拆解智能体的五大核心模块：从感知到行动的完整闭环
2023年6月，OpenAI在论文《Generative Agents》中给出定义：AI Agent 是能够自主规划、记忆和使用工具来完成复杂任务的系统。
如果说 RAG 让 LLM 学会了"开卷考试"，那么 AI Agent 则赋予了 LLM"手和脚"——不再只是回答问题，而是能够感知环境、制定计划、调用工具、评估结果、动态调整，真正像代理一样替你行动。
LLM 是 Agent 的"大脑"，承担三重角色：理解器（解析意图）、控制器（决定何时调用哪个模块）、协调器（整合各模块输出）。
上下文学习：通过提示词动态学习新任务，无需微调。Agent 依赖此能力注入规划策略、工具描述和记忆片段。
思维链（CoT）：让模型"先想后答"，大幅提升推理准确率。规划模块广泛使用——先拆解步骤，再逐步执行。
自我反思：执行某个动作后评估结果，若失败则反思原因并调整策略重试。
| 场景 | 推荐模型 | 理由 |
|---|---|---|
| 核心推理 / 规划 | GPT-4.5 / Claude 3.7 / DeepSeek V3 | 强逻辑推理 |
| 快速工具调用 | GPT-4o-mini / Claude Haiku | 低延迟、低成本 |
| 代码生成执行 | Claude 3.7 Sonnet / DeepSeek Coder | 专项优化 |
| 本地私有部署 | Qwen2.5 / GLM-4 / Llama-3 | 数据安全 |
规划模块将模糊的长期目标分解为可执行的短期子任务序列。
CoT（线性思考链）：逐步推理，适合规则明确、步骤清晰的任务。
ToT（思维树）：探索多条可能分支，评估后选择最优，适合探索性强、无标准答案的任务。
ReAct（Reasoning + Acting）是 Princeton 和 Google 提出的核心框架：思考→行动→观察→再思考交替循环。
用户：查北京天气，并告诉我穿什么衣服
Thought: 需要先获取天气数据
Action: search_weather(city="北京")
Observation: {"weather":"晴","temp":28,"humidity":45}
Thought: 晴天28度，建议轻薄透气衣物，同时提醒防晒
Final Answer: 今天北京晴天28℃，建议短袖/薄衬衫，记得涂防晒霜。
| 层级 | 介质 | 容量 | 生命周期 |
|---|---|---|---|
| 感觉记忆 | 上下文窗口 | ~128K tokens | 单次交互 |
| 短期记忆 | 上下文窗口 | ~128K tokens | 会话内 |
| 长期记忆 | 向量数据库 / 知识图谱 | 无限制 | 跨会话持久化 |
长期记忆的核心是 RAG（检索增强生成）：将记忆转为向量，通过相似度搜索召回相关信息，注入 LLM 上下文。
检索流程： 1. 用户问题 → 向量 embedding 2. 向量数据库相似度搜索（Top-K 最相关片段） 3. 召回片段注入提示词 4. LLM 基于记忆上下文生成回答
信息过载：需要优先级和压缩策略。遗忘机制：什么该记、什么该忘。知识图谱融合：从纯文本片段向结构化知识图谱演进。
工具模块让 Agent 拥有了操作真实世界的能力。
| 技术 | 提出者 | 特点 |
|---|---|---|
| Function Calling | OpenAI | 结构化 JSON，参数类型安全 |
| Tool Use / Tools | Anthropic | 与 MCP 深度集成 |
| Toolformer | Meta | 模型自主学习，无需人工标注 |
| ReAct | Princeton/Google | 推理链中自然穿插工具调用 |
MCP（Model Context Protocol） 是 Anthropic 在2024年底发布的开放协议，为 AI 工具调用建立统一标准。
┌─────────────────────────────────────────┐ │ 🤖 AI 应用 / Agent（Client） │ │ │ MCP Protocol（标准化通信） │ │ ┌──────────────────────────────────┐ │ │ │ 🖥️ MCP Server（工具封装层） │ │ │ │ GitHub / Slack / DB / Search │ │ │ └──────────────────────────────────┘ │ └─────────────────────────────────────────┘ 优势：一次编写 → 所有支持 MCP 的 Agent 都能用
动作执行：运行代码、调用API、操作文件系统。
状态跟踪：维护任务进度快照，支持断点恢复。
容错回滚：捕获异常反馈给规划模块，恢复到稳定状态重试。
| 方案 | 特点 |
|---|---|
| E2B Sandboxed | 云端沙箱隔离，安全但有网络延迟 |
| Docker 容器 | 完全隔离，可自定义环境，启动较慢 |
| 本地代码执行 | 最快，但安全风险高需严格限权 |
| WebAssembly | 轻量级沙箱，启动极快 |
MCP 生态全面爆发：MCP 正在成为 AI 工具连接的事实标准，将出现 MCP 应用商店和企业内部服务器目录。
A2A 协议崛起：Agent-to-Agent 通信协议补充 MCP 的垂直连接能力，让多 Agent 水平协作。Google ADK 和 CrewAI 已原生支持。
专业化 Agent 模型：针对 Agent 场景优化的专用小模型（规划模型、工具调用专用模型），降低成本同时提升专项能力。
具身 Agent：从数字世界延伸到物理世界，机器人控制、自动驾驶场景将成为 Agent 新战场。
| 方向 | 描述 | 成熟度 |
|---|---|---|
| 世界模型集成 | Agent 内置世界模拟器，预测行动后果后再执行 | ⭐⭐ 研究中 |
| 主动记忆管理 | Agent 自主决定记什么、忘什么 | ⭐⭐⭐ 早期应用 |
| 多 Agent 协作规划 | 复杂任务由多特化 Agent 协商完成 | ⭐⭐⭐ 快速发展 |
| Agent 安全治理 | 企业级审计、权限控制、行动约束 | ⭐⭐⭐ 迫切需求 |
| 端到端 Agent 训练 | 从"组装模式"到端到端联合优化 | ⭐ 探索阶段 |
AI Agent 的架构，本质上是将 LLM 的推理能力与模块化的外部能力（规划、记忆、工具、执行）有机结合。理解五大模块的职责边界和协作机制，你就能：
✅ 设计更合理的 Agent 系统架构
✅ 诊断 Agent 故障时的根本原因（规划错了？工具挂了？记忆没召回？）
✅ 选择最适合项目需求的开发框架
✅ 预判技术演进方向，提前布局