AI Agent 是能够自主感知环境、调用工具、循环推理并完成复杂目标的 AI 系统。与单次问答的大模型不同，Agent 具备"思考→行动→观察→再思考"的闭环能力，可以分解多步任务、跨工具协作、持久记忆上下文。本文从核心架构出发，覆盖最小可运行实现、工具定义、记忆管理、框架选型到多 Agent 协作，帮助开发者建立完整的 Agent 构建认知体系。

 

什么是 AI Agent？

AI Agent 是以大语言模型（LLM）为核心推理引擎，配备感知输入、规划决策、记忆存储、工具执行四大能力模块的自主 AI 系统。

与普通 LLM 调用的核心区别：

维度

普通 LLM 调用

AI Agent

交互方式

单轮输入→输出

多轮循环，自主决策下一步

工具使用

无

可调用外部 API、代码、数据库

记忆

仅当前上下文窗口

短期 + 长期持久记忆

任务类型

单一问答

多步骤复杂目标分解

自主性

零

可在限定范围内自主行动

OpenAI 在 2025 年发布的 Agents SDK 将其定位描述为：“配备指令和工具的 LLM，能通过内置 Agent 循环自动处理工具调用和持续迭代。”

 

Agent 的四大核心模块

构建一个完整的 Agent，需要理解四个基础模块：

1. 感知（Perception）

Agent 接收外部输入的能力。输入可以是文本、图像、文件、API 返回值、用户指令等。现代多模态模型（GPT-4o、Claude 3.5、Gemini 1.5）已支持文本+图像联合感知。

2. 规划（Planning）

Agent 分解目标、制定行动计划的推理机制。主流方法：

● ReAct（Reason + Act）：交替输出推理过程（Thought）和动作（Action），最常用

● CoT（Chain of Thought）：逐步思考，适合数学/逻辑推理

● ToT（Tree of Thoughts）：探索多条路径，适合复杂决策

● Plan-and-Execute：先完整规划，再逐步执行，适合长任务

3. 记忆（Memory）

Agent 存储和检索信息的机制：

记忆类型

存储位置

特点

实现方式

短期记忆

上下文窗口

会话内可见，重启丢失

messages 列表

长期记忆

外部数据库

跨会话持久，需主动检索

向量数据库（Pinecone、Chroma）

工作记忆

中间变量

任务执行过程中的临时状态

LangGraph State

程序记忆

代码/提示词

固化的行为规则

System Prompt

4. 工具（Tools）

Agent 调用外部能力的接口。本质是将 Python 函数暴露给 LLM，LLM 决定何时调用、传什么参数。常见工具类型：搜索引擎、代码解释器、文件读写、数据库查询、HTTP API 请求。

 

Agent Loop：核心运行机制

Agent 的运行遵循一个固定循环，直到任务完成或达到最大步数：

 

用户输入
   ↓
LLM 推理（输出 Thought + Action 或 Final Answer）
   ↓
是否调用工具？
   ├── 是 → 执行工具 → 获取 Observation → 回到 LLM 推理
   └── 否 → 输出 Final Answer → 结束

这就是 ReAct 框架的核心。每一轮循环，LLM 接收的 messages 包含：系统提示 + 历史对话 + 所有工具调用记录 + 最新 Observation。

 

最小可运行 Agent（从零手写）

不依赖任何框架，用 Python + OpenAI API 实现一个完整 Agent：

 

from openai import OpenAI
import json
 
client = OpenAI(
    api_key="你的API_KEY",
    base_url="https://api.openai.com/v1"  # 或兼容 OpenAI 格式的其他服务地址
)
 
# ① 定义工具
def get_weather(city: str) -> str:
    """模拟天气查询"""
    return f"{city}今天晴，气温 22°C"
 
def calculate(expression: str) -> str:
    """安全计算数学表达式"""
    try:
        return str(eval(expression))
    except Exception as e:
        return f"计算错误: {e}"
 
# ② 工具注册（生成 JSON Schema，供 LLM 理解）
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "查询指定城市的天气",
            "parameters": {
                "type": "object",
                "properties": {"city": {"type": "string", "description": "城市名"}},
                "required": ["city"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "calculate",
            "description": "计算数学表达式",
            "parameters": {
                "type": "object",
                "properties": {"expression": {"type": "string"}},
                "required": ["expression"]
            }
        }
    }
]
 
