本文是【大模型基础设施工程】系列的第 19 篇。RAG 解决了”让模型知道”，Agent 解决的是”让模型会做”：从一句话自然语言需求出发，规划步骤、调用工具、观察结果、纠错重试，直到任务完成。本篇不做”agent 能改变世界”式的宏大叙事，只谈工程栈——抽象、框架、协议、沙箱、评测——以及在落地时真实踩过的坑。

一、从 ReAct 到 Agentic Reasoning：五年范式演进

1.1 时间线

Agent 并不是 2024 年才出现的概念，但 LLM 让它第一次工程可行。把过去几年的关键节点串起来看：

1.2 ReAct：所有 agent 的共同祖先

ReAct 的核心在于把思考（Thought）和行动（Action）写在一个 prompt 循环里：

Thought: 我需要查询北京今天的 PM2.5
Action: search[北京 PM2.5 今天]
Observation: 今日北京 PM2.5 约 48，良
Thought: 已获取，可以回答
Action: finish[北京今天 PM2.5 大约 48]

这种格式有三个工程优势：

• 可追踪：每一步都是人类可读文本，日志天然就是 trace。
• 可中断：在 Action 后面停下，由外部执行器去跑工具，结果注入 Observation。
• 可训练：SFT 语料天然就是 Thought/Action/Observation 序列。

2023 年 OpenAI Function Calling 发布后，ReAct 的文本解析逐渐被结构化 tool_call取代，但循环本质未变。

1.3 Plan-and-Execute 与 Reflexion

ReAct 的缺点是短视：每一步都靠上一步的局部推理，面对多跳任务容易绕圈。Plan-and-Execute 先让 LLM 输出一个 JSON 计划，再按计划调度每一步；Reflexion 则在失败后插入一个”自我反思”步骤，把反思写入 episodic memory，下一次轮次读回来。

这两个思路如今已融进主流框架：LangGraph 里的 plan → execute → replan 子图、AutoGen 的 GroupChatManager、CrewAI 的 Process.hierarchical，本质都是 Plan-and-Execute 的变体。

1.4 Agentic Reasoning：推理模型吃掉一部分 agent 框架

2024 年底开始，o1、DeepSeek-R1、Claude 3.7 Thinking 把长链推理内化到模型本身——模型在回答前会生成几千到几万 token 的 <thinking> 块，里面就包含”规划—执行—反思”的完整循环。

这带来一个结构性变化：框架层需要做的规划编排变少了。很多在 GPT-4 时代必须用 LangGraph 显式展开的子图，在 R1/o1 上直接一次调用就能完成。这意味着：

• 单 agent + 强推理模型 + MCP 工具，胜过多 agent + 弱模型 + 复杂编排。
• 框架的重心从”帮模型思考”转向”帮模型执行”：工具路由、沙箱、可观测、记忆。

二、核心抽象：Agent、Task、Tool、Memory、State

2.1 五个概念

不同框架叫法各异，但跑不出这五个核心对象：

• Agent：拥有 system prompt、模型、工具清单、记忆句柄的运行实体。
• Task / Goal：一次调用的输入与成功判定条件。
• Tool：一个带 schema 的可调用函数，签名决定了模型”能做什么”。
• Memory：跨调用持久化的上下文，分短期（会话缓冲）与长期（向量 / 图 / 文件）。
• State Graph：一组节点（agent、tool、router）+ 边（条件跳转）+ 全局状态字典。

2.2 短期记忆 vs 长期记忆

短期记忆就是多轮对话上下文，工程上有几种做法：

• 全量拼接：简单，上下文一爆就废。
• 滑动窗口：保留最近 N 轮。
• 摘要压缩：每到阈值触发一次 LLM 摘要（LangChain ConversationSummaryMemory）。
• 分段摘要 + Raw tail：最近几轮保留原文，历史摘要；质量最佳。

长期记忆则更分化：

工程上不必只选一种，生产级 agent 往往短期用摘要、长期用向量 + 图混合。

2.3 State Graph：新一代的 agent 运行时

传统 AgentExecutor 是一个 while 循环，控制流写死在代码里。问题是：

• 分支逻辑（比如”如果工具失败则回退到另一个工具”）必须 hack。
• Human-in-the-loop 中断点难以暴露。
• 多 agent 协作时，调用栈嵌套变成意大利面。

