AI Agent详解

宓碧莹 · 1 小时前

什么是Agent？智能体(Agent)是一个能够感知环境、进行推理、制定计划、做出决策并自主采取行动以实现特定目标的 A 系统。它以大语言模型为核心，集成记忆、知识库和工具等能力为一体，构造了完整的决策能力、执行能力和记忆能力，就像一个有主观能动性的人类一样。与普通的 AI 大模型不同，智能体能够：

1.感知环境：通过各种输入渠道获取信息(多模态)，理解用户需求和环境状态
2.自主规划任务步骤：将复杂任务分解为可执行的子任务，并设计执行顺序
3.主动调用工具完成任务：根据需要选择并使用各种外部工具和 API，扩展自身能力边界
4.进行多步推理：通过思维链(Chain ofThought)逐步分析问题并推导解决方案
5.持续学习和记忆过去的交互：保持上下文连贯性，利用历史交互改进决策
6.根据环境反馈调整行为：根据执行结果动态调整策略，实现闭环优化

大多数同学第一次感受到智能体应该是“深度思考"功能，这是 A逐步智能化的体现。 智能体的分类跟人的生长阶段一样，智能体也是可以不断进化的。按照自主性和规划能力，智能体可以分为几个层次：

1)反应式智能体：仅根据当前输入和固定规则做出反应，类似简单的聊天机器人，没有真正的规划能力。23 年时的大多数 Al聊天机器人应用，几乎都是反应式智能体。
2)有限规划智能体：能进行简单地多步骤执行，但执行路径通常是预设的或有严格限制的。鉴定为“能干事、但干不了复杂的大事”。24 年流行的很多可联网搜索内容、调用知识库和工具的 AI 应用，都属于这类智能体。比如ChatGPT + Plugins：
3)自主规划智能体：也叫目标导向智能体，能够根据任务目标自主分解任务、制定计划、选择工具并一步步执行，直到完成任务。这类智能体通过“思考-行动-观察” 的循环模式工作，能够持续推进任务直至完成目标。

智能体实现关键技术在自主开发智能体前，我们要先了解一下智能体的关键实现技术，也就是方案设计阶段做的事情。1、CoT 思维链CoT(Chain of Thought)思维链是一种让 A|像人类一样“思考”的技术，帮助 AI 在处理复杂问题时能够按步骤思考。对于复杂的推理类问题，先思考后执行，效果往往更好。而且还可以让模型在生成答案时展示推理过程，便于我们理解和优化 Al。CoT的实现方式其实很简单，可以在输入Prompt 时，给模型提供额外的提示或引导，比如“让我们一步一步思考这个问题”，让模型以逐步推理的方式生成回答。还可以运用 Prompt的优化技巧few shot(少样本学习)，给模型提供包含思维链的示例问题和答案，让模型学习如何构建自己的思维链。在 OpenManus 早期版本中，可以看到实现 CoT的系统提示词：

You are an assistant focused on Chain of Thought reasoning. For each question, please follow these steps：
1. Break down the problem： Divide complex problems into smaller, more manageable parts
2. Think step by step： Think through each part in detail, showing your reasoning process
3. Synthesize conclusions： Integrate the thinking from each part into a complete solution
4. Provide an answer： Give a final concise answer
Your response should follow this format：
Thinking： [Detailed thought process, including problem decomposition, reasoning for each step, and analysis]
Answer： [Final answer based on the thought process, clear and concise]
Remember, the thinking process is more important than the final answer, as it demonstrates how you reached your conclusion.

