这是"从 LLM 到 Agent Skill"系列的第七篇。前面六篇，我们逐步搭建起了完整的 AI 能力栈：LLM 引擎 → Token 编码 → Context 记忆 → Prompt 指令 → Tool 工具 → MCP 协议标准。现在，我们要把这些积木全部组装起来，搭建一个"能自己干活"的系统——Agent（智能体）。

---

一、从"问答机器"到"自主干活的系统"

到目前为止，我们描述的 LLM 使用方式基本是：

用户提问 → 模型回答
用户再提问 → 模型再回答
……

这种模式下，模型是被动的。它等着你问，问一句答一句。

但如果用户的需求是复杂的呢？

"帮我规划下周去上海的出差行程，包括订合适的机票、查看那几天的天气、在到达当天下午找一个离机场近的咖啡厅方便我见客户。"

这不是一个"一问一答"能解决的问题。它需要：

1. 查日历确定出行日期

2. 搜索合适的航班

3. 查询那几天的天气

4. 搜索机场附近的咖啡厅

5. 综合所有信息，输出一份行程规划

Agent 就是干这个的。

---

二、Agent 是什么？

Agent（智能体）是一个能够自主规划、自主决策、自主调用工具、持续迭代执行，直至完成复杂用户任务的 AI 系统。

拆解一下这四个"自主"：

能力	说明
自主规划	把复杂任务拆解为多个子步骤
自主决策	根据每一步的中间结果，判断下一步该做什么
自主调用工具	根据当前需要，自行选择并调用合适的工具
持续迭代	循环执行"思考 → 行动 → 观察 → 再思考"，直到任务完成

---

三、Agent = LLM + 工具 + 循环

用最简单的公式来表达 Agent：

Agent = LLM + Tool + Loop（循环）

3.1 核心循环：Think → Act → Observe

Agent 的工作模式是一个经典的循环：

        ┌──────────────────────────────────┐
        │                                  │
        ▼                                  │
┌──────────────┐                            │
│   Think      │                            │
│   思考下一步  │                            │
└──────┬───────┘                            │
       │                                    │
       ▼                                    │
┌──────────────┐                            │
│   Act        │                            │
│   调用工具    │                            │
└──────┬───────┘                            │
       │                                    │
       ▼                                    │
┌──────────────┐                            │
│   Observe    │                            │
│   观察结果    │                            │
└──────┬───────┘                            │
       │                                    │
       │  任务未完成                         │
       └────────────────────────────────────┘
       │
       │  任务完成
       ▼
   输出最终答案

每一步，模型都在做同样的决策："我离目标还有多远？下一步该做什么？该用哪个工具？"

---

四、Agent 的实际工作过程

让我们用"查天气并找雨伞店"这个经典例子，看 Agent 是怎么工作的。

任务：用户问"今天北京天气如何？如果下雨，帮我找一家附近的雨伞店。"

第 1 轮

Think   → "用户想知道北京天气。我需要调用天气工具。"
Act     → 调用 get_weather("北京")
Observe → 返回结果："北京今天小雨，18°C"

第 2 轮

Think   → "天气是小雨，用户可能需要雨伞。我需要搜索北京附近的雨伞店。"
Act     → 调用 search_places("雨伞店", "北京")
Observe → 返回结果："天天伞店（王府井大街12号）、好伞坊（三里屯3号楼）"

第 3 轮

Think   → "找到了两家雨伞店。我的任务完成了，整合信息回复用户。"
Act     → （无需调用工具，直接生成回答）
输出    → "北京今天有小雨，气温18°C，出门记得带伞。
          附近有两家雨伞店：天天伞店（王府井大街12号）、好伞坊（三里屯3号楼）。"

注意：Agent 用了 3 个轮次才完成任务，而不是一次调用。每一轮都在思考、行动、观察。这就是 Agent 和普通 LLM 调用的本质区别。

---

五、Agent 和普通 LLM 调用的对比

	普通 LLM 调用	Agent
任务复杂度	单轮问答	多步骤复杂任务
工具调用	被动等待指令	自主选择和使用
执行方式	一问一答，一次完成	多轮循环，迭代执行
规划能力	无	自主拆解任务
停止条件	输出完即止	判断任务完成后才停止
错误处理	没有	观察到失败后可以换策略重试

---

六、Agent 的工程实现模式

在实际开发中，Agent 通常按以下模式实现：

def agent_loop(user_task):
    context = build_context(user_task, tools_list)
​
    while not task_complete:
        response = llm.chat(context)  # Think
​
        if response.has_tool_call:
            result = execute_tool(response.tool_call)  # Act
            context.append(result)                       # Observe
        else:
            return response.text  # 任务完成，输出答案

核心就是：

1. 把"思考"交给 LLM

2. 把"行动"交给平台（执行工具）

3. 把"观察"（工具结果）追加回 Context

4. 循环，直到模型认为任务完成

---

七、Agent 的挑战

Agent 很强大，但并不完美。以下是当前 Agent 面临的核心挑战：

7.1 幻觉与错误传导

Agent 的每一次"思考"都可能出错。如果某一步调了错误的工具或填了错误的参数，后续步骤会在错误的基础上继续，导致"一步错，步步错"。

7.2 无限循环

如果 Agent 的停止条件设置不当，它可能在"Think → Act → Observe"中无限循环，永远找不到"任务完成"的时刻。

7.3 Token 消耗

Agent 的多轮循环意味着每一轮的 Context 都在增长。复杂任务可能消耗几十甚至上百轮，Token 用量——费用——直线上升。

7.4 安全性

Agent 能自主调用工具，意味着它能自主操作你的文件、数据库、外部服务。权限控制稍有疏漏，后果可能很严重。

---

八、总结

1. Agent 是"能自己干活"的 AI 系统——自主规划、决策、调用工具、持续迭代。

2. Agent 的核心是 Think → Act → Observe 循环，模型多轮迭代直到任务完成。

3. Agent 面临幻觉传导、无限循环、Token 消耗和安全性的挑战，这些是工程实践的关注重点。

下一篇，也就是本系列的最后一篇，我们来聊聊 Agent 的"说明书"——Agent Skill。看看怎么为 Agent 预设工作流程，让它在特定场景下表现得更专业、更可靠。

---

本系列文章：

1. LLM 大语言模型

2. Token 与 Tokenizer

3. Context 与 Context Window

4. Prompt 提示词

5. Tool 工具调用

6. MCP 模型上下文协议

7. Agent 智能体 ← 你在这里

8. Agent Skill（待发布）