 阶段三Agent2024-2026 LLM 自主规划、推理、执行 输入 → 推理 → 规划 → 多次工具调用 → 输出 能力复杂任务、多步推理、自我纠错3.2 关键跨越从 Function Calling 到 Agent 的跨越单步工具调用 → 多步工具链被动响应 → 主动规划无记忆 → 有记忆一次性 → 持续循环# Function Calling单步deffunction_calling(user_input):intentclassify(user_input)toolselect_tool(intent)resulttool.execute(user_input)returnresult# Agent多步循环defagent_loop(user_input):state{input:user_input,history:[],result:None}whilenotdone:planllm.plan(state)forstepinplan:resultexecute_step(step)state[history].append(result)ifcheck_done(state):doneTruebreakreturnstate[result]四、Agent 的分类4.1 按自主性简单反射 Agent根据输入直接反应如天气查询 ↓ 基于模型的 Agent使用内部模型推理如代码助手 ↓ 目标导向 Agent根据目标规划行动如研究助手 ↓ 效用导向 Agent最大化某个效用函数如交易 Agent ↓ 学习 Agent从经验中学习改进如个性化助手4.2 按能力类型能力代表复杂度单步 Agent一次工具调用简单客服低多步 Agent多次工具调用研究助手中规划 Agent先规划再执行项目管理 Agent高反思 Agent自我评估和修正代码 Agent高协作 Agent多 Agent 协作软件开发 Agent极高4.3 按应用场景agent_types{客服Agent:{tools:[search_kb,check_order,update_ticket],memory:short_term,autonomy:low,},代码Agent:{tools:[read_file,write_file,run_code,search_web],memory:long_term,autonomy:high,},研究Agent:{tools:[search_web,search_papers,analyze_data],memory:session,autonomy:medium,},交易Agent:{tools:[get_price,execute_trade,check_balance],memory:long_term,autonomy:high,},}五、Agent 的核心能力5.1 能力图谱┌───────────┐ │ 推理能力 │ └─────┬─────┘ │ ┌────────────┼────────────┐ │ │ │ ▼ ▼ ▼ 工具使用 记忆管理 规划能力 │ │ │ │ │ │ ▼ ▼ ▼ 安全控制 错误处理 学习适应5.2 能力评估defassess_agent_capabilities(agent):评估 Agent 的核心能力assessments{reasoning:test_reasoning(agent,[如果 A B, B C, 那么 A 和 C 的关系是什么,帮我规划一个项目计划,]),tool_use:test_tool_use(agent,[查询今天的天气,搜索 Python 教程然后写一个 hello world,]),memory:test_memory(agent,[记住我的名字是张三,我叫什么名字,]),planning:test_planning(agent,[帮我写一个研究计划,如何从零开始学习 Python,]),}returnassessments六、Agent 的局限性6.1 当前 Agent 的瓶颈瓶颈表现根因上下文限制长对话效能下降Transformer 的 O(n²) 复杂度工具可靠性多步工具调用出错模型对工具编排的理解不深规划能力规划不切实际模型缺乏执行成本的认知自我纠错不会发现自己的错误缺乏反思的训练学习能力不会从错误中学习无持久化学习机制6.2 Agent 不是万能的Agent 擅长 - 有明确目标的任务 - 步骤可拆解的任务 - 有工具支持的任务 - 中等复杂度的任务 Agent 不擅长 - 需要长期持续学习的任务 - 需要创造性突破的任务 - 需要极高可靠性的任务 - 需要理解人类情感细微处七、2026 年 Agent 生态7.1 主流框架对比框架语言特点适合场景LangGraphPython状态机灵活复杂 Agent 流程CrewAIPython多 Agent 协作结构化自主团队协作Microsoft Agent FrameworkPython/C#AutoGen 演进企业级企业生产OpenClawTypeScript生产级多渠道集成个人助手OpenAI Agents SDKPython官方简洁快速原型Google ADK 2.0Python/TS代码优先多语言跨平台部署7.2 Agent 开发的核心原则从简单开始先做出能用的最小 Agent再增加复杂度工具优先Agent 的能力取决于它能用什么工具可观测性让 Agent 的决策过程可见容错设计假设 Agent 会出错设计错误恢复渐进式给 Agent 的能力越多越需要控制总结概念一句话Agent能感知、决策、行动的 AI 实体LLM Agent以 LLM 为大脑的 Agent三要素感知、决策、行动核心组件感知、推理、工具、记忆、输出局限性上下文、工具、规划、学习Agent 不是 LLM 的升级版而是 LLM 的完整包装。LLM 提供了大脑Agent 框架提供了感知、行动、记忆等所有组件。下一篇文章我们将深入Agent 的三大范式——ReAct、Plan-and-Execute、Reflexion以及它们各自的适用场景。思考题你现在的 Agent 系统实现了 Agent 三要素感知、决策、行动中的哪些从 Chat Model 到 Agent最难跨越的瓶颈是什么如果你只能给 Agent 装 3 个工具你会选哪 3 个为什么上一篇[22] RAG 在 Agent 中的角色下一篇[24] Agent 范式巡礼ReAct、Plan-and-Execute、Reflexion