导语

你是否想过，让大语言模型（LLM）不仅仅是一个聊天机器人，而是一个能独立思考、调用工具、完成复杂任务的“智能助理”？这就是 AI Agent 的魅力所在。本文将带你从 0 到 1，理解 AI Agent 的核心原理，并亲手构建一个能查询实时天气的智能代理。

---

正文

自 ChatGPT 横空出世以来，我们都被大语言模型（LLM）的能力所震撼。但我们与 LLM 的交互大多还停留在“你问我答”的模式。我们能否让 LLM 变得更主动、更强大，成为一个能帮我们处理实际问题的智能体（Agent）呢？

答案是肯定的。今天，就让我们一起揭开 AI Agent 的神秘面纱，并动手打造属于我们自己的第一个 Agent。

一、 什么是 AI Agent？（是什么）

简单来说，AI Agent 是一个以 LLM 为“大脑”，能够自主感知、思考、决策并执行行动的程序。

它与普通 LLM 应用的核心区别在于：

特性	普通 LLM 应用 (如问答 bot)	AI Agent
模式	请求-响应 (Request-Response)	感知-思考-行动 (Perceive-Reason-Act)
能力	基于已有知识生成内容	调用外部工具、执行代码、访问数据库
目标	完成单次、封闭的任务	完成复杂的、多步骤的、开放的目标
自主性	被动执行	具有一定程度的自主性和主动性

一个典型的 AI Agent 包含以下几个核心组件：

1. 大脑 (Brain)：通常由一个强大的 LLM（如 GPT-4、Llama 2）担任，负责理解任务、进行逻辑推理和规划。

2. 工具 (Tools)：Agent 可以调用的外部函数或 API。例如，搜索引擎、计算器、数据库查询接口等。这是 Agent 超越 LLM 知识局限性的关键。

3. 规划 (Planning)：Agent 将一个复杂目标分解成一系列可执行的子任务的能力。

4. 记忆 (Memory)：Agent 存储和回溯历史对话、行动结果和世界知识的能力，分为短期记忆和长期记忆。

二、 为什么我们需要 AI Agent？（为什么）

你可能会问，既然 LLM 已经很强大了，为什么还需要 Agent？

原因在于 LLM 有两大天然局限：

1. 知识局限：LLM 的知识被“冻结”在它训练数据的那一刻，无法获取实时信息（如今天的天气、最新的新闻）。
2. 行动局限：LLM 只能输出文本，无法与外部世界互动（如发邮件、订机票、操作数据库）。

AI Agent 正是解决这些问题的钥匙。 通过赋予 LLM 使用工具的能力，我们可以让它：

• 查询实时股票价格并进行分析。
• 连接到公司数据库，生成销售报告。
• 自动完成一系列 API 调用来预订一次旅行。

三、 实战：构建一个天气查询 Agent（怎么做）

理论说得再多，不如动手一试。下面，我们将使用 Python 和强大的 LangChain 框架来构建一个能查询指定城市天气的 Agent。

步骤 1: 环境准备

首先，安装必要的库。

bash

pip install langchain langchain-openai openai python-dotenv

接着，在你的项目根目录创建一个 .env 文件，并填入你的 OpenAI API Key。

1OPENAI_API_KEY="sk-..."

步骤 2: 定义我们的“工具”

Agent 需要工具来与世界互动。这里，我们创建一个模拟的天气查询工具。在实际项目中，你可以替换成调用真实天气 API（如高德、和风天气）的函数。

python

1# tools.py
2from langchain.tools import tool
3
4@tool
5def get_weather(city: str) -> str:
6    """
7    获取指定城市的当前天气。
8    这是一个模拟工具，实际应用中应调用真实的天气API。
9    """
10    print(f"--- 正在调用天气工具，查询城市: {city} ---")
11    if "北京" in city:
12        return "北京今天晴，25°C ~ 15°C。"
13    elif "上海" in city:
14        return "上海今天多云，28°C ~ 22°C。"
15    elif "深圳" in city:
16        return "深圳今天有雷阵雨，30°C ~ 26°C。"
17    else:
18        return f"抱歉，暂不支持查询城市 '{city}' 的天气。"
19
20# 将工具集合起来
21tools = [get_weather]

@tool 装饰器是 LangChain 的一个便捷功能，它能自动将函数的 docstring 作为工具的描述，这对于 LLM 理解何时使用该工具至关重要。

步骤 3: 创建 Agent 的“大脑”