复制代码

2、Agent Loop 执行循环Agent Loop 是智能体最核心的工作机制，指智能体在没有用户输入的情况下，自主重复执行推理和工具调用的过程。在传统的聊天模型中，每次用户提问后，AI回复一次就结束了。但在智能体中，A回复后可能会继续自主执行后续动作(如调用工具、处理结果、继续推理)，形成一个自主执行的循环，直到任务完成(或者超出预设的最大步骤数)。Agent Loop 的实现很简单，参考代码如下：

public String execute() {
List<String> results = new ArrayList<>();
while (currentStep < MAX_STEPS && !isFinished) {
currentStep++;
// 这里实现具体的步骤逻辑
String stepResult = executeStep();
results.add("步骤 " + currentStep + "： " + stepResult);
}
if (currentStep >= MAX_STEPS) {
results.add("达到最大步骤数： " + MAX_STEPS);
}
return String.join("\n", results);
}

复制代码

3、ReAct 模式ReAct(Reasoning+ Acting)是一种结合推理和行动的智能体架构，它模仿人类解决问题时"思考-行动-观察"的循环，目的是通过交互式决策解决复杂任务，是目前最常用的智能体工作式之一。核心思想：

1.推理(Reason)：将原始问题拆分为多步骤任务，明确当前要执行的步骤，比如“第一步需要打开编程导航网站”。
2.行动(Act)：调用外部工具执行动作，比如调用搜索引擎、打开浏览器访问网页等。
3.观察(Observe)：获取工具返回的结果，反馈给智能体进行下一步决策。比如将打开的网页代码输入给 Al。
4.循环迭代：不断重复上述3个过程，直到任务完成或达到终止条件。

ReAct 流程如图：

示例实现代码：

void executeReAct(String task) {
String state = "开始";
while (!state.equals("完成")) {
// 1. 推理 (Reason)
String thought = "思考下一步行动";
System.out.println("推理： " + thought);
// 2. 行动 (Act)
String action = "执行具体操作";
System.out.println("行动： " + action);
// 3. 观察 (Observe)
String observation = "观察执行结果";
System.out.println("观察： " + observation);
// 更新状态
state = "完成";
}
}

复制代码

手撕开源框架 OpenManus 的源码1、整体文件夹组织形式

2、agent 目录agent ⁡目录是 OpenManus 实现的核心，采用了分层的代理架构，不同层次的代理负责不同的功能，这样更利于系统的扩展。OpenManus 的代理架构主要包含以下几层：

BaseAgent：最基础的代理抽象类，定义了所有代理的基本状态管理和执行循环
ReActAgent：实现 ReAct 模式的代理，具有思考（Think）和行动（Act）两个主要步骤
ToolCallAgent：能够调用工具的代理，继承自 ReActAgent 并扩展了工具调用能力
Manus：具体实现的智能体实例，集成了所有能力并添加了更多专业工具

还有更多适用于特定领域⁡的智能体实例，比如 DataAnalysis 数据分析 Agent、SWE 软件开发工程师 Agent、MCP 服务交互 Agent、Browser 浏览器操作 Agent，它们都继承了 ToolCallAgent。　　

3、tool 目录tool ⁡目录定义了各种各样的工具，比如网页搜索、文件操作、询求用户帮助、代码执行器等等：4、prompt 目录promp⁡t 目录定义了整个项目中可能会用到的提示词。从下图中我们可以看到提示词写的比较专业，这块也是比较值得学习的。5、其他支持为了实现完整的智能体功能，OpenManus 依赖以下关键组件：

记忆系统：使用 Memory 类存储对话历史和中间状态
LLM 大模型：通过 LLM 类提供思考和决策能力
工具系统：提供 BaseTool和 ToolCollection 类扩展智能体的能力边界
流程控制：通过 AgentState 和执行循环管理状态转换和任务流程

在 OpenManus 中，这些都是自主实现的： AI 智能体核心实现了解整体架构后，我们重点学习 Agent 分层代理架构。1、BaseAgentBaseAgent 是所有代理的基础，定义了代理状态管理和执行循环的核心逻辑。查看 base.py 文件，关键代码就是 Agent Loop 的实现，通过 while 实现循环，并且定义了死循环检查机制：

class BaseAgent(BaseModel, ABC)：
async def run(self, request： Optional[str] = None) -> str：
"""执行代理的主循环"""
if self.state != AgentState.IDLE：
raise RuntimeError(f"Cannot run agent from state： {self.state}")
if request：
self.update_memory("user", request)
results： List[str] = []
async with self.state_context(AgentState.RUNNING)：
while (self.current_step < self.max_steps and
self.state != AgentState.FINISHED)：
self.current_step += 1
step_result = await self.step()
# 检查是否陷入循环
if self.is_stuck()：
self.handle_stuck_state()
results.append(f"Step {self.current_step}： {step_result}")
if self.current_step >= self.max_steps：
self.current_step = 0
self.state = AgentState.IDLE
results.append(f"Terminated： Reached max steps ({self.max_steps})")
return "\n".join(results) if results else "No steps executed"
@abstractmethod
async def step(self) -> str：
"""执行单步操作，必须由子类实现"""

