AI Agent 工作原理

前面我们已经介绍了 AI Agent 的基本概念和核心组件。接下来看看这些组件是如何协同工作的，以及如何使用 Python 实现一个简单的 Agent。

传统的大语言模型（LLM）主要根据输入的上下文生成回答。如果没有连接外部工具，它通常无法直接读取本地文件、查询实时数据或操作其他软件。

AI Agent 则在模型基础上结合工具调用、任务状态管理和执行控制，使程序能够根据目标执行多个操作步骤，并利用执行结果决定下一步做什么。

例如，用户提出"读取 Excel 文件，统计销售额并生成图表"。Agent 可以读取文件、调用 Python 处理数据、生成图表，最后将结果保存到指定目录。

AI Agent 的关键在于：模型负责决策，工具负责执行，程序根据执行反馈持续推进任务。

AI Agent 的基本组成

一个典型的 LLM Agent 通常包含模型、工具和任务状态管理等部分。

其中，模型通常负责生成决策，工具负责与外部环境交互，执行程序则负责组织整个任务流程。

对于简单任务，Agent 可能不需要复杂的规划系统或长期记忆；对于多步骤任务，则需要保存任务状态，以便根据执行结果继续工作。

AI Agent 的类型

Agent 并不都是通过大语言模型实现的。在人工智能研究中，智能体可以根据决策机制和系统架构分为不同类型。

上述类型并不完全互斥。例如，一个目标导向 Agent 也可以具有学习能力，多智能体系统中的每个 Agent 也可以采用不同的决策机制。

目前常见的 LLM Agent，通常围绕用户目标，利用大语言模型选择工具、处理反馈并执行任务。

AI Agent 的执行流程

理解 Agent 工作原理，最重要的是理解它的执行循环（Agent Loop）。

一种常见的实现方式是 ReAct（Reasoning and Acting），即将推理和行动结合起来。

Agent 不一定一次完成所有决策，而是可以根据工具执行结果，持续判断下一步应该做什么。

基本过程如下：

用户输入任务
    ↓
模型分析当前任务
    ↓
选择工具并生成参数
    ↓
执行程序调用工具
    ↓
获取工具返回结果
    ↓
模型判断任务是否完成
    ├── 未完成：继续调用工具
    └── 已完成：输出最终结果

例如，用户要求"查找某个 Python 库的最新版本，并生成安装命令"。

1. Agent 判断需要查询软件包版本。
2. 调用软件包信息查询工具。
3. 获取版本号和相关信息。
4. 根据查询结果生成安装命令。
5. 检查结果是否满足要求，然后向用户返回。

如果查询失败，Agent 可以根据错误信息重试，也可以选择停止任务并报告失败原因。

需要注意，ReAct 只是 Agent 的一种执行模式。实际系统也可以使用预定义工作流、任务规划器或其他编排机制。

一次完整的工具调用过程

假设用户提出以下任务：

帮我计算商品总价，单价 89 元，购买 6 件，再减去 30 元优惠券。

Agent 可以按照下面的方式处理：

第一步：理解任务

模型识别出单价、数量和优惠金额，判断需要执行数值计算。

第二步：选择工具

假设系统提供了名为 calculate_total 的计算工具，模型可以生成以下参数：

{
    "price": 89,
    "quantity": 6,
    "discount": 30
}

第三步：执行工具

Agent 的执行程序接收参数，调用实际的 Python 函数：

def calculate_total(price, quantity, discount):
    return price * quantity - discount

