从 LLM 到 Agent：Agent 的定义与本质
从 LLM 到 Agent：Agent 的定义与本质
有了 LLM 就够了吗？不够。
LLM 是大脑，Agent 是完整的个体——有大脑、有感官、有手、有记忆。
前言：为什么 LLM 不是 Agent？
2023 年，有人把 GPT-4 包装成一个"Agent"，然后发现它：
- 能做简单任务，但多步就不行了
- 能调用工具，但一个接一个调用就乱了
- 能记住上下文，但超过 10 轮对话就忘了
- 能推理，但需要规划时就不行了
LLM 不是 Agent。LLM 是 Agent 的大脑，但不是全部。
就像人类有大脑、眼睛、耳朵、手、脚、记忆——Agent 也需要这些组件，LLM 只是其中的"大脑"。
一、Agent 的定义
1.1 经典定义
Agent 是能够感知环境、做出决策、执行行动的实体。
从 AI 角度，一个 Agent 包含以下核心要素：
Agent = LLM（大脑） + 感知（输入） + 行动（工具） + 记忆（上下文） + 规划（推理）1.2 Agent 的三要素
学术界通常用"三要素"来定义 Agent：
1. 感知（Perception）：接收环境信息 2. 决策（Decision）：基于信息做出判断 3. 行动（Action）：执行具体操作 LLM Agent 的对应关系： 感知 → 用户输入、工具返回结果、上下文 决策 → LLM 推理、规划、选择 行动 → 工具调用、回复生成1.3 LLM Agent 的特殊性
传统 Agent（如强化学习 Agent）和 LLM Agent 有本质区别：
| 维度 | 传统 Agent | LLM Agent |
|---|---|---|
| 知识来源 | 从零学习 | 预训练知识 |
| 决策方式 | 策略网络 | 语言推理 |
| 行动空间 | 预定义 | 动态扩展（工具） |
| 记忆 | 神经网络状态 | 上下文窗口 + 外部存储 |
| 泛化能力 | 弱 | 强（通过语言泛化） |
LLM Agent 的最大优势：不需要从零训练，继承了 LLM 的泛化能力。
二、Agent 的核心组件
2.1 架构图
┌──────────────┐ │ 用户输入 │ └──────┬───────┘ │ ┌──────▼───────┐ │ 感知模块 │ ← 理解输入、提取意图 └──────┬───────┘ │ ┌──────▼───────┐ │ 推理模块 │ ← 推理、规划、决策 └──────┬───────┘ │ ┌────────────┼────────────┐ │ │ │ ┌─────▼────┐ ┌────▼─────┐ ┌────▼─────┐ │ 工具调用 │ │ 记忆管理 │ │ 回复生成 │ └─────┬────┘ └────┬─────┘ └────┬─────┘ │ │ │ └────────────┼────────────┘ │ ┌──────▼───────┐ │ 输出模块 │ └──────────────┘2.2 各组件职责
| 组件 | 职责 | 实现方式 |
|---|---|---|
| 感知模块 | 理解用户输入、提取意图 | LLM + 意图分类 |
| 推理模块 | 规划、推理、决策 | LLM + CoT/ToT |
| 工具模块 | 调用外部工具、获取信息 | Function Calling / MCP 协议 |
| 记忆模块 | 管理上下文、长期记忆 | 上下文窗口 + 外部存储 |
| 回复模块 | 生成最终输出 | LLM + 格式约束 |
2.3 最小 Agent 实现
classMinimalAgent:def__init__(self,llm,tools):self.llm=llm self.tools={t.name:tfortintools}self.memory=[]defrespond(self,user_input):# 1. 感知self.memory.append({"role":"user","content":user_input})# 2. 推理 + 决策response=self.llm.generate(system_prompt=self._build_system_prompt(),messages=self.memory,)# 3. 行动（如果有工具调用）whileself._has_tool_call(response):tool_result=self._execute_tool(response)self.memory.append({"role":"tool","content":tool_result})response=self.llm.generate(messages=self.memory)# 4. 输出self.memory.append({"role":"assistant","content":response})returnresponse三、LLM 到 Agent 的演化路径
3.1 三个阶段
阶段一：Chat Model（2022-2023） LLM 只是对话接口 输入 → 输出 能力：问答、对话 阶段二：Function Calling（2023-2024） LLM 可以调用工具 输入 → 调用工具 → 输出 能力：获取实时信息、执行操作 阶段三：Agent（2024-2026） LLM 自主规划、推理、执行 输入 → 推理 → 规划 → 多次工具调用 → 输出 能力：复杂任务、多步推理、自我纠错3.2 关键跨越
从 Function Calling 到 Agent 的跨越：
- 单步工具调用 → 多步工具链
- 被动响应 → 主动规划
- 无记忆 → 有记忆
- 一次性 → 持续循环
# Function Calling（单步）deffunction_calling(user_input):intent=classify(user_input)tool=select_tool(intent)result=tool.execute(user_input)returnresult# Agent（多步循环）defagent_loop(user_input):state={"input":user_input,"history":[],"result":None}whilenotdone:plan=llm.plan(state)forstepinplan:result=execute_step(step)state["history"].append(result)ifcheck_done(state):done=Truebreakreturnstate["result"]四、Agent 的分类
4.1 按自主性