复制代码

这里其实使用了模板方法设计模式，父类定义执行流程，具体的执行方法(step)交给子类实现。 2、ReActAgentReActAgent 实现了 ReAct 模式，将代理的执行过程分为思考(Think)和行动(Act)两个关键步骤。查看react.py 文件：

class ReActAgent(BaseAgent, ABC)：
@abstractmethod
async def think(self) -> bool：
"""处理当前状态并决定下一步行动"""
@abstractmethod
async def act(self) -> str：
"""执行决定的行动"""
async def step(self) -> str：
"""执行单步：思考和行动"""
should_act = await self.think()
if not should_act：
return "Thinking complete - no action needed"
return await self.act()

复制代码

上述代码同样运用了模板方法设计模式，这种设计体现了 ReAct 模式的核心思想，也就是“程思考-行动-观察”的循环过。但是具体怎么思考、怎么行动，交给子类去实现。 3、ToolCallAgentToolCallAgent 在 ReAct 模式的基础上增加了工具调用能力，是 OpenManus 最重要的一个层次。查看 toolcall.py文件，虽然代码比较复杂，但原理很简单，就是工具调用机制的具体实现：

1.think：和 AI 交互思考使用什么工具
2.act：程序执行工具
3.observe：将结果返回给 AI

class ToolCallAgent(ReActAgent):
"""能够执行工具调用的代理类"""
available_tools: ToolCollection = ToolCollection(
CreateChatCompletion(), Terminate()
)
tool_choices: TOOL_CHOICE_TYPE = ToolChoice.AUTO
special_tool_names: List[str] = Field(default_factory=lambda: [Terminate().name])
async def think(self) -> bool:
"""处理当前状态并使用工具决定下一步行动"""
# 添加下一步提示到用户消息
if self.next_step_prompt:
user_msg = Message.user_message(self.next_step_prompt)
self.messages += [user_msg]
# 请求 LLM 选择工具
response = await self.llm.ask_tool(
messages=self.messages,
system_msgs=([Message.system_message(self.system_prompt)]
if self.system_prompt else None),
tools=self.available_tools.to_params(),
tool_choice=self.tool_choices,
)
# 处理工具调用
self.tool_calls = tool_calls = (
response.tool_calls if response and response.tool_calls else []
)
content = response.content if response and response.content else ""
# 添加助手消息到记忆
assistant_msg = (
Message.from_tool_calls(content=content, tool_calls=self.tool_calls)
if self.tool_calls
else Message.assistant_message(content)
)
self.memory.add_message(assistant_msg)
# 决定是否应该执行行动
return bool(self.tool_calls or content)
async def act(self) -> str:
"""执行工具调用并处理结果"""
if not self.tool_calls:
# 返回最后一条消息内容，如果没有工具调用
return self.messages[-1].content or "No content or commands to execute"
results = []
for command in self.tool_calls:
# 执行工具
result = await self.execute_tool(command)
# 记录工具响应到记忆
tool_msg = Message.tool_message(
content=result,
tool_call_id=command.id,
name=command.function.name,
base64_image=self._current_base64_image,
)
self.memory.add_message(tool_msg)
results.append(result)
return "\n\n".join(results)

复制代码

4、ManusManus 类是 OpenManus 的核心智能体实例，集成了各种工具和能力。查看 manus.p文件:

class Manus(ToolCallAgent):
"""多功能通用智能体，支持本地和 MCP 工具"""
name: str = "Manus"
description: str = "A versatile agent that can solve various tasks using multiple tools"
# 添加各种通用工具到工具集合
available_tools: ToolCollection = Field(
default_factory=lambda: ToolCollection(
PythonExecute(),
BrowserUseTool(),
StrReplaceEditor(),
AskHuman(),
Terminate(),
)
)