LangGraph、Pydantic Graph、OpenAI Agents SDK 的 handoff 等新一代框架统一改用显式状态图。节点是纯函数 state -> state，边是条件路由函数 state -> node_name，状态是一个 Pydantic / TypedDict，持久化到 checkpointer（内存、SQLite、Redis、Postgres 都行）。

这一套抽象的直接好处：持久化、回放、时间旅行、人工介入几乎免费获得。

三、框架全景：主流 10 家

3.1 LangChain / LangGraph

LangChain 是 2022 年底最早一批 LLM 框架，覆盖 Chain、Retriever、Agent、Tool、OutputParser 全套原语。2024 年后官方把 agent 部分独立为 LangGraph，核心抽象从 AgentExecutor 变为 StateGraph + Checkpointer。

选型建议：

• 需要复杂编排、需要 Human-in-the-loop、要接 LangSmith 的团队优先。
• 痛点是 API 变动频繁、类型偏弱、层层封装不易调试。

3.2 LlamaIndex

从 RAG 起家，Agent 是在 RAG 之上扩展的：ReActAgent、FunctionCallingAgent、AgentWorkflow。它的强项是数据层——超过 300 个 data loader 与超强的 document/node 抽象。

选型建议：

• 如果 agent 的主要工作是查询大量异构文档，LlamaIndex 的 QueryEngineTool + AgentWorkflow 组合很顺手。
• 如果任务主要是通用工具调用，LangGraph 更合适。

3.3 AutoGen（微软）

AutoGen 把 agent 建模为可对话的实体：任何 agent 都有 send() 和 receive()，多 agent 之间靠发消息协作。典型模式：

• UserProxyAgent（代表人类，也可自动回复）
• AssistantAgent（LLM）
• GroupChatManager（调度员）

2024 下半年的 AutoGen 0.4 大重构为 actor model，引入异步消息总线，更接近分布式系统的编程模型。微软自家的 Magentic-One 就建立在上面。

3.4 CrewAI

CrewAI 把 agent 拟人化：每个 Agent 有 role、goal、backstory；任务用 Task 对象；多个 agent 组成 Crew，支持 sequential 和 hierarchical 两种流程。

from crewai import Agent, Task, Crew

researcher = Agent(role="研究员", goal="找齐最新论文", backstory="...")
writer = Agent(role="写作者", goal="产出博文", backstory="...")

crew = Crew(agents=[researcher, writer], tasks=[task1, task2])
crew.kickoff()

优点是心智模型直观，做 demo 快；缺点是黑盒偏多、生产级可观测性弱、底层仍基于 LangChain。

3.5 DSPy

DSPy 的路线完全不同：它把 prompt 当成可训练参数。你声明 Signature（输入输出类型 + 描述），框架自动生成 prompt，然后用训练集 + metric 去优化 few-shot 和指令。

class GenerateAnswer(dspy.Signature):
    """Answer questions with short factoid answers."""
    context = dspy.InputField()
    question = dspy.InputField()
    answer = dspy.OutputField()

适合有评测集、想把 prompt 工程自动化的团队。DSPy 也支持 ReAct 和 tool use，但重点始终是”编译 prompt”。

3.6 Pydantic AI

Pydantic AI 是 Pydantic 作者 Samuel Colvin 2024 年推出的框架，卖点是类型安全。tool 就是 @agent.tool 装饰器，输入输出是 Pydantic model，结构化输出直接走 result_type。对 Python 生态重度用户非常友好。

3.7 OpenAI Agents SDK（前 Swarm）

OpenAI 在 2024 年底先发布了 Swarm（实验性），2025 年初升级为正式的 Agents SDK。核心概念只有两个：

• Agent：system prompt + tools + model
• Handoff：一个 agent 可以把控制权交给另一个 agent

它故意做得很”薄”，不引入 LangGraph 式的状态图，官方哲学是”让模型自己决定路由”。配合 Responses API + Built-in tools（web search、file search、computer use）可以快速搭建。

3.8 Anthropic Claude SDK 与 Computer Use

Anthropic 的官方 SDK 虽然不像 OpenAI Agents SDK 那样强调”agent 框架”，但它提供了两个关键能力：

• Tool use 原生支持并行 tool_call
• Computer use：Claude 3.5 Sonnet 及以上可以接受屏幕截图、返回鼠标键盘事件

