Tools、Workflow、Agent 三层架构详解：从最小能力单元到编排框架

1. 三者的核心误区

很多人把 Tools、Workflow、Agent 当成三个并列的竞争方案，认为做项目时需要在三者中选一个。这个理解是错的。

三者不是同一维度的东西，而是粒度不同、可以相互嵌套的三层结构。Tools 是最小的能力单元，Agent 是一个完整的决策系统，Workflow 是更上层的编排框架。在实际项目中，三者通常同时存在，扮演不同角色。

三者最核心的区别一句话：Tools 不做决策只执行，Agent 自己做决策，Workflow 是开发者替所有节点把决策提前写好。

---

2. 第一层：Tools——最小能力单元

2.1 核心定义

Tools 是整个体系里最底层的概念，就是一个封装好的函数，有明确的输入参数、明确的输出结果。

你给 LLM 配备的每一个能力，比如"查天气"“搜索网页”“执行 Python 代码”“往数据库写一条记录”，本质上都是一个函数。

Tools 和普通函数唯一的区别是：需要额外写一份"说明书"告诉 LLM 这个工具叫什么名字、能做什么事、需要传哪些参数，这样 LLM 才知道自己有哪些能力可以调用。

一个工具定义的结构示例：

{
  "name": "search_web",
  "description": "搜索互联网并返回结果",
  "parameters": {
    "type": "object",
    "properties": {
      "query": { "type": "string", "description": "搜索关键词" }
    },
    "required": ["query"]
  }
}

2.2 技术特征

• 零决策能力：工具本身没有任何决策能力，它甚至不知道自己应该在什么时候被使用
• 被动等待调用：由外部（Agent 或 Workflow）触发，不会主动执行
• 高确定性：输入固定则输出固定，行为可预测

2.3 边界与局限

Tools 的使命就是把一个具体能力封装好、随时待命，至于什么时候该用它，那是别人的事。Tools 只负责执行，不负责判断"什么时候该用"，需要组合才能完成复杂任务。

---

3. 第二层：Agent——拿着工具自己做决定

3.1 核心定义

Agent 是一个完整的决策系统，内部用 LLM 做大脑，自己判断什么时候调哪个工具、要不要继续、什么时候结束。

给 Agent 一个目标，比如"调研一下最近竞品的动态"，它不会直接给一个答案，而是开始自己思考：第一步应该搜索什么关键词？搜索结果里有没有需要的信息？需不需要多搜几次？什么时候才算调研完了？

这一系列"要不要、用哪个、够不够、停不停"的判断，全部由 Agent 内部的 LLM 做决策。

3.2 运行机制：思考-行动-观察循环

Agent 的运行方式是一个反复循环的过程：

Thought（想清楚）→ Action（行动）→ Observation（看结果）→ 再 Thought → 再 Action → ...

直到 LLM 判断任务完成为止，这个循环才结束。

用 Go 代码表示这个循环：

func RunAgent(task string) string {
    for {
        thought := llm.Think(task, context)        // 思考下一步做什么
        if thought.IsDone {                         // 判断是否完成
            return thought.FinalAnswer
        }
        result := callTool(thought.ToolName, thought.Args) // 执行工具调用
        context.AddObservation(thought.ToolName, result)   // 记录观察结果
    }
}

关键点：这个 for 循环会跑几次，开发者完全不知道，也不需要知道。这正是 Agent 和普通代码最不一样的地方——普通代码的每一步都是开发者预先写好的，但 Agent 的执行路径是 LLM 实时决定的。

3.3 关键特征

• 主动决策：Agent 自己决定执行路径
• 灵活性高：能应对预料之外的复杂情况，完成事先无法预测路径的任务
• 行为不确定：同样的任务，今天跑和明天跑可能调了不同的工具、走了不同的路径。这是因为 LLM 本质上是概率模型，每次生成都带有随机性