复制代码

关键实现细节学完了超级智能体的核心实现后，我们再学习一些项目中比较微妙的实现细节，对我们自己开发项目也会很有帮助。1、工具系统设计1)工具抽象层 BaseTool所有工具均继承自 BaseToo1 抽象基类，提供统一的接口和行为:

class BaseTool(ABC, BaseModel):
name: str
description: str
parameters: Optional[dict] = None
async def __call__(self, **kwargs) -> Any:
"""使用给定参数执行工具"""
return await self.execute(**kwargs)
@abstractmethod
async def execute(self, **kwargs) -> Any:
"""执行工具的具体逻辑，由子类实现"""
def to_param(self) -> Dict:
"""将工具转换为函数调用格式"""
return {
"type": "function",
"function": {
"name": self.name,
"description": self.description,
"parameters": self.parameters,
},
}

复制代码

这种设计使得每个工具都有统一的调用方式，同时具有规范化的参数描述，便于LLM理解工具的使用方法。 2)终止工具 TerminateTerminate 工具是一个特殊的工具，允许智能体通过 A 大模型自主决定何时结束任务避免无限循环或者过早结束。

class Terminate(BaseTool):
name: str = "terminate"
description: str = """Terminate the interaction when the request is met OR
if the assistant cannot proceed further with the task.
When you have finished all the tasks, call this tool to end the work."""
parameters: dict = {
"type": "object",
"properties": {
"status": {
"type": "string",
"description": "The finish status of the interaction.",
"enum": ["success", "failure"],
}
},
"required": ["status"],
}
async def execute(self, status: str) -> str:
"""完成当前执行"""
return f"The interaction has been completed with status: {status}"

复制代码

在 agent 源码中，有一个 special tool names 变量，用于指定终止工具等特殊工具 3)询问工具 AskHumanAskHuman 工具允许智能体在遇到无法自主解决的问题时向人类寻求帮助，也就是给用户一个输入框，让我们能够更好地干预智能体完成任务的过程。

class AskHuman(BaseTool):
"""Add a tool to ask human for help."""
name: str = "ask_human"
description: str = "Use this tool to ask human for help."
parameters: str = {
"type": "object",
"properties": {
"inquire": {
"type": "string",
"description": "The question you want to ask human.",
}
},
"required": ["inquire"],
}
async def execute(self, inquire: str) -> str:
return input(f"""Bot: {inquire}\n\nYou: """).strip()

复制代码

这个工具实现虽然简单，但极大地提升了智能体的实用性和安全性。 4)工具集合 ToolCollectionOpenManus 设计了 ToolCollection 类来管理多个工具实例，提供统一的工具注册和执行接口:

class ToolCollection:
"""A collection of defined tools."""
def __init__(self, *tools: BaseTool):
self.tools = tools
self.tool_map = {tool.name: tool for tool in tools}
def to_params(self) -> List[Dict[str, Any]]:
return [tool.to_param() for tool in self.tools]
async def execute(self, *, name: str, tool_input: Dict[str, Any] = None) -> ToolResult:
tool = self.tool_map.get(name)
if not tool:
return ToolFailure(error=f"Tool {name} is invalid")
try:
result = await tool(**tool_input)
return result
except ToolError as e:
return ToolFailure(error=e.message)
def add_tools(self, *tools: BaseTool):
"""Add multiple tools to the collection."""
for tool in tools:
self.add_tool(tool)
return self

复制代码

智能体工作流当我们面对复杂任务时，单一智能体可能无法满足需求。因此智能体工作流(Agent Workflow)应运而生，通过简单的编排，允许多个专业智能体协同工作，各司其职。智能体工作流编排的精髓在于将复杂任务分解为连贯的节点链，每个节点由最适合的智能体处理，节点间通过条件路由灵活连接，形成一个高效、可靠的执行网络。Anthropic 曾经在一篇研究报告《Building effective agents》中提到了多种不同的智能体工作模式，大家需要了解每种模式的特点和适用场景。智能体工作模式1)Prompt Chaining 提示链工作流Prompt Chaining 是最常见的智能体工作流模式之一。它的核心思想是将一个复杂任务拆解为一系列有序的子任务，每一步由 LLM 处理前一步的输出，逐步推进任务完成。比如在内容生成场景中，可以先让模型生成大纲，再根据大纲生成详细内容，最后进行润色和校对。每一步都可以插入校验和中间检查，确保流程正确、输出更精准。