Computer Use 通常搭配一个 Docker 容器 + VNC + Python 控制层（Anthropic 官方的 anthropic-quickstarts/computer-use-demo）。

3.9 Smolagents（HuggingFace）

HuggingFace 2024 末推出的极简 agent 框架，主打代码即动作（CodeAgent）——让 LLM 直接输出 Python 代码，在沙箱里执行，而不是 JSON tool call。这种模式在多步骤数值与数据处理任务上比 function calling 更强，因为 LLM 可以用变量、循环、条件表达复杂逻辑。

3.10 国产框架与平台

• 字节 Coze / 扣子：低代码 agent 平台，节点式工作流 + 插件市场 + 知识库 + 多 bot，面向 C 端和轻量 B 端场景最快的选择。国内版、国际版（coze.com）双站。
• 阿里百炼 Assistant API：对齐 OpenAI Assistants，托管 thread、RAG、Code Interpreter，底座支持通义千问全家桶。
• 百度千帆 Agent：与千帆 ModelBuilder 深度集成，支持可视化编排 + 文心系列。
• 腾讯元宝 / 混元助手：对外提供混元模型 + 知识库 + agent 编排。
• MetaGPT：上海 DeepWisdom 开源的多 agent 协作框架，用”软件公司”的角色隐喻（产品经理、架构师、工程师）。
• AutoGPT 中文分支 / AgentGPT-CN：多个社区维护版本，接入国产模型与国内搜索 API。
• LazyLLM（商汤）、Agently：较新，面向国内工程生态。

4.1 四种常见拓扑

graph LR
  subgraph 单Agent
    A1[Agent]
  end
  subgraph Manager-Worker
    M[Manager] --> W1[Worker1]
    M --> W2[Worker2]
  end
  subgraph Hierarchical
    CEO --> PM
    PM --> Dev
    PM --> QA
  end
  subgraph Debate/Swarm
    D1 <--> D2
    D2 <--> D3
    D1 <--> D3
  end

• 单 Agent：默认选择，调试最容易。不到必要不要加 agent 数量。
• Manager-Worker：Manager 做规划，把子任务派给 Worker；适合任务能清晰拆分的场景（写报告、抓数据）。
• Hierarchical：多层级，比如 MetaGPT、CrewAI hierarchical process。复杂度高，仅在长周期项目里合算。
• Debate / Swarm：平权协作，靠互相审稿达成一致；对提升事实准确率有效，但成本高。

4.2 什么时候应该多 agent

工程上多 agent 合理的三个条件：

1. 不同角色需要不同 system prompt / 不同模型：比如代码用 Claude、写作用 GPT、审阅用 DeepSeek。
2. 上下文隔离：Worker 只看自己的子任务，避免”大上下文污染”。
3. 可并行：多 worker 可以并发跑，显著缩短 wall-clock 时间。

如果只是为了”架构看起来漂亮”而多 agent，几乎总是退步。

五、记忆系统：MemGPT、Letta、Mem0、Zep

5.1 MemGPT / Letta

MemGPT（2023，UC Berkeley）把 LLM 上下文窗口类比为”RAM”，把外部存储类比为”硬盘”，让 LLM 通过 tool call 主动把信息换入换出——这就是”memory paging”。Letta 是其后续产品化项目，提供托管 agent 服务。关键能力：

• Core memory（永远在 prompt 里）
• Recall memory（完整对话历史，可检索）
• Archival memory（外部知识，向量检索）

5.2 Mem0

Mem0 定位更轻量：一个 Python 库，配一个可选云服务。特点是把”记忆”抽象成三条基本操作：add / search / update，底层可以用 Qdrant、pgvector、Neo4j 等。

from mem0 import Memory
m = Memory()
m.add("我对芒果过敏", user_id="alice")
m.search("过敏史", user_id="alice")

5.3 Zep / Graphiti

Zep 2024 末推出 Graphiti——一个时序知识图谱记忆系统。它会把对话抽取为（实体、关系、时间区间）三元组，图上还记录 valid_from / valid_to，可以回答”去年三月他住在哪里”这类时序问题。适合需要长期跟踪事实变化的 agent（客服、私人助理、医疗）。

