ChatGPT 你问它答，Agent 是你给它目标，它自己想办法完成。这是 2025~2026 年 AI 领域最重要的范式转变。

聊天 vs Agent

聊天模式:
  你 → "北京今天天气怎么样？"
  AI → "北京今天晴，25°C。"（从训练知识里猜的，可能过时）

Agent 模式:
  你 → "查一下北京今天天气，如果下雨提醒我带伞"
  AI → 调用天气 API → 获取实时数据 → 判断 → 回复 "今天晴，不用带伞"
       （或者：调用日历 API → 创建提醒）

核心区别：Agent 能调用外部工具，不再只靠模型内部的「记忆」。

Agent 的工作循环

大多数 Agent 遵循同一个模式：

        ┌──────────┐
        │  接收目标  │
        └────┬─────┘
             ↓
        ┌──────────┐
   ┌───→│  思考规划  │  LLM 决定下一步做什么
   │    └────┬─────┘
   │         ↓
   │    ┌──────────┐
   │    │  调用工具  │  搜索 / 写代码 / 调 API / 读文件
   │    └────┬─────┘
   │         ↓
   │    ┌──────────┐
   │    │  观察结果  │  工具返回了什么？
   │    └────┬─────┘
   │         ↓
   │    完成了吗？
   │    否 ──┘
   │    是 ↓
   └─ 输出最终结果

这个循环叫 ReAct（Reasoning + Acting），是 Agent 的基础架构。

工具有哪些

Agent 的能力取决于你给它什么工具：

工具类型例子用途
搜索Google、Bing API获取实时信息
代码执行Python 解释器、Shell计算、数据处理
文件操作读写文件、Git代码开发（Cursor 的核心）
API 调用天气、邮件、数据库连接业务系统
浏览器打开网页、点击、填表自动化网页操作

Cursor 本质上就是一个 Agent：你给它「修这个 bug」，它自己读代码、改文件、跑测试。

MCP：工具的标准化接口

以前每个 AI 产品都要单独对接每种工具。MCP（Model Context Protocol）试图统一这个接口：

AI 模型 ←→ MCP 协议 ←→ 各种工具（数据库、Git、Slack、文件系统……）

就像 USB 统一了硬件接口，MCP 想统一 AI 和工具之间的接口。目前还在早期，但方向清晰。

Agent 的实际局限

别被 demo 忽悠，Agent 目前的问题很真实：

  • 循环失控：Agent 陷入重复操作，越跑越远（需要设置最大步数）
  • 工具调用错误：调错了 API、参数传错、权限过大
  • 成本不可控：一个复杂任务可能循环 20 次，Token 费用飙升
  • 可靠性：简单任务 80% 成功率，复杂任务可能 50% 以下

工程经验：先用 Agent 做窄场景（比如「只读代码仓库做 code review」），别一上来就「什么都能干的通用 Agent」。

和 RAG 的关系

Agent 和 RAG 不是二选一，经常一起用：

用户提问 → Agent 决定策略
  → 需要查文档？调用 RAG 检索
  → 需要实时数据？调用 API
  → 需要计算？执行代码
  → 综合所有结果 → 生成回答

小结

Agent = LLM + 工具 + 循环决策。它让 AI 从「只会说」变成「能执行」。理解这个循环，你就理解了 Cursor、Devin、Copilot Workspace 等产品在做什么。

下一篇：微调、RAG、长上下文——三种让模型「更懂你」的方式，怎么选？