这种模式结构清晰，易于调试，非常适合任务可以被自然分解为多个阶段的场景。2)Routing 路由分流工作流Routing 工作流模式则更像是一个智能的路由器。系统会根据输入内容的类型或特征，将任务分发给最合适的下游智能体或处理流程。非常适合多样化输入和多种处理策略的场景。比如在客服系统中，可以将常见问题、退款请求、技术支持等分流到不同的处理模块;在多模型系统中，可以将简单问题分配给小模型，复杂问题交给大模型。这样既提高了处理效率，也保证了每类问题都能得到最优解答。

3)Parallelization 并行化工作流在 Parallelization 并行化模式下，任务会被拆分为多个可以并行处理的子任务，最后聚合各自的结果。比如在代码安全审查场景中，可以让多个智能体分别对同一段代码进行安全审查，最后“投票”决定是否有问题。又比如在处理长文档时，可以将文档分段，每段由不同智能体并行总结。这种模式可以显著提升处理速度，并通过“投票”机制提升结果的准确度。

4)Orchestrator-Workers 协调器-执行者工作流对于复杂的任务、参与任务的智能体增多时，我们可以引入一位“管理者”，会根据任务动态拆解出多个子任务,并将这些子任务分配给多个"工人"智能体，最后再整合所有工人的结果。这种中央协调机制提高了复杂系统的整体效率，适合任务结构不确定、需要动态分解的复杂场景。

5)Evaluator-Optimizer 评估-优化循环工作流Evaluator-Optimizer 模式模拟了人类“写 =>评 =>改”的过程。一个智能体负责生成初步结果，另一个智能体负责评估和反馈，二者循环迭代优化输出。举个例子，在机器翻译场景中，先由翻译智能体输出，再由评审智能体给出改进建议，反复迭代直到达到满意的质量。这种模式特别适合需要多轮打磨和质量提升的任务。 A2A 协议什么是 A2A 协议?A2A(Agentto Agent)也是最近很热门的一个概念，简单来说，A2A 协议就是为"智能体之间如何直接交流和协作”制定的一套标准。A2A 协议的核心，是让每个智能体都能像“网络节点“ 一样，拥有自己的身份、能力描述和通信接口。它不仅规定了消息的格式和传递方式，还包括了身份认证、能力发现、任务委托、结果回传等机制。这样一来，智能体之间就可以像人类团队一样，互相打招呼、询问对方能做什么、请求协助。可以把 A2A 类比为智能体世界里的 HTTP协议，HTTP 协议让全球不同服务器和电脑之间能够交换数据，A2A 协议则是让不同厂商、不同平台、不同能力的智能体能够像团队成员一样互相理解、协作和分工。如果说 HTTP 协议让互联网成为了一个开放、互联的世界，那么 A2A 协议则让智能体世界变得开放、协作和高效。

A2A 协议的应用场景A2A 协议的应用非常广泛，总结下来4个字就是开放互联。比如在自动驾驶领域，不同车辆的智能体可以实时交换路况信息，协同避障和规划路线;在制造车间，生产线上的各类机器人智能体可以根据任务动态分工，互相补位;在金融风控、智能客服等场景，不同的智能体可以根据自身专长协作处理复杂业务流程。我们还可以大胆想象，未来开发者可以像调用云服务一样，按需租用或组合不同的智能体服务，甚至实现智能体之间的自动交易和结算。目前其实就有很多智能体平台，只不过智能体之间的连接协作甚少。 和 MCP 协议的区别虽然 A2A 和 MCP 都算是协议(或者标准)，但二者存在本质上的区别。MCP 协议是智能体和外部工具之间的标准，它规定了智能体如何安全、规范地调用外部的数据库、搜索引擎、代码执行等工具资源。你可以把 MCP 理解为“智能体-工具"的 HTTP 协议。而 A2A 协议则是智能体之间的通信协议。它更像是让不同的 A 角色之间可以直接对话、协作和分工。从安全角度看，MCP 和 A2A 处理的是不同层面的安全问题：

