什么是 Agent

什么是 Agent ​

简单来说，Agent 是由 AI 模型 驱动，并能够调用工具、执行任务、根据结果继续决策的智能系统。

可以将它粗略理解为：

Agent = AI 模型 + Tools + Skills + Memory + Workflow

其中：

• AI 模型：负责理解用户的目标、分析当前信息并作出决策。
• Tools：让模型能够与外部世界交互，例如搜索网页、读取文件、执行代码、调用 API。
• Skills：针对某类任务预设的工作方法和规则，例如代码审查、生成图片或操作浏览器。
• Memory：保存用户偏好、项目背景和历史信息，使 Agent 可以在后续任务中保持上下文。
• Workflow：将「理解需求 → 制定步骤 → 调用工具 → 检查结果 → 继续执行」串联起来的执行过程。

普通聊天模型通常只能根据已有信息生成文本；Agent 则可以为了完成目标主动采取行动。例如，当你要求它修复一个 Bug 时，它可以阅读代码、搜索调用位置、修改文件、运行测试，并依据测试结果继续调整。

MCP（Model Context Protocol）不是 Agent 本身，而是一种让 Agent 以统一方式连接外部工具和数据源的协议。它可以把数据库、浏览器、GitHub、文件系统等能力提供给模型使用。

因此，Agent 并不等于 MCP，也不等于某一个大模型。更准确地说，Agent 是以模型为决策核心，结合工具、技能、记忆和执行流程而形成的可行动系统。

什么是 MCP ​

MCP（Model Context Protocol，模型上下文协议）是一套开放协议，用于让 AI 应用以统一方式连接外部工具和数据源。

在没有 MCP 时，接入不同服务通常需要为每个服务单独编写接口和鉴权逻辑；有了 MCP 后，服务只要实现 MCP Server，支持 MCP 的 AI 客户端就能按照统一规范发现并调用其能力。

MCP 通常包含三类能力：

• Tools：可由模型调用的操作，例如查询数据库、创建 Issue、发送请求。
• Resources：可供模型读取的上下文，例如文件、文档、数据库记录。
• Prompts：服务端提供的可复用提示词模板。

可以把 MCP 理解为 AI 与外部服务之间的「通用插座」。它负责连接和通信，但不负责替模型作出决策。

什么是 Skills ​

Skills 是为某一类任务准备的能力包，通常包含任务说明、执行步骤、约束条件，以及需要调用的工具。

例如，「代码审查」Skill 会告诉 Agent 应重点检查哪些问题、如何读取代码和运行测试；「浏览器自动化」Skill 则会提供操作网页所需的工具和流程。

Skills 的价值在于把重复的经验固化下来，让 Agent 不必每次都从零规划任务。它更像一份可执行的操作手册，而不是一个新的模型或协议。

什么是 Memory ​

Memory 是 Agent 在当前或未来任务中保留信息的机制，使它不必在每次对话中重新了解用户和项目。

常见的记忆类型包括：

• 会话记忆：保存当前对话中的上下文，通常会在会话结束后失效。
• 长期记忆：保存用户偏好、项目背景和长期有效的约定，可在后续会话中继续使用。
• 外部记忆：将文档、数据库或知识库作为可检索的信息来源，需要时再读取。

Memory 的作用是提供上下文，而不是替代真实数据。涉及当前代码、线上状态或最新文档时，Agent 仍应重新查询并验证。

什么是 Workflow ​

Workflow 是完成一类任务时的固定执行流程，它将模型思考、工具调用和结果检查组织成明确的步骤。

一个简单的代码修复 Workflow 可以是：

理解问题 → 阅读相关代码 → 定位根因 → 修改文件 → 运行测试 → 检查结果

Workflow 可以由人预先定义，也可以由 Agent 根据目标动态规划。前者更稳定、可控，适合重复且步骤明确的任务；后者更灵活，适合探索性问题，但需要设置权限、验证和人工确认等边界。

Agent 工作过程 ​

Agent 的一次任务通常会经历以下过程：

接收目标 → 获取上下文 → 制定计划 → 调用工具 → 检查结果 → 输出结果或继续执行

以「整理一篇文章」为例，Agent 会先理解用户希望修改什么，再读取文章内容和相关资料；当需要事实依据时，它会查询资料或调用工具；完成修改后，它还应检查结果是否符合要求。

工具调用不是 Agent 的固定步骤。对于简单的解释或改写任务，模型可能只需直接生成文本；只有在需要外部信息或执行操作时，才需要调用对应工具。

Agent 的安全边界 ​

Agent 可以调用工具不代表它应当拥有所有权限。根据影响范围，可以将操作分为三类：

• 只读操作：例如读取文件、搜索资料、查询数据，通常风险较低。
• 写入操作：例如修改文件、创建记录、发送请求，应检查目标和内容是否正确。
• 高风险操作：例如删除数据、执行不可逆命令、发布公开内容或操作生产环境，应要求明确授权和人工确认。

工具返回的内容同样不能完全信任。网页、文档或外部服务的响应可能包含错误信息，甚至试图诱导 Agent 执行无关操作。因此，Agent 在执行高风险动作前，需要验证结果是否与原始目标一致，并遵守既定的权限范围。

一个最小示例 ​

下面以「检查文章中的链接是否有效」为例，展示一个简单的 Agent 流程：

目标：检查文章中的链接，并汇总失效链接

1. 读取文章内容
2. 提取其中的链接
3. 逐个检查链接是否能够访问
4. 汇总可访问与失效的链接
5. 将检查结果返回给用户

在这个过程中，模型负责理解「检查链接」这一目标并决定下一步；读取文章和访问链接属于工具能力；检查步骤构成 Workflow；如果系统记住文章所在位置或用户偏好，则使用了 Memory。若要自动修改文章，则还需要额外的写入权限和人工确认。