信息技术大学
Agent 智能体
AI 与大模型·算法岗面试 · 第 6 章 RAG 与 Agent
按 空格/→ 演示下一步
全部页面点击任意一页，跳回舞台从这页播放
信息技术大学
Agent 智能体
AI 与大模型·算法岗面试 · 第 6 章 RAG 与 Agent
感知-规划-行动循环
Agent 是给 LLM 装上手脚：感知环境、规划任务、调用工具行动，循环到目标达成。
感知
读取用户输入、工具结果、环境反馈
规划
拆解目标、排序子任务、反思修正
行动
调用工具改变状态，观察结果再循环
ReAct 模式
思考与行动交替：Thought 决定下一步，Action 调工具，Observation 回填推进。
三拍循环
思考、行动、观察反复交替直到完成
可解释
思维外显，每步为什么可审计
可纠错
观察不佳时推理即时改道
Function Calling 工具调
模型的「手」：声明函数签名，模型出参数，框架执行回填，结构化不靠猜。
声明
工具名、描述、参数 Schema 预先注册
调用
模型输出结构化调用意图，框架执行
回填
结果作为工具消息返回继续推理
MCP 协议
工具生态的 USB 口：统一协议连接模型与工具服务，一次接入处处可用。
标准化
工具、资源、提示三类能力统一协议
解耦
工具服务与模型宿主分离，跨应用复用
生态
MCP 服务器即插即用，社区共享工具
记忆与规划机制
上下文窗口有限，记忆来补：短期靠对话历史，长期靠向量库外挂。
短期记忆
上下文窗口内的对话与观察记录
长期记忆
向量库存经验，检索按需注入
规划器
任务清单、反思与重计划分阶段推进
多智能体协作
分工协作像小团队：角色化智能体各司其职，消息传递协作，也可辩论互查。
角色分工
规划者、执行者、审查者各司其职
通信
消息传递或黑板模式共享中间产物
成本
多智能体多倍 token，能单代理不双开
本节要点
- ✓Agent = LLM + 工具 + 循环
- ✓ReAct：思考行动交替可审计
- ✓Function Calling 结构化调工具
- ✓MCP 统一工具生态接口
延伸主题：写一个最小 ReAct 循环接一个 MCP 工具试试
课后思考
先自己回答，再展开参考答案——能讲出来才算真懂。
1Agent 与工作流（Workflow）的边界在哪？
参考答案工作流是人事先编排的固定路径，Agent 由模型自主决定下一步。确定性任务用工作流便宜可靠；开放探索任务才值得 Agent 的自主性与成本。能 Workflow 不 Agent。
2Function Calling 时代为什么还需要 MCP？
参考答案Function Calling 只是模型与宿主的接口，工具跟着应用重复实现；MCP 把工具侧独立成标准服务，一次实现任意宿主接入，生态从应用私有变成公共复用。
3多智能体什么时候是过度设计？
参考答案任务单一模型一次调用能完成时，多智能体只增加 token、延迟与故障点。真正的价值在视角分离（生成与审查对抗）与并行探索；否则单代理加工具更优。