六、Agent 工程四大难题

6.1 错误累积

Agent 每一步的准确率假设是 95%，10 步后只剩 \(0.95^{10} \approx 0.60\)。工程对策：

• 减少步数：提高单步能力（用更强的模型、更精的 prompt）远比加长链路有效。
• 显式校验节点：每隔几步插入 verifier（规则或 LLM-as-judge）。
• 可回退状态：Checkpointer + rollback，发现失败时回到最近的 good state。

6.2 工具选择错误

工具一多，LLM 就会混：“search 还是 search_web 还是 google_search？”对策：

• 控制工具数量：单次调用暴露的工具 ≤ 10，按场景动态加载。
• 清晰命名 + 描述：每个 tool 的 description 写清”什么时候用、什么时候别用”。
• 分层路由：先让 router agent 选子 agent，再由子 agent 选具体 tool。

6.3 长链路成本失控

一次 agent run 跑掉几美元、几十万 token 的例子比比皆是。监控维度：

• 每次 run 的总 token / 总调用次数 / wall-clock。
• p95 / p99 的分布，长尾 run 往往是死循环。
• 设置 max_iterations、budget cap（比如超过 $0.5 立即终止）。

6.4 不可观测

不插桩的 agent 出问题基本 debug 不出来。必备三件套：

• Trace：每一步的输入/输出/耗时/token（LangSmith、Langfuse、AgentOps、Phoenix）。
• 事件流回放：能基于 checkpointer 重放一次 run。
• 评测集：固定一批 case，CI 跑分回归。

七、Agent 协议化：MCP、A2A、ANP、AG-UI

7.1 MCP（Model Context Protocol）

Anthropic 2024 年 11 月开源，定位是“Agent 世界的 USB-C”。客户端（Claude Desktop、Cursor、Continue、Cline 等）通过 JSON-RPC 连接 MCP Server，Server 暴露三类原语：

• Tools：可调用函数
• Resources：可读的 URI（文件、数据库行、API endpoint）
• Prompts：预置 prompt 模板

生态在 2025 年爆发式扩张，GitHub、Notion、Slack、Figma、各大数据库都有官方或社区 MCP server，估计已超过 3000 个。详见下一篇第 20 节。

7.2 A2A（Agent-to-Agent Protocol）

Google 2025 年 4 月发布，解决的不是 agent 调工具，而是 agent 调 agent。核心概念：

• Agent Card：一个 /.well-known/agent.json，声明能力、endpoint、认证方式。
• Task：A2A 的基本交互单元，有 ID、状态机（submitted / working / input-required / completed / failed）。
• Streaming：支持 SSE 流式事件，长任务异步推进。

A2A 与 MCP 的关系：MCP 让 agent 用工具，A2A 让 agent 雇 agent。两者互补，不排斥。

7.3 ANP 与 AG-UI

• ANP（Agent Network Protocol）：中国开源社区发起，强调去中心化身份（DID）、端到端鉴权，愿景是一张”Agent 公网”。目前实现与生态还在早期。
• AG-UI：把 agent 侧事件流标准化给前端，使得”LLM chat UI / agent dashboard”可以复用一套协议（类似 LSP 之于编辑器）。CopilotKit 是主要推动方。

7.4 协议之间的关系图

flowchart LR
  U[用户前端] -- AG-UI --> H[Host Agent]
  H -- MCP --> T1[Tool Server: GitHub]
  H -- MCP --> T2[Tool Server: 数据库]
  H -- MCP --> T3[Tool Server: 本地文件]
  H -- A2A --> A1[远程 Agent: 报表]
  H -- A2A --> A2[远程 Agent: 翻译]
  A1 -- MCP --> T4[报表 Tool Server]

可以把三者近似理解成三层：

• AG-UI：UI ↔︎ Agent 的事件协议（渲染、交互、流式）
• MCP：Agent ↔︎ Tool 的能力协议（做事的手）
• A2A：Agent ↔︎ Agent 的协作协议（换人的嘴）

三者解耦，各自演进，2025 年已基本成为行业共识。ANP 解决的是更底层的”agent 在公网如何认身份”，属于 PKI 级别的扩展。

7.5 MCP 上手：10 分钟写一个 Server

# server.py
from mcp.server.fastmcp import FastMCP
mcp = FastMCP("weather")

@mcp.tool()
def get_weather(city: str) -> dict:
    """查询某城市当前天气（示意）。"""
    return {"city": city, "temp_c": 22, "cond": "clear"}