第四步：获取结果

工具返回：

504

第五步：生成回答

模型根据工具返回的结果，向用户说明：

商品总价为 89 × 6 = 534 元，减去 30 元优惠券后，实际需要支付 504 元。

这个过程展示了 Agent 中模型与工具的分工：模型负责理解任务和选择操作，执行程序调用函数，工具计算结果，最后再由模型整理回答。

Python 中实现 AI Agent

下面使用 Python 实现一个简单的 Agent 工作流程。

为了方便初学者理解，我们先使用普通 Python 函数分别模拟感知、决策、行动和记忆模块，再将它们组合成一个可以运行的程序。

注意：下面的基础示例使用关键词匹配进行决策，没有连接真正的大语言模型，因此属于 Agent 工作流程的教学模拟，而不是完整的 LLM Agent。

1、感知模块

感知模块负责获取外部输入。

在命令行程序中，最简单的感知方式就是使用 Python 的 input() 函数读取用户输入。

执行程序后，假设输入：

请输入指令：计算 10 + 5
收到指令： 计算 10 + 5

这里的感知模块只处理文本输入。对于其他 Agent，还可以通过 API 获取数据、读取文件或者使用多模态模型处理图片和音频。

2、决策模块

决策模块负责分析输入，决定执行什么操作。

真实的 LLM Agent 通常利用模型进行任务理解和工具选择。这里先通过关键词判断模拟这一过程。

执行结果：

决策结果： calculator

该示例只负责识别任务类型，并没有理解完整的数学表达式。

在实际 Agent 系统中，模型可以根据工具说明和用户指令，生成更具体的操作参数。

3、工具与行动模块

行动模块负责执行决策模块选择的操作。

工具可以是普通 Python 函数，也可以是外部 API、数据库接口或代码执行环境。

下面定义一个简单的计算器工具，支持加、减、乘、除运算。

执行结果：

计算结果： 15

在这个例子中，calculator() 就是一个工具。Agent 可以根据任务需要调用它，并使用其返回结果。

相比直接使用 eval()，这种明确指定运算符的方式更容易限制允许执行的操作。

对于更复杂的计算器，可以使用 Python 的 ast 模块解析受限制的数学表达式，但不应该直接使用 eval() 执行不可信的用户输入。

4、记忆模块

记忆模块用于保存对话历史、任务状态以及工具调用结果。

对于简单的命令行 Agent，可以使用 Python 列表保存当前会话内容。

执行结果：

user : 计算 3 + 5
assistant : 计算结果：8
user : 再乘以 2
assistant : 计算结果：16

这里的历史记录是预先写入的示例数据，仅用于演示保存方式，并不表示程序已经能够理解"再乘以 2"这样的上下文指令。

如果需要让 Agent 真正利用对话历史作出决策，可以将相关历史信息传递给模型，或者在执行程序中维护明确的任务状态。

对于需要跨会话保存的数据，可以进一步使用 SQLite、Redis 或其他数据库。

实践练习：创建一个简单的命令行 Agent

前面分别实现了输入读取、任务判断、工具执行和历史记录。接下来将这些功能组合成一个可以持续运行的命令行程序。

这个程序包含以下功能：

• 支持连续输入指令。
• 根据关键词选择天气或计算工具。
• 支持加、减、乘、除运算。
• 记录本次会话历史。
• 输入"退出"后结束程序。

为了方便测试，天气查询使用固定的模拟数据，不会调用真实的天气 API。

计算器使用正则表达式解析简单算式，不执行任意 Python 代码。

将以上代码保存为 simple_agent.py，然后在终端执行：

python simple_agent.py

也可以使用：

python3 simple_agent.py

程序运行示例：

简单 Agent 已启动
支持天气查询、算术计算
输入“退出”结束程序

您：北京天气
Agent： 北京天气：晴，25℃（模拟数据）

您：计算 10 + 5
Agent： 计算结果：15

您：计算 20 / 4
Agent： 计算结果：5

您：退出
Agent：再见！

本次对话历史：
user：北京天气
assistant：北京天气：晴，25℃（模拟数据）
user：计算 10 + 5
assistant：计算结果：15
user：计算 20 / 4
assistant：计算结果：5

程序说明：

• perceive()：读取用户输入。
• make_decision()：根据输入识别任务类型。
• get_weather()：返回预先定义的模拟天气数据。
• calculator()：解析并执行简单算术运算。
• execute_action()：根据决策调用对应工具。
• save_history()：保存用户消息和程序回复。
• run_agent()：负责组织整个执行循环。

这个程序不依赖第三方 Python 库，使用 Python 3 即可运行。

需要注意，程序的决策逻辑仍然是固定的关键词匹配，因此无法像真正的大语言模型一样理解复杂语义，也不会根据历史对话自动进行多步骤推理。

它的主要目的是展示 Agent 中输入、决策、工具调用、状态保存和执行循环之间的关系。

如何将它升级为真正的 LLM Agent？

上面的程序已经具备基本的执行框架，但最重要的决策模块仍由固定规则实现。

如果要让程序具备大语言模型驱动的任务理解与工具选择能力，可以将关键词匹配替换为 LLM 的工具调用机制。

基本步骤如下：

1. 选择一个支持工具调用的大语言模型。
2. 定义可以调用的工具及参数。
3. 将用户任务和工具定义发送给模型。
4. 读取模型返回的工具调用请求。
5. 验证参数并执行对应的 Python 函数。
6. 将工具结果返回给模型，继续下一轮处理。
7. 任务完成后，输出最终结果。

例如，在基础示例中，工具选择是通过以下代码完成的：

if "天气" in message:
    return "weather"

如果接入支持 Function Calling 的大语言模型，就可以让模型根据用户指令及工具说明，判断是否需要调用 get_weather，并生成相关参数。

这样就不再需要为每一种自然语言表达单独编写关键词判断规则。

不过，实际开发仍需要限制工具权限、验证参数、处理调用错误，并设置执行次数和运行时间限制。

常见开发方式

开发 LLM Agent 时，可以选择直接调用模型 API，也可以使用 Agent 开发框架。

对于初学者，建议先理解 Python 函数调用、JSON 数据、API 请求和任务循环，再逐步学习框架。

这样更容易理解 Agent 的实际执行过程，也方便排查工具调用失败、状态管理错误等问题。

总结

AI Agent 的工作原理可以概括为：接收任务、分析任务、选择工具、执行操作、读取反馈，并根据结果决定是否继续执行。

一个典型的 LLM Agent 通常包含以下几个关键部分：

• 大语言模型：理解任务并生成决策。
• 工具：执行具体操作并返回结果。
• 状态与记忆：保存任务上下文和执行进度。
• 执行循环：组织模型调用、工具执行和结果检查。

本文通过 Python 实现了一个简单的命令行 Agent 流程模拟，展示了这些模块如何协同工作。

下一步可以尝试连接真正的大语言模型 API，让模型自主选择工具，再逐步加入文件处理、数据库查询和多步骤任务规划等能力。

开发 Agent 时，不仅要关注模型能否正确理解任务，还需要考虑工具执行是否可靠、权限是否合理，以及如何判断任务已经完成。

更多资料可以参考：

• ReAct：结合推理与行动的语言模型研究
• LangChain 官方文档
• Microsoft Agent Framework 文档