# ③ 工具分发映射
tool_map = {"get_weather": get_weather, "calculate": calculate}
 
# ④ Agent 主循环
def run_agent(user_input: str, max_steps: int = 10):
    messages = [
        {"role": "system", "content": "你是一个助手，可以查天气和做计算。"},
        {"role": "user", "content": user_input}
    ]
 
    for step in range(max_steps):
        response = client.chat.completions.create(
            model="gpt-4o",
            messages=messages,
            tools=tools,
            tool_choice="auto"
        )
        msg = response.choices[0].message
 
        # 无工具调用 → 任务完成
        if not msg.tool_calls:
            print(f"最终回答：{msg.content}")
            return msg.content
 
        # 有工具调用 → 执行并回传结果
        messages.append(msg)
        for tc in msg.tool_calls:
            fn_name = tc.function.name
            fn_args = json.loads(tc.function.arguments)
            result = tool_map[fn_name](**fn_args)
            print(f"[工具] {fn_name}({fn_args}) → {result}")
            messages.append({
                "role": "tool",
                "tool_call_id": tc.id,
                "content": result
            })
 
    return "达到最大步数，任务未完成"
 
# 运行
run_agent("北京今天适合穿什么？另外 128 * 37 等于多少？")

关键设计点：

● tool_map 将工具名映射到实际函数，避免 eval 动态调用的安全风险

● 每次工具调用结果以 role: tool 格式追加到 messages，LLM 下一轮能看到

● max_steps 防止死循环，生产环境建议设为 15-20

 

用 OpenAI Agents SDK 构建（生产推荐）

OpenAI Agents SDK 是 Swarm 的生产级升级，2025 年发布，更简洁：

 

from agents import Agent, Runner, function_tool
 
@function_tool
def search_web(query: str) -> str:
    """搜索互联网获取最新信息"""
    # 接入真实搜索 API
    return f"搜索 '{query}' 的结果：..."
 
@function_tool
def run_code(code: str) -> str:
    """在沙箱中执行 Python 代码"""
    # 接入代码执行环境
    return f"执行结果：..."
 
# 创建 Agent
agent = Agent(
    name="研究助手",
    instructions="你是一个研究助手，能搜索信息并执行代码验证结论。",
    tools=[search_web, run_code]
)
 
# 运行
result = Runner.run_sync(agent, "分析 2025 年 AI Agent 框架的发展趋势")
print(result.final_output)

SDK 内置了 Agent Loop、自动 Schema 生成、追踪可视化，省去手写循环的工作。

 

框架选型指南

框架

适用场景

学习曲线

特点

裸实现（推荐入门）

学习原理、简单任务

低

完全理解底层机制

OpenAI Agents SDK

快速生产、多 Agent

低

轻量，handoffs 机制优秀

LangGraph

复杂状态机、长任务

高

图结构编排，持久化强

LangChain

RAG + Agent 混合

中

生态最全，抽象层多

AutoGen（微软）

多 Agent 对话协作

中

对话驱动，适合模拟场景

选型建议：

● 第一次构建 → 先裸实现，理解 Agent Loop

● 需要上生产 → OpenAI Agents SDK 或 LangGraph

● 任务有明确状态流转 → LangGraph

● 主要是 RAG 增强 → LangChain

 

记忆系统实战

短期记忆：直接用 messages 列表

 

# 多轮对话直接在 messages 中追加，自动形成短期记忆
messages = [{"role": "system", "content": "你是助手"}]
messages.append({"role": "user", "content": "我叫小明"})
# ... LLM 回复 ...
messages.append({"role": "user", "content": "我叫什么？"})
# LLM 可从上下文找到答案

长期记忆：向量数据库检索

 

from chromadb import Client
 
db = Client()
collection = db.get_or_create_collection("agent_memory")
 
# 存储记忆
collection.add(
    documents=["用户偏好：喜欢简短回答"],
    ids=["pref_001"]
)
 
# 检索相关记忆（在构建 System Prompt 前调用）
results = collection.query(query_texts=["用户风格"], n_results=3)
relevant_memory = "\n".join(results["documents"][0])

七牛云 AI 推理服务内置的 MCP（Model Context Protocol）支持标准化记忆编排，开发者无需本地部署向量库即可构建带长期记忆的 Agent 应用。

 

