一文搞懂 AI Agent：从概念、原理到你的第一个可运行 Demo（入门篇）

适合人群：刚接触 AI Agent 的开发者 / 想系统理解 Agent 的产品与技术人员

---

📌 为什么人人都在聊 Agent？

如果你关注 AI 圈，会发现 Agent 这个词出现的频率高得吓人：OpenAI 发布 Agent SDK、Anthropic 提出 MCP 协议、各大厂都在推"智能体平台"。

但很多人对 Agent 的理解仍然模糊——它和 ChatGPT 有什么区别？和 RAG 是什么关系？为什么说它是"大模型的下一个形态"？

这篇文章会用最直白的方式，把 AI Agent 讲透，并带你写出第一个真正可运行的 Agent 代码。看完你会明白：Agent 不是玄学，它就是"会自己动脑、会自己动手的大模型"。

---

一、什么是 AI Agent？

1.1 一句话理解

AI Agent（智能体）= 大语言模型（大脑）+ 工具（手脚）+ 目标（使命）。

传统 ChatGPT 是"你问一句，它答一句"的被动问答；而 Agent 是给它一个目标，它自己规划步骤、调用工具、检查结果、修正方向，直到把任务做完的主动执行者。

1.2 一个生活化的比喻

把 AI 比作一个员工：

• ChatBot：像客服接线员——你问什么它答什么，从不主动做事；
• RAG：像配了资料库的客服——答得更准，但还是被动回答；
• Agent：像真正的项目经理——你交代"把三季度报表做出来"，它会自己拆任务、查数据、写文档、检查格式，最后交付成品。

差别不在"聪明多少"，而在是否具备自主完成任务的能力。

---

二、Agent vs ChatBot vs RAG vs 工作流

这是面试和文章里最高频的对比，一张表说清：

维度	ChatBot（聊天机器人）	RAG（检索增强生成）	工作流 Workflow	AI Agent
驱动方式	单轮/多轮对话	对话 + 检索	预定义流程	目标驱动
是否自主规划	❌	❌	❌（流程写死）	✅
是否调用外部工具	❌	仅检索	按固定顺序	✅ 按需自主
能否动态调整	不能	不能	不能	✅ 能反思纠错
典型场景	闲聊、客服	私域知识问答	固定业务流水线	复杂任务自动执行

一句话记忆：RAG 是给模型"喂资料"，Agent 是给模型"派活"。

---

三、Agent 的四大核心要素

一个完整的 Agent，通常由四部分组成：

3.1 🧠 规划（Planning）

把大目标拆成小步骤。例如"帮我订三亚的行程"会被拆成：查机票 → 查酒店 → 排日程 → 生成清单。

常见规划方式：ReAct（边想边做）、Plan-and-Execute（先出完整计划再执行）、Reflexion（失败后自我反思重来）。

3.2 💾 记忆（Memory）

• 短期记忆：当前任务的上下文（对话历史、中间结果）；
• 长期记忆：跨任务的知识沉淀（用户偏好、历史经验），通常用向量数据库存储。

3.3 🛠️ 工具（Tools）

Agent 的"手脚"：搜索、调用 API、执行代码、读写数据库、发邮件……工具决定了 Agent 能做什么，也是本轮 AI Agent 浪潮的核心创新——让模型从"只会说"变成"会做"。

3.4 ⚡ 行动（Action）

把规划结果落地的过程：调用工具、获取反馈、判断是否完成，未完成则继续下一轮循环。

---

四、经典范式：ReAct（让 Agent 转起来的关键）

ReAct = Reasoning（推理）+ Acting（行动）交替进行。

它的循环本质上是：

用户目标
   ↓
模型思考（Thought）：我现在该做什么？
   ↓
模型行动（Action）：调用工具 / 查询资料
   ↓
观察结果（Observation）：拿到工具返回
   ↓
（回到思考，直到认为任务完成）
   ↓
最终回答（Final Answer）

💡 原理出处：论文《ReAct: Synergizing Reasoning and Acting in Language Models》(Yao et al.)。

---

五、Agent 生态一览：框架与平台怎么选？

类别	代表	特点	适合谁
编程框架	LangChain / LangGraph	生态最全，编排灵活	有开发能力的团队
多智能体框架	AutoGen / CrewAI	让多个 Agent 协作	需要角色分工的场景
官方 SDK	OpenAI Agent SDK	与 GPT 深度绑定，轻量	快速上手 OpenAI
低代码平台	Coze / Dify / 扣子	拖拽搭建，无需写码	非程序员 / 快速验证

选择建议：想学原理用 LangGraph，想快速落地用低代码平台，想深度定制自己写框架。

---

六、实战：写出你的第一个 Agent（附完整代码）

下面我们用 OpenAI 的 Function Calling（工具调用） 实现一个 Agent：它有一个"查天气"工具和一个"计算器"工具，用户一句话，Agent 自动决定调用哪个。

6.1 准备工作

pip install openai

并设置环境变量（或直接写进代码）：

set OPENAI_API_KEY=你的Key   # Windows
export OPENAI_API_KEY=你的Key  # macOS / Linux