灵活性和不确定性是一对孪生兄弟。有 Agent 的灵活，就必然伴随着一定程度的不可预测。

3.4 边界与局限

• 行为不可预测，线上排查困难
• 成本不可控：LLM 调用轮次可能超出预期
• 调试难度大：执行路径不确定，无法打断点逐步追踪

---

4. 第三层：Workflow——确定性编排框架

4.1 核心定义

Workflow 把整个执行流程的"骨架"写在代码里，LLM、Agent、Tools 都只是这个流程里的"节点"，每个节点负责完成自己那一步。但整体走哪条路、下一步去哪里，全由开发者的代码决定，不是任何节点自己说了算。

4.2 技术特征

一个客服系统的 Workflow 示例：

def customer_service(user_input):
    # 第一步：意图分类
    intent = llm.classify(user_input)

    # 第二步：根据意图走不同分支
    if intent == "refund":
        order_info = search_order(user_input)
        result = generate_refund_response(order_info)
    elif intent == "complaint":
        complaint_info = analyze_complaint(user_input)
        result = transfer_human_service(complaint_info)
    else:
        knowledge = search_knowledge_base(user_input)
        result = llm.generate_answer(knowledge)

    return result

关键点：LLM 在这里出现了两次，一次是做意图分类，一次是生成回答，但它只是流程里的两个工位。"接下来去哪"这件事完全由 if/elif 这些普通代码控制。

• 开发者预先写死执行路径：if/elif/else 控制流程
• 高确定性：代码看到什么就做什么，不会有"惊喜"
• 易调试：可以打断点逐步追踪，精确定位是哪个节点出了故障

4.3 与 Agent 的核心区别

谁在做"下一步去哪"的决策？

维度	Agent	Workflow
决策者	LLM 实时决定	开发者代码写死
行为	不确定，路径动态变化	确定，完全可预测
调试	难，执行路径不确定	易，链路清晰可追踪

4.4 边界与局限

• 流程提前写死，难以动态调整
• 无法穷举所有情况，遇到预料之外输入容易失败或给出很差结果

---

5. 三者对比总结

维度	Tools	Agent	Workflow
决策能力	无（只执行，不决策）	有（LLM 自主动态决策）	无（开发者在代码里写死）
执行方式	被动，等待被调用	主动，自主循环直到完成	按开发者定义的顺序执行
确定性	高（输入固定则输出固定）	低（同输入可能走不同路径）	高（行为完全可预测）
灵活性	只做一件事	高（能应对预料之外的情况）	低（流程提前写死）
调试难度	容易（单一函数）	难（执行路径不确定）	容易（链路清晰，可逐步追踪）
适用场景	封装单一具体能力	路径未知的复杂任务	流程相对固定的业务系统

---

6. Agentic Workflow：生产环境的主流组合模式

完全靠 Agent 自主决策的系统其实很少在生产环境出现，原因：行为太难控制，一旦出问题很难排查，成本也容易失控（LLM 调太多轮）。

完全靠 Workflow 写死的系统又太脆弱，没法把所有情况都穷举到代码里，遇到预料之外的输入就容易失败。

Agentic Workflow 的核心思想：用 Workflow 固定主流程的骨架，在需要灵活判断的节点嵌入 Agent，其余固定节点直接用 LLM 或 Tools。

Workflow 骨架（确定性）
  ├── 节点 1：固定逻辑（LLM 或 Tools）
  ├── 节点 2：Agent 子模块（自主决策，灵活应对）
  │     ├── 子工具 A
  │     ├── 子工具 B
  │     └── 子工具 C
  ├── 节点 3：固定逻辑（LLM 或 Tools）
  └── 节点 4：结果聚合

骨架是确定的，让你能控制整体行为、便于调试；关键节点是灵活的，让你能应对各种复杂情况。两个优点都有，两个缺点都被削弱了。

---

7. 总结

Tools、Workflow、Agent 不是三个并列的竞争方案，而是不同粒度的三层结构，在项目中通常同时存在、相互嵌套：

• Tools 是手，负责执行具体操作，不做决策
• Agent 是大脑，自主判断用哪个工具、什么时候结束
• Workflow 是骨架，由开发者预先编排好整体流程

生产环境推荐采用 Agentic Workflow 组合模式：用 Workflow 固定主流程，在需要灵活性的节点嵌入 Agent，实现可控与灵活的平衡。