多 Agent 协作设计

当单个 Agent 能力边界不足以完成复杂任务时，引入多 Agent 协作。主流两种模式：

模式一：分层调度（Orchestrator + Workers）

 

用户输入
    ↓
调度 Agent（Orchestrator）
    ├── 研究 Agent（负责搜索信息）
    ├── 代码 Agent（负责执行计算）
    └── 写作 Agent（负责生成报告）

OpenAI Agents SDK 通过 handoffs 机制实现：调度 Agent 在合适时机将控制权移交给专门 Agent，各 Agent 有独立的工具集和系统提示。

模式二：流水线（Pipeline）

每个 Agent 处理一个阶段，输出作为下个 Agent 的输入。适合数据处理、内容生产等有明确顺序的场景。

七牛云 2025 年实践案例中，多智能体采用分层设计：规划层（DeepSeek-R1 擅长推理规划）+ 执行层（DeepSeek-V3 支持函数调用），通过职责分离规避单一模型在推理与工具调用上的能力权衡问题。

 

调试与追踪

Agent 调试的核心难点是"看不见中间过程"，建议从第一行代码就加上追踪：

 

# 方法一：打印每步 messages（简单有效）
for msg in messages:
    print(f"[{msg['role']}] {str(msg.get('content', ''))[:100]}")
 
# 方法二：OpenAI Agents SDK 内置追踪
# 运行后自动在 platform.openai.com/traces 生成可视化时间线
 
# 方法三：LangSmith（LangGraph 生态）
# 设置环境变量后自动追踪每个节点的输入输出
import os
os.environ["LANGCHAIN_TRACING_V2"] = "true"
os.environ["LANGCHAIN_API_KEY"] = "你的key"

 

常见问题

Q：Agent 和 RAG 是什么关系？

RAG（检索增强生成）是一种为 LLM 补充外部知识的技术，本质上是一种"工具"。Agent 可以将 RAG 作为其众多工具之一——当需要查询知识库时调用 RAG，当需要执行代码时调用代码解释器。RAG 回答单次问题，Agent 完成多步任务。Q：构建 Agent 一定要用 GPT-4 吗？成本很高？

不必。工具调用能力（Function Calling）是选择模型的核心指标。DeepSeek-V3、Kimi K2、Claude 3.5 Haiku、Qwen2.5-72B 均支持工具调用，成本远低于 GPT-4o。建议先用小模型验证逻辑，上线前再评估模型效果和成本的平衡点。Q：Agent 执行过程中出错了怎么办？

生产级 Agent 需要实现：① 工具调用异常捕获并返回错误信息给 LLM；② max_retries 对同一工具失败后重试逻辑；③ 超时熔断，避免单步卡死整个流程；④ 检查点（Checkpoint）支持，LangGraph 内置此能力。

Q：Agent 会不会无限循环消耗 Token？

务必设置 max_steps 上限。此外，可在 System Prompt 中明确指示：“如果连续两步没有进展，输出 Final Answer 结束任务”。OpenAI Agents SDK 和 LangGraph 都提供了内置的循环终止机制。

Q：个人开发者适合用 Agent 做什么？

当前最有价值的个人 Agent 场景：① 自动化重复信息收集（竞品监控、新闻摘要）；② 本地文件/邮件智能处理；③ 代码审查和自动修复；④ 个人知识库问答（结合 RAG）。这些场景任务边界清晰、工具需求明确，是 Agent 落地成本最低的切入点。

总结

构建 AI Agent 的核心路径是：理解四大模块（感知/规划/记忆/工具）→ 手写最小 Agent 理解 ReAct 循环 → 选择合适框架上生产 → 逐步扩展工具集和记忆系统。Agent 工程的本质不是框架选择，而是对任务边界的清晰定义和对工具调用失败的鲁棒处理。

延伸资源：

● 七牛云 Agent 实战指南（DeepSeek + OpenAI SDK 构建多 Agent）：Agentic AI 干货！DeepSeek + OpenAI SDK 构建 Agent 实战_最佳实践_AI 大模型推理 - 七牛开发者中心

● 多模型 API 对比（Function Calling 支持情况）：AI 大模型广场 - 七牛云

本文内容基于 2026 年 3 月 OpenAI Agents SDK、LangGraph、DeepSeek 最新版本，框架 API 更新较快，建议对照各官方文档最新版本使用。