6.2 完整代码

from openai import OpenAI
import json

client = OpenAI()  # 自动读取 OPENAI_API_KEY

# ---------- 工具 1：查天气 ----------
def get_weather(city: str) -> str:
    """模拟天气查询（真实项目可换成天气 API）"""
    table = {"北京": "晴 26°C", "上海": "多云 29°C", "深圳": "雷阵雨 31°C"}
    return table.get(city, f"暂无 {city} 的天气数据")

# ---------- 工具 2：计算器 ----------
def calculator(expr: str) -> str:
    """计算数学表达式（演示用，生产环境请勿直接使用 eval）"""
    return str(eval(expr))

# ---------- 向模型声明可用工具 ----------
TOOLS = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "查询指定城市的天气情况",
            "parameters": {
                "type": "object",
                "properties": {"city": {"type": "string", "description": "城市名，如：北京"}},
                "required": ["city"],
            },
        },
    },
    {
        "type": "function",
        "function": {
            "name": "calculator",
            "description": "计算数学表达式",
            "parameters": {
                "type": "object",
                "properties": {"expr": {"type": "string", "description": "数学表达式，如：23*47"}},
                "required": ["expr"],
            },
        },
    },
]

def run_agent(user_input: str) -> str:
    """Agent 主循环：思考 -> 调工具 -> 观察 -> 直到给出最终回答"""
    messages = [{"role": "user", "content": user_input}]

    for _ in range(10):  # 最多迭代 10 轮，防止死循环
        resp = client.chat.completions.create(
            model="gpt-4o-mini",
            messages=messages,
            tools=TOOLS,
        )
        msg = resp.choices[0].message

        # 模型没有要求调用工具 => 任务完成
        if not msg.tool_calls:
            return msg.content

        # 先把模型的"调用请求"加入对话历史
        messages.append(msg)

        # 逐个执行模型请求的工具调用
        for call in msg.tool_calls:
            name = call.function.name
            args = json.loads(call.function.arguments)
            print(f"🤖 Agent 调用工具：{name}{args}")

            if name == "get_weather":
                result = get_weather(args["city"])
            elif name == "calculator":
                result = calculator(args["expr"])
            else:
                result = "未知工具"

            # 把工具执行结果回传给模型
            messages.append({
                "role": "tool",
                "tool_call_id": call.id,
                "content": str(result),
            })

    return "已达最大迭代次数，任务未完成。"

if __name__ == "__main__":
    answer = run_agent("北京天气怎么样？顺便帮我算一下 23*47 等于多少")
    print(f"🤖 最终回答：{answer}")

6.3 运行效果

🤖 Agent 调用工具：{'city': '北京'}
🤖 Agent 调用工具：{'expr': '23*47'}
🤖 最终回答：北京天气晴朗，气温 26°C。
另外，23*47 的结果是 1081。

注意观察：我们全程没有告诉模型"先查天气再计算"，是 Agent 自己判断需要哪个工具、按什么顺序调用——这就是"自主性"最直观的体现。

6.4 两点安全提醒

1. eval 有代码注入风险，仅用于演示。生产环境请改用 ast.literal_eval 或专用解析库；
2. 真实项目中，工具函数需要做权限控制与入参校验。

---

七、Agent 能干什么？典型应用场景

• 🛒 电商导购：理解需求 → 搜索比价 → 推荐下单；
• 📊 数据分析：查库 → 生成图表 → 输出分析结论；
• 💻 编程助手：读代码 → 定位 bug → 改代码 → 跑测试；
• 📅 日程管理：读邮件 → 排日程 → 自动发送提醒；
• 🏥 医疗/政务：表单填写、材料初审、智能导办（我也在持续跟进这类落地案例）。

---

八、写给新手的三个建议

1. 先跑通一个 Demo，再研究原理：动手把上面的代码跑起来，比看十篇文章都有用；
2. 别一上来就上多 Agent：单体 Agent 都没跑稳，多个 Agent 协作只会放大混乱；
3. 把 Agent 当作"需要被管理的新员工"：好 Agent = 好工具 + 好指令 + 好流程，而不是模型越强越好。

---

九、常见误区 Q&A

1. “Agent 是不是就是套了提示词的高级 ChatBot？”
不全是。核心差别在"闭环"：ChatBot 只输出文字，而 Agent 能调用工具、拿到反馈、修正动作，形成完整的执行闭环——这是"会答"与"会做"的分水岭。

2. “做 Agent 是不是必须用 GPT？”
不是。只要模型支持 Function Calling / 工具调用（国产开源模型同样支持），都可以作为 Agent 的"大脑"。换模型只影响聪明程度，不改变 Agent 的运作机制。

3. “多 Agent 一定比单 Agent 强吗？”
不一定。任务简单时，单 Agent 更快、更省、更可控；只有任务复杂、需要不同角色专长协作时，多 Agent 的价值才体现出来。

---

✅ 总结

• Agent = 大脑（LLM）+ 手脚（工具）+ 使命（目标），核心是自主规划与执行；
• 和 ChatBot / RAG / 工作流的本质区别在于是否自主决策；
• 四大要素：规划、记忆、工具、行动；ReAct 是最核心的运转范式；
• 通过 Function Calling，十几行代码就能让模型"动手干活"。

📌 觉得有用就 点赞 + 收藏 + 关注，更多 AI Agent 干货持续输出。