Agents

什么是 Agents？

Agent 是一个 AI 系统，能够通过对工具使用和流程控制做出决策来自主执行任务。与遵循预定义路径的传统自动化不同，Agents 可以根据上下文和中间结果动态调整其方法。Agents 也与副驾驶（例如传统聊天应用程序）不同，它们可以完全自动化任务，而不是简单地增强和扩展人类输入。

• Agents → 非线性、非确定性（每次运行都可能改变）
• Workflows → 线性、确定性执行路径
• Co-pilots → 需要人工干预的增强 AI 助手

示例：预订假期

如果这是您第一次使用或与 Agents 交互，这个例子将说明 Agent 在预订假期这样的情境中是如何工作的。如果您已经熟悉这个主题，请继续阅读。

想象您正在尝试预订假期。您需要研究航班、寻找酒店、查看餐厅评价并跟踪您的预算。

传统工作流自动化

传统自动化系统遵循预定的序列：

• 接受特定输入（日期、位置、预算）
• 按固定顺序调用预定义的 API 端点
• 基于硬编码标准返回结果
• 当出现意外情况时无法适应

AI Co-pilot

Co-pilot 作为智能助手：

• 基于您的偏好提供酒店和行程推荐
• 能够理解和响应自然语言查询
• 提供指导和建议
• 需要人类决策和执行操作

Agent

Agent 结合了 AI 的判断能力和调用相关工具来执行任务的能力。Agent 的输出将是非确定性的，考虑到：

• 实时可用性和价格变化
• 约束条件的动态优先级排序
• 从故障中恢复的能力
• 基于中间结果的自适应决策

Agent 可以动态生成行程并执行预订，类似于您对旅行社的期望。

Agent 系统的三个主要组成部分：

• 决策引擎: 通常是 LLM（大语言模型），决定行动步骤
• 工具集成: Agent 可以利用的 API、函数和服务
• 记忆系统: 维护上下文并跟踪任务进度

Agents 如何工作

Agents 在以下连续循环中运行：

1. 观察 当前状态或任务
2. 规划 要采取的行动，使用 AI 进行推理
3. 执行 使用可用工具执行这些行动（通常是 API 或 MCPs ↗）
4. 学习 从结果中学习（将结果存储在记忆中，更新任务进度，并为下一次迭代做准备）