简单反射 Agent：根据输入直接反应（如"天气查询"） ↓ 基于模型的 Agent：使用内部模型推理（如"代码助手"） ↓ 目标导向 Agent：根据目标规划行动（如"研究助手"） ↓ 效用导向 Agent：最大化某个效用函数（如"交易 Agent"） ↓ 学习 Agent：从经验中学习改进（如"个性化助手"）4.2 按能力
| 类型 | 能力 | 代表 | 复杂度 |
|---|---|---|---|
| 单步 Agent | 一次工具调用 | 简单客服 | 低 |
| 多步 Agent | 多次工具调用 | 研究助手 | 中 |
| 规划 Agent | 先规划再执行 | 项目管理 Agent | 高 |
| 反思 Agent | 自我评估和修正 | 代码 Agent | 高 |
| 协作 Agent | 多 Agent 协作 | 软件开发 Agent | 极高 |
4.3 按应用场景
agent_types={"客服Agent":{"tools":["search_kb","check_order","update_ticket"],"memory":"short_term","autonomy":"low",},"代码Agent":{"tools":["read_file","write_file","run_code","search_web"],"memory":"long_term","autonomy":"high",},"研究Agent":{"tools":["search_web","search_papers","analyze_data"],"memory":"session","autonomy":"medium",},"交易Agent":{"tools":["get_price","execute_trade","check_balance"],"memory":"long_term","autonomy":"high",},}五、Agent 的核心能力
5.1 能力图谱
┌───────────┐ │ 推理能力 │ └─────┬─────┘ │ ┌────────────┼────────────┐ │ │ │ ▼ ▼ ▼ 工具使用 记忆管理 规划能力 │ │ │ │ │ │ ▼ ▼ ▼ 安全控制 错误处理 学习适应5.2 能力评估
defassess_agent_capabilities(agent):"""评估 Agent 的核心能力"""assessments={"reasoning":test_reasoning(agent,["如果 A > B, B > C, 那么 A 和 C 的关系是什么？","帮我规划一个项目计划",]),"tool_use":test_tool_use(agent,["查询今天的天气","搜索 Python 教程，然后写一个 hello world",]),"memory":test_memory(agent,["记住我的名字是张三","我叫什么名字？",]),"planning":test_planning(agent,["帮我写一个研究计划","如何从零开始学习 Python？",]),}returnassessments六、Agent 的局限性
6.1 当前 Agent 的瓶颈
| 瓶颈 | 表现 | 根因 |
|---|---|---|
| 上下文限制 | 长对话效能下降 | Transformer 的 O(n²) 复杂度 |
| 工具可靠性 | 多步工具调用出错 | 模型对工具编排的理解不深 |
| 规划能力 | 规划不切实际 | 模型缺乏"执行成本"的认知 |
| 自我纠错 | 不会发现自己的错误 | 缺乏"反思"的训练 |
| 学习能力 | 不会从错误中学习 | 无持久化学习机制 |
6.2 Agent 不是万能的
Agent 擅长： - 有明确目标的任务 - 步骤可拆解的任务 - 有工具支持的任务 - 中等复杂度的任务 Agent 不擅长： - 需要长期持续学习的任务 - 需要创造性突破的任务 - 需要极高可靠性的任务 - 需要理解人类情感细微处七、2026 年 Agent 生态
7.1 主流框架对比
| 框架 | 语言 | 特点 | 适合场景 |
|---|---|---|---|
| LangGraph | Python | 状态机，灵活 | 复杂 Agent 流程 |
| CrewAI | Python | 多 Agent 协作，结构化自主 | 团队协作 |
| Microsoft Agent Framework | Python/C# | AutoGen 演进，企业级 | 企业生产 |
| OpenClaw | TypeScript | 生产级，多渠道集成 | 个人助手 |
| OpenAI Agents SDK | Python | 官方，简洁 | 快速原型 |
| Google ADK 2.0 | Python/TS | 代码优先，多语言 | 跨平台部署 |
7.2 Agent 开发的核心原则
- 从简单开始：先做出能用的最小 Agent，再增加复杂度
- 工具优先：Agent 的能力取决于它能用什么工具
- 可观测性：让 Agent 的决策过程可见
- 容错设计：假设 Agent 会出错，设计错误恢复
- 渐进式：给 Agent 的能力越多，越需要控制
总结
| 概念 | 一句话 |
|---|---|
| Agent | 能感知、决策、行动的 AI 实体 |
| LLM Agent | 以 LLM 为大脑的 Agent |
| 三要素 | 感知、决策、行动 |
| 核心组件 | 感知、推理、工具、记忆、输出 |
| 局限性 | 上下文、工具、规划、学习 |
Agent 不是 LLM 的"升级版"，而是 LLM 的"完整包装"。LLM 提供了大脑，Agent 框架提供了感知、行动、记忆等所有组件。
下一篇文章，我们将深入Agent 的三大范式——ReAct、Plan-and-Execute、Reflexion，以及它们各自的适用场景。
思考题：
- 你现在的 Agent 系统，实现了 Agent 三要素（感知、决策、行动）中的哪些？
- 从 Chat Model 到 Agent，最难跨越的瓶颈是什么？
- 如果你只能给 Agent 装 3 个工具，你会选哪 3 个？为什么？
上一篇：[22] RAG 在 Agent 中的角色
下一篇：[24] Agent 范式巡礼：ReAct、Plan-and-Execute、Reflexion