AI 代理是系统，通过赋予大型语言模型(LLMs)访问工具和知识来扩展其能力，从而使其能够执行操作。

让我们把这个定义拆分为更小的部分：

• 系统 - 重要的是不要仅将代理视为单一组件，而应视为由多个组件组成的系统。在基本层面，AI 代理的组件包括：
  • 环境 - AI 代理运行的定义空间。例如，如果我们有一个旅行预订 AI 代理，环境可以是该代理用于完成任务的旅行预订系统。
  • 传感器 - 环境具有信息并提供反馈。AI 代理使用传感器来收集并解释有关环境当前状态的信息。在旅行预订代理的例子中，预订系统可以提供诸如酒店可用性或航班价格之类的信息。
  • 执行器 - 一旦 AI 代理接收到环境的当前状态，针对当前任务，代理将确定要执行的操作以改变环境。对于旅行预订代理，可能的操作包括为用户预订可用房间。

大型语言模型 - 代理的概念在 LLMs 出现之前就已存在。使用 LLMs 构建 AI 代理的优点在于它们解释人类语言和数据的能力。这种能力使 LLMs 能够解释环境信息并制定改变环境的计划。

执行操作 - 在 AI 代理系统之外，LLMs 的能力通常局限于根据用户提示生成内容或信息。在 AI 代理系统内，LLMs 可以通过解释用户的请求并使用其环境中可用的工具来完成任务。

访问工具 - LLM 可以访问哪些工具由 1) 它所处的环境 和 2) AI 代理的开发者 决定。以我们的旅行代理为例，代理的工具受限于预订系统中可用的操作，或者开发者可以将代理的工具访问限制为仅航班相关。

记忆+知识 - 在用户与代理的对话上下文中，记忆可以是短期的。长期来看，除了环境提供的信息外，AI 代理还可以从其他系统、服务、工具甚至其他代理中检索知识。在旅行代理的例子中，这些知识可能是位于客户数据库中有关用户旅行偏好的信息。