@mcp.resource("weather://alerts")
def list_alerts() -> str:
    return "无预警"

if __name__ == "__main__":
    mcp.run()

在 Claude Desktop 的配置里加上：

{
  "mcpServers": {
    "weather": {"command": "python", "args": ["/path/to/server.py"]}
  }
}

重启客户端，get_weather 就出现在工具列表里。对于企业内部工具，这意味着”写一次，到处可用”——今天给 Claude 用，明天同样的 server 给 Cursor、Cline、自建 agent 用，不需要改一行。

八、沙箱与执行环境

Agent 一旦会写代码、能下载文件、会 shell，就必须跑在沙箱里。按隔离度排序：

E2B 是当前 agent 沙箱里最主流的 SaaS，Anthropic、Perplexity、Cognition 等都在用。核心卖点：

• 每个 sandbox 都是独立 Firecracker VM，毫秒级启动。
• 内置文件系统、浏览器、桌面环境。
• Python / Node SDK：sandbox.commands.run("ls") 一行搞定。

自托管场景下最务实的组合仍然是 Docker + cgroup limits + 只读 rootfs + 无网络或白名单出口。

九、浏览器 / 计算机控制

9.1 Browser Use

Browser Use 是 2024 末火起来的开源库：基于 Playwright + LLM，把网页 DOM 可见元素编号后喂给模型，让模型输出”点第 N 个元素”“在第 M 个 input 填 X”。开源、可自托管，生态活跃。

from browser_use import Agent
from langchain_openai import ChatOpenAI

agent = Agent(task="在 arxiv 上找 2025 年 RLHF 新论文并列出标题",
              llm=ChatOpenAI(model="gpt-4o"))
await agent.run()

9.2 Playwright MCP

微软官方把 Playwright 暴露成 MCP server，使任何 MCP 客户端（Claude Desktop、Cursor）都能自然语言控制浏览器。适合让编辑器具备浏览能力的场景，而不是自建 agent。

9.3 Anthropic Computer Use / OpenAI Operator

区别于 Browser Use 的 DOM 模式，Computer Use 和 Operator 走的是视觉 + 键鼠路线：

• 模型看屏幕截图。
• 输出 click(x,y) / type(text) / scroll(dy) 等原子动作。
• 通用性强（任何 GUI 应用），但延迟高、成本高、准确率不如 DOM 模式。

9.4 ChatGPT Agent / Claude Code / Cursor Agent

这三个是 端到端 agent 产品，而不是框架：

• ChatGPT Agent（2025）：浏览器 + 代码 + 文件，通用任务。
• Claude Code：CLI 形态，专注软件工程，agent 概念内嵌（subagent、skills）。
• Cursor Agent / Windsurf Cascade：编辑器形态，以 repo 为上下文，planner + executor 双 agent。

做选型时要区分：自己搭 agent 框架，还是用现成 agent 产品 + 它们的 API/SDK 二次封装。大多数企业应用后者性价比更高。

十、评测：Agent 怎么打分

自建评测的工程要点：

• 场景闭合：每个 case 要有机器可验证的成功判定。
• 反作弊：避免 test leakage，定期刷新。
• 趋势而非绝对值：同一 harness 下版本间对比才有意义。

十一、Agent 基础设施即服务

生产 agent 离不开这几类基础设施 SaaS：

• AgentOps：专门为 agent trace 的分析平台，session replay、成本归因。
• LangSmith：LangChain 官方，trace + 评测 + prompt hub 一体。
• Langfuse：开源优先，可自托管，trace + prompt 管理 + 评测。
• Helicone：反向代理模式，改一行 base_url 就开始记录。
• Phoenix（Arize）：OpenTelemetry 原生，可私有化。

选型的关键问题：数据留存。如果 prompt/response 涉及用户隐私或商业数据，优先选能自托管的（Langfuse、Phoenix）。

十二、代码示例

12.1 LangGraph：10 行的搜索 + 总结 agent

from langgraph.prebuilt import create_react_agent
from langchain_openai import ChatOpenAI
from langchain_community.tools.tavily_search import TavilySearchResults

llm = ChatOpenAI(model="gpt-4o-mini", temperature=0)
tools = [TavilySearchResults(max_results=5)]
agent = create_react_agent(llm, tools)

result = agent.invoke({
    "messages": [("user", "总结 2025 年 Q1 关于 MoE 训练的 3 个新进展")]
})
print(result["messages"][-1].content)

