《Agent设计模式》 学习笔记

什么是设计模式

设计模式是解决软件设计中常见问题的可重用方案，类似于建筑领域的蓝图。它们不是具体的代码，而是经过验证的最佳实践，帮助开发者更高效地设计灵活、可维护的程序。

观察者模式（Observer）
当一个对象的状态变化时，自动通知依赖它的其他对象。例如，天气预报系统在数据更新时通知所有订阅的用户界面。

单例模式（Singleton）
确保一个类只有一个实例，并提供全局访问点。例如，数据库连接池通常只需要一个实例来管理所有连接。

智能体的设计模式指的是在智能体设计中，被总结出的行之有效的架构，可以为我们的智能体设计提供参考和范例

Agentic AI的感知 推理和行动循环

感知 智能体接收信息
推理 智能体规划行为
行动 智能体调用工具

感知的理解

智能体收集信息，在这个过程中，智能体具有一定的自主性，和普通的对象不同，智能体感知的过程是主动的

推理

推理包含四个关键层次
■ 情境理解（Situation Awareness）。Agent 需要回答：“当前到底发生了什么？” 它会将感知到的信息与长期记忆和短期上下文相结合，构建出一个清晰的“任务场景”。
■ 经验检索（Memory Retrieval）。Agent 会自问：“我是否曾遇到过类似的问题？” 这是推理过程中的重要加速器。大多数高性能模型（如 OpenAI o1、DeepSeek-R1）依赖策略性记忆检索，以避免重复犯错。
■ 心智模拟（Mental Simulation）。Agent 不会立即采取行动，而是先在“脑海中”进行预演：如果调用这个 API，会发生什么？如果读取该文件，能获得哪些信息？如果执行删除操作，是否会引发风险？推理的关键不仅在于逻辑本身，更在于其模拟能力。
■ 决策与信心（Decision and Confidence）。Agent 会对候选行动进行价值评估：哪个最符合用户目标？哪个最安全？哪个成本最低？同时还会判断：“我对这个选择有多确定？” Agent 的本质不是“计算出唯一结果”，而是“通过思考进行权衡并作出决定”。

行动

改变环境，同时接受反馈
并非原子行动，而是执行-验证-纠偏的过程

动态交互中涌现出来的智能

感知，推理和行动首尾相连的时候，智能体能够感知世界，与外界发生交互，同时收集反馈，以记忆的形式迭代，这就实现了一种智能

MCP与A2A

MCP (Model Context Protocol)就像给智能体装上了一个标准化的 USB-C 接口。只要外部的工具（比如本地文件、数据库、各类API）也遵循这个接口标准，AI 就能像插上 U 盘一样，即插即用，安全地读取数据或执行操作。
A2A 的核心逻辑非常工程化，主要靠这三样东西：
智能体名片（Agent Card）： 每个 Agent 都会发一张标准的“电子名片”，上面写着自己叫什么、会什么技能、怎么联系。其他 Agent 一看名片就知道能不能找它合作。
标准消息（Message）： 大家用统一的格式（基于 JSON-RPC 2.0）发消息，确保谁都能看懂。
任务生命周期（Task）： 从“任务提交”到“正在处理”再到“完成”或“失败”，有一套标准的流程规范，方便跨平台的 Agent 协同干活。