现在，我们来配置 LLM 作为 Agent 的大脑。我们将使用 OpenAI 的模型，并启用“函数调用”（Function Calling）功能，这是让 LLM 决定使用哪个工具的关键机制。

python

1# agent.py
2import os
3from dotenv import load_dotenv
4from langchain_openai import ChatOpenAI
5from langchain.agents import AgentExecutor, create_tool_calling_agent
6from langchain_core.prompts import ChatPromptTemplate
7
8# 加载环境变量
9load_dotenv()
10
11# 1. 初始化 LLM
12# temperature=0 表示模型输出更确定性和可预测
13llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
14
15# 2. 加载工具
16from tools import tools # 从我们刚才的文件中导入工具
17
18# 3. 创建 Prompt 模板
19# 这个模板是 Agent 的“指令”，告诉它如何思考和行动
20prompt = ChatPromptTemplate.from_messages([
21    ("system", "你是一个 helpful 的助理，可以使用提供的工具来回答问题。"),
22    ("human", "输入: {input}"),
23    # "agent_scratchpad" 是一个特殊的占位符，
24    # LangChain 会在这里填入 Agent 的思考过程和工具调用记录
25    ("placeholder", "{agent_scratchpad}"),
26])
27
28# 4. 创建 Agent
29# 将 LLM、工具和 Prompt 组合在一起
30agent = create_tool_calling_agent(llm, tools, prompt)
31
32# 5. 创建 Agent Executor
33# Agent Executor 是 Agent 的“执行引擎”，负责运行整个循环
34agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

代码解读：

• create_tool_calling_agent: 这是 LangChain 的一个高级函数，它能自动将我们的工具列表转换成 LLM 能理解的格式（JSON Schema），并构建好 Agent。
• AgentExecutor: 这是真正的“驾驶员”。它接收用户输入，传递给 Agent（大脑），然后根据大脑的决策（是直接回答还是调用工具）来执行相应操作，并将结果反馈给大脑，直到任务完成。
• verbose=True: 这个参数非常有用！它会打印出 Agent 内部的每一步思考过程，让我们能清晰地看到 Agent 是如何工作的。

步骤 4: 运行并与 Agent 交互

激动人心的时刻到了！让我们向 Agent 提问吧。

python

1# main.py
2from agent import agent_executor
3
4# 提问
5question = "帮我查一下北京今天的天气怎么样？"
6result = agent_executor.invoke({"input": question})
7
8# 打印最终结果
9print("\n--- 最终结果 ---")
10print(result["output"])

当你运行 main.py 时，你会在控制台看到类似下面的输出（verbose=True 的效果）：

1> Entering new AgentExecutor chain...
2
3I need to find out the weather in Beijing. I will use the get_weather tool.
4Action: get_weather
5Action Input: 北京
6--- 正在调用天气工具，查询城市: 北京 ---
7Observation: 北京今天晴，25°C ~ 15°C。
8I now know the weather in Beijing.
9
10> Finished chain.
11
12--- 最终结果 ---
13北京今天晴，25°C ~ 15°C。

看到了吗？Agent 不仅仅是简单地回答。它经历了以下过程：

1. 思考 (Thought): "我需要查北京天气，我应该用 get_weather 工具。"
2. 行动 (Action): 调用 get_weather 工具，输入为 "北京"。
3. 观察 (Observation): 工具返回了 "北京今天晴..."。
4. 总结: Agent 根据观察结果，总结出最终答案并返回给用户。

这就是一个完整的 ReAct (Reason + Act) 循环！

四、 进阶之路：记忆与更强大的工具

我们刚刚构建的是一个无状态的 Agent。要让它变得更智能，还需要考虑：

• 记忆 (Memory): 如何让 Agent 记住我们刚才的对话？比如你接着问：“那上海呢？”。LangChain 提供了多种记忆模块，可以将对话历史注入到 Prompt 中，让 Agent 具备上下文理解能力。
• 更强大的工具: 我们可以给 Agent 接入更复杂的工具，比如：
  • SerpAPI: 一个真实的谷歌搜索 API 工具。
  • Python REPL: 一个可以执行 Python 代码的工具，用于计算和数据分析。
  • 自定义数据库查询工具: 让 Agent 能直接查询你的业务数据库。

通过组合这些工具，Agent 的能力将得到指数级提升。

五、总结

今天，我们一起探索了 AI Agent 的基本概念，并亲手使用 LangChain 构建了一个能够使用外部工具的智能代理。

核心 takeaway：

• AI Agent = LLM (大脑) + Tools (手脚) + Planning (思考流程)。
• LangChain 等框架极大地简化了 Agent 的构建过程。
• ReAct 框架（思考 -> 行动 -> 观察）是现代 Agent 实现的核心模式。

AI Agent 是通往通用人工智能（AGI）的重要一步，也是当前软件开发的新范式。现在，你已经掌握了构建它的基础知识，还等什么？快去尝试构建你自己的 Agent，去解决更多有趣和实际的问题吧！

别忘了点赞、收藏、关注三连，我们下期再见！