底层其实是一张两节点状态图：agent → tools → agent → END。想要更复杂行为（校验、重试、人工介入）只需在图上加节点和边。

12.2 LangGraph：显式状态图 + Checkpointer

from typing import TypedDict, Annotated
from langgraph.graph import StateGraph, END
from langgraph.checkpoint.sqlite import SqliteSaver
import operator

class S(TypedDict):
    messages: Annotated[list, operator.add]
    plan: list[str]
    step: int

def planner(s: S):
    plan = ["搜索最新论文", "按机构分组", "提炼共性结论"]
    return {"plan": plan, "step": 0}

def executor(s: S):
    task = s["plan"][s["step"]]
    return {"messages": [f"完成: {task}"], "step": s["step"] + 1}

def router(s: S):
    return END if s["step"] >= len(s["plan"]) else "executor"

g = StateGraph(S)
g.add_node("planner", planner)
g.add_node("executor", executor)
g.set_entry_point("planner")
g.add_edge("planner", "executor")
g.add_conditional_edges("executor", router, {"executor": "executor", END: END})

app = g.compile(checkpointer=SqliteSaver.from_conn_string("agent.db"))
app.invoke({"messages": []}, config={"configurable": {"thread_id": "run-1"}})

Checkpointer 让这张图天然支持断点续跑、时间旅行、人工介入。

12.3 AutoGen：两个 agent 对话

from autogen_agentchat.agents import AssistantAgent
from autogen_agentchat.teams import RoundRobinGroupChat
from autogen_ext.models.openai import OpenAIChatCompletionClient

model = OpenAIChatCompletionClient(model="gpt-4o")
coder = AssistantAgent("coder", model_client=model, system_message="你写 Python")
critic = AssistantAgent("critic", model_client=model, system_message="你审代码，最多 3 轮")

team = RoundRobinGroupChat([coder, critic], max_turns=6)
await team.run(task="写一个 LRU 缓存，支持 TTL")

12.4 CrewAI：团队版

from crewai import Agent, Task, Crew, Process

researcher = Agent(role="研究员", goal="找齐材料", backstory="资深情报分析",
                   tools=[search_tool], llm=llm)
writer = Agent(role="写作者", goal="输出博文", backstory="技术编辑", llm=llm)

t1 = Task(description="调研 MCP 生态现状", agent=researcher, expected_output="要点清单")
t2 = Task(description="写 800 字博文", agent=writer, expected_output="markdown")

crew = Crew(agents=[researcher, writer], tasks=[t1, t2], process=Process.sequential)
print(crew.kickoff())

12.5 OpenAI Agents SDK：handoff

from agents import Agent, Runner

triage = Agent(name="triage", instructions="把请求路由给合适的专家",
               handoffs=[billing_agent, tech_agent])
result = Runner.run_sync(triage, "我上周的账单多扣了 30 元")
print(result.final_output)

12.6 Coze 工作流：低代码搭建

Coze 里搭一个”每天早上总结 arxiv 最新 AI 论文并发到飞书”的 agent：

[定时触发 08:00]
  ↓
[HTTP 插件] GET arxiv API（cs.CL，最近 24h）
  ↓
[LLM 节点] 系统提示：筛选 5 条最有价值 + 翻译成中文
  ↓
[知识库写入] 入库 tag=daily-arxiv
  ↓
[飞书机器人] 推送到「AI 日报」群

全程无代码，30 分钟能搭完；国内侧可直连豆包/DeepSeek，对接飞书、钉钉、企微插件齐全。缺点是黑盒逻辑改动受限，复杂业务迟早要自建。

十三、Mermaid：典型 ReAct 循环与 LangGraph 状态机

13.1 ReAct agent 循环

flowchart TD
  U[User Query] --> A[Agent: 生成 Thought]
  A --> B{需要工具?}
  B -- 是 --> T[Tool 执行]
  T --> O[Observation 注入]
  O --> A
  B -- 否 --> F[Final Answer]
  F --> E[End]

13.2 LangGraph 多 agent 状态机

flowchart LR
  S([Start]) --> P[planner]
  P --> R{route}
  R -- research --> RS[researcher]
  R -- code --> CD[coder]
  R -- review --> RV[reviewer]
  RS --> V[verifier]
  CD --> V
  RV --> V
  V -- pass --> E([End])
  V -- fail --> P