MCP 的安全关注点：主要集中在单个智能体与工具之间的安全交互，主要防范的是工具滥用和提示词注入攻击。
A2A 的安全关注点：更关注智能体网络中的身份认证、授权和信任链。A2A 需要解决“我怎么知道我在和谁通信”、“这个智能体有权限请求这项任务吗”、“如何防止恶意智能体窃取或篡改任务数据”等问题。(这些问题也是 HTTP 协议需要考虑的)

显然，A2A 面临的安全挑战更加复杂，因为它处理的是跨网络、跨平台、多方协作的场景。对于一个成熟的智能体系统，可能会同时运用 MCP 和 A2A，MCP 负责某个智能体内部调用工具完成任务，A2A负责智能体之间协同完成任务。 1)、给智能体添加循环检测和处理机制，防止智能体陷入无限循环。可以参考 OpenManus 源码实现，示例代码如下：

private int duplicateThreshold = 2;
/**
* 处理陷入循环的状态
*/
protected void handleStuckState() {
String stuckPrompt = "观察到重复响应。考虑新策略，避免重复已尝试过的无效路径。";
this.nextStepPrompt = stuckPrompt + "\n" + (this.nextStepPrompt != null ? this.nextStepPrompt ： "");
System.out.println("Agent detected stuck state. Added prompt： " + stuckPrompt);
}
/**
* 检查代理是否陷入循环
*
* @return 是否陷入循环
*/
protected boolean isStuck() {
List<Message> messages = this.memory.getMessages();
if (messages.size() < 2) {
return false;
}
Message lastMessage = messages.get(messages.size() - 1);
if (lastMessage.getContent() == null || lastMessage.getContent().isEmpty()) {
return false;
}
// 计算重复内容出现次数
int duplicateCount = 0;
for (int i = messages.size() - 2; i >= 0; i--) {
Message msg = messages.get(i);
if (msg.getRole() == Role.ASSISTANT &&
lastMessage.getContent().equals(msg.getContent())) {
duplicateCount++;
}
}
return duplicateCount >= this.duplicateThreshold;
}
// 每一步 step 执行完都要检查是否陷入循环
if (isStuck()) {
handleStuckState();
}

复制代码

2)、智能体支持交互式执行，可以向用户询问信息或获取反馈，从而优化任务的完成效果。实现思路可以参考 OpenManus，专门定义一个 AskHuman 工具，让 A| 自主决定什么时候需要寻求人类帮助：

当然也可以通过编写 Prompt 实现，比如 Prompt 中提到“如果你认为需要向人类寻求帮助，输出结果中需要包含[ASK USER](寻求帮助的具体问题}”，并且检查每一条 A1给出的消息，如果包含了 ASK USER 标记，就通过系统控制台和用户交互。示例代码如下：

public boolean think() {
boolean shouldAct = super.think();
// 获取最新的助手消息
Message lastMessage = getMessageList().get(getMessageList().size() - 1);
if (lastMessage instanceof AssistantMessage) {
String content = lastMessage.getContent();
// 检查是否包含向用户询问的标记
if (content.contains("[ASK_USER]")) {
// 提取问题
String question = content.substring(content.indexOf("[ASK_USER]") + 10);
// 向用户输出问题
System.out.println("智能体需要你的帮助： " + question);
// 获取用户输入
Scanner scanner = new Scanner(System.in);
String userAnswer = scanner.nextLine();
// 添加用户回答到消息列表
UserMessage userResponse = new UserMessage("用户回答： " + userAnswer);
getMessageList().add(userResponse);
// 需要继续思考
return true;
}
}
return shouldAct;
}

复制代码

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！

账号		自动登录	找回密码
密码			立即注册

AI Agent详解

相关帖子

签约作者

AI Agent详解

相关帖子

相关推荐

签约作者