1. 写在前面

最近agent 爆火，与之相关的名词也层出不穷，作为一个AI小白，怎么能快速的入门学习一些agent的知识以及使用好agent呢？ 我觉得应该先从名词开始。

这篇文章用一个框架，把常用的基本名词给梳理一下，主要参考的 这个视频，把我学习过程中的笔记整理，分享给大家。 更详细的内容可以参考上面视频链接。

一张图总结：

ok, let’s go!

2. 演进

语言模型的发展， 在chatgpt时刻出现 拐点，涌现出智能。
在这个时间点，为了和之前语言模型有区分， 加了⼀个L， 到了LLM时代。

LLM 本⾝只能文字接龙，看起来是个智障
人为分开角色(user, agent)，划分成一问一答，就实现了对话。

注意：只能一问一答，不能追问。

如果想追问怎么办？

• 把每次的对话历史放到context部分，作为上下文
• 伪装成多轮对话， 这些特殊的上下文 起了个名字 叫 memory
  
  记忆 还可以 进⼀步调用大模型总结，对记忆做压缩

大模型现在没有上网查资料能力？ 写⼀段能上网的程序。
于是继续演进成下面这样：

3. 聚焦交互

3.1 Agent <-> LLM

3.1.1 FunctionCalling

如果用自然语言沟通，不太可控大模型的操作，所以需要约定⼀些规范。

大模型与agent对话 之间的约定格式，叫 function calling
具体agent 和 LLM 对话的时候，应该是会把 目前能用的⼯具 以及 说明 给到大模型，让大模型自己选。

3.1.2 MCP

mcp全称是model context protocol， 意思是模型上下文协议。
智能体 能用的各种工具，单独抽出来， 在agent 与 ⼯具之间，定义⼀套调用规范)

agent是⼀个传话筒， 在大模型 与 工具调用之间进行传话。

3.1.3 MCP VS FunctionCalling

Functioncalling:

• Agent 与 大模型之间沟通的约定
• 目的是 让大模型的回答符合⼀定的格式，方便程序解析
  Mcap:
  • Agent 与 ⼯具服务之间调用的约定
  • 目的 是像接口文档 ⼀样，约定怎么调用，怎么传参，怎么接收返回值

3.2 Agent <-> User

3.2.1 交互形式诞生各种产品

3.2.2 LangChain or WorkFlow or Skill

假设有这样的⼀个稳定的任务：

没有必要每次都让智能体进⾏规划，非常麻烦也非常浪费token。
所以可以把稳定的流程固化下来， 提取 和 保存 设置成脚本， 翻译部分和大模型对话。

• 编程角度编写链式任务： Langchain
• 用户角度 实现链式任务： workflow(dify)

再看输入和输出部分，如果 输入不止⼀种格式，输出也不止⼀种格式。
且 不牺牲 用户自然语言 触发的体验（if else 写程序 会打破这种体验）。

设计思路：

给agent下达指令之前，增加

优化空间： 提前约定好某个指定位置，agent中写死⼀段程序，读取这个目录下面的所有skill.md，
把 skill_name, skill_description 信息拿出来。 把这些给到大模型让它自己选用哪个skill。

于是乎现在就变成了：

3.2.3 SubAgent

对于⼀个复杂的任务，agent的上下文可能会变得非常大。
所以 把任务拆分开 ⼀些独立的子任务， 分配给SubAgent来干。
本质是上下文隔离， 子agent任务中产生的上下文，不会保留在主agent中。

3.2.4 Skill VS Mcp

Skill:
• 本质是 prompt的加载器
• 唯⼀需要的是skill.md，其他不做要求
• 和mcap 不是⼀个维度的东西，能完成 mcap 的功能，但不⼀定适合完成
◦ 把mcp服务中提供的⼯具，放在skill 里面

3.2.5 Langchain vs workflow vs skill vs agent

Skill 把 langchain和workflow 由 程序 控制的流程走向，变成了由智能体自行控制。
提前写好说明文档 和 可运行的脚本等，更灵活。
未来可能 会 是 langchain和workflow的 替代品。

但这里突然也想补充个问题： 如果agent自行控制了， 如何才能检验agent的工作效果 以及 如何保证agent是按照我们的预期在做事情呢？

未来，感觉程序员重点做的是充当架构师的思维，设计架构，然后分配工作给agent做，然后设计方法检验是否符合预期。

4. 小总

本质上 是 往 提示词里面 增加上下文信息。 比如 skill, rag, search。

Agent 是所有不需要智能的地方构成的部分：

• ⼀个流程中，所有能用固定程序解决的，而不需要问大模型的地方是agent发挥作用的地方
• 把模糊的分流逻辑交给⼤模型，根据语义识别用户想做a 还是 b
• 把确定的分流逻辑 交给程序，比如提取文本,…

5 参考

• 一口气拆穿Skill/MCP/RAG/Agent/OpenClaw底层逻辑