十四、选型速查

十五、深入：四个容易被忽视的工程点

15.1 Tool schema 设计的具体规则

一个 agent 的上限，很大程度由 tool schema 的清晰度决定。经验法则：

• 名字动宾化：search_papers、create_ticket，而不是 paper、ticket_op。
• 描述里写「反例」：“不要用此工具搜索内部代码库，那应该用 search_repo”——这比正例更能降低误用率。
• 参数最少化：可选参数越多，模型漏填/错填的概率越高。能给默认值就给。
• 输出结构固定：{status, data, error} 三段式优于裸返回；给 LLM 稳定的解析契约。
• 错误要可解释：PermissionError: user 'alice' lacks 'write' on repo 'foo' 远好于 403 Forbidden，模型看到后能自己决定换工具或求助用户。

15.2 并行工具调用

OpenAI、Anthropic、Gemini、Qwen 都已原生支持一次响应中返回多个 tool_call，客户端并发执行后把多个 tool_result 一次性回送。工程上要注意：

• 幂等性：并发的工具必须是幂等或无副作用（查询类）；写操作并发很容易出脏数据。
• 限流聚合：并发会让 RPS 暴涨，务必在 tool executor 层做 token bucket。
• 失败隔离：一个 tool 异常不能让整个并行批次失败，要分别把 success/error 封装回模型。
• 观测维度：把 “并行度”、“并行批次耗时”、“最慢一个” 分开记录。

15.3 Human-in-the-loop 的三种姿势

Agent 接入人工介入有三种层次，成本递增：

• 审批门：执行前暂停，等待一次 yes/no（高风险动作如删除、支付、发邮件）。LangGraph interrupt_before=["tool_node"] 原生支持。
• 协同编辑：agent 产出草稿，人类修改，再让 agent 继续。Claude Code / Cursor Agent 的 apply-edit 流就是这模式。
• 纠偏反馈：人类以自然语言指出错误，agent 改写 plan 并重试；需要支持图状态的回溯与分叉。

没有 human-in-loop 机制的 agent 只能做低权限、可撤销的动作；一旦触碰不可撤销操作，必须加门。

15.4 成本与延迟的实操约束

一张对标表，经验值（2025 中）：

由此得到几条务实守则：

• 绝不给 agent 无限预算。必有 max_iterations、max_tokens、max_seconds、max_usd 四道闸。
• 能缓存就缓存：tool 结果按参数 hash 缓存；相同 prompt prefix 用 prompt caching（Anthropic、OpenAI、DeepSeek 都已支持）。
• 优先短链路：一个能 3 步跑完的任务，不要设计成 10 步。

十六、一个端到端落地样例：企业知识库助手

下面把前面抽象的东西落成一个能上线的方案。

16.1 需求

• 企业内知识库（Confluence、飞书文档、Git wiki）聚合检索。
• 用户在 IM 里自然语言提问，agent 回答并给出引用。
• 复杂问题（跨文档、需要写代码统计）能分步回答。
• 要求：p95 < 8s，单次成本 < ¥0.1，所有 trace 可追溯。

16.2 架构选型

flowchart LR
  U[IM webhook] --> GW[LLM Gateway]
  GW --> R[Router Agent]
  R -- 简单检索 --> QA[RAG Agent]
  R -- 复杂分析 --> W[Worker Agent]
  QA --> VS[(向量库)]
  W --> TL[Tools: SQL, Python]
  W --> VS
  QA --> GW
  W --> GW
  GW --> LF[Langfuse Trace]

• Router Agent：极小模型（Qwen3-0.6B 或 GPT-4o-mini），只做意图分类，<200ms。
• RAG Agent：走标准 RAG + rerank，单次 LLM 调用即可出答案。
• Worker Agent：LangGraph 状态机，可调 run_sql、run_python（E2B 沙箱）、search_docs。
• Gateway：第 22 篇主题，统一鉴权、限流、计费、trace 注入。
• Langfuse：自托管，留存所有 prompt/response/tool_call。

16.3 关键工程细节

• 缓存层：对 RAG 查询做 embedding-hit 缓存，命中率一般 30%+。
• 权限：每份文档都带 ACL，检索前以 user_id 过滤；漏掉就是数据泄露事故。
• 幻觉抑制：强制 agent 只能引用检索到的片段，开启 citation 模式；答案里没有 [doc#N] 的段落丢弃重答。
• 降级：Worker 超预算时自动退化为 RAG Agent，返回”本问题较复杂，以下是可能相关文档”。
• 评测：每周从真实 trace 中随机采样 50 条，人工标注准确率，作为下一次模型升级的门槛。

16.4 选择框架

同一需求，三种合理实现：

• LangGraph + 自建：灵活，上线需要 2–4 周。
• 百炼 Assistant / Coze：1 周内能跑起来，但权限模型要多做一层适配。
• Dify 自托管：折中，开源可改造，生态成熟；知识库、工作流、RAG 开箱即用。

选哪条路取决于团队规模与长期规划。不要为了短期而锁死在只支持某家模型的平台上——在大模型价格每年腰斩、能力每半年翻倍的节奏下，可替换性比”今天就跑起来”更重要。

十七、前沿趋势

几个正在发生、2026 很可能主导 agent 工程的方向：

17.1 Agentic Reasoning 内化

推理模型把”思考—工具—反思”塞进一次 generate 调用。对框架的影响：更薄的编排 + 更厚的工具层。框架会收敛到：

• 一个 session / memory
• 一组 MCP 工具
• 一个推理模型

LangGraph 里那些手写的 reflection 子图会慢慢变成反模式。

17.2 Agent 市场

MCP server 市场（Smithery、mcp.so、glama）+ A2A agent 市场正在形成。未来三年可能出现”Agent Store”——为某个垂直领域付费订阅一个远程 agent，像今天订阅 SaaS 一样。

17.3 长时运行 agent

当前 agent 主要解决”单次任务”（几秒到几分钟）。下一步是”持续运行 agent”（小时/天/周），代表形态：

• 后台巡检（Ops agent 盯着告警）
• 个人助理（跨天跨上下文的代办管理）
• 研究代理（deep research 模式，跑几小时给一份报告）

这类 agent 对记忆、成本预算、可中断可恢复提出比现在高一个数量级的要求。

17.4 多模态 agent

视觉 + 语音 + 动作统一进入 agent 循环。表现形式包括：

• 桌面 agent（Computer Use、Operator）
• 物理 agent（VLA 模型，机器人领域，参考 Figure、Physical Intelligence）
• 视频理解 agent（解析长视频、做剪辑）

Agent 框架将承担”把这些模态统一接入工具图”的职责。

17.5 Agent 的安全与对齐

Agent 带来的安全风险远超 chatbot：

• Prompt injection via tool output：工具返回的内容里藏指令，让 agent “代为”执行恶意动作（读私信、转账）。
• 数据外泄：agent 可能把内部数据当作上下文喂给第三方工具。
• 不可撤销动作：支付、发邮件、删除文件等需要强审批链。

工程上正在出现专门的Agent Firewall / Guardrail 产品（Lakera、Protect AI、国内的有瑞莱智慧等），走反向代理或 SDK 插桩两条路线。这部分将在第 24 篇详细展开。

十八、实战：一次真实的 debug 过程

为了让”可观测”“错误累积”这类抽象概念落地，我复述一次真实排查：线上客服 agent 偶发”答非所问”，约 2% 的 session 触发。

Step 1. 先看 trace 面板

Langfuse 里按失败标签过滤，发现失败 case 有共性：模型调用次数都在 6+，而正常 case 平均 2–3 次。初步判断是死循环或错误累积。

Step 2. 抽一条失败 session 做 replay

基于 LangGraph Checkpointer 回放，看到如下片段：

step 1 tool_call: search_kb(q="发票怎么开")      -> ok, 3 docs
step 2 tool_call: search_kb(q="开发票")          -> ok, 3 docs（和上一步 90% 重叠）
step 3 tool_call: search_kb(q="开发票 流程")     -> ok, 3 docs（还是类似）
step 4 tool_call: search_kb(q="开发票 步骤")     -> ok, 3 docs
step 5 tool_call: search_kb(q="开票")            -> ok
step 6 final:      "抱歉我暂时找不到相关信息…"

很明显：模型陷入”换关键词重试”循环，其实第一次就拿到了答案，只是答案对模型来说不够”明显”。

Step 3. 根因

• RAG top-k 返回片段里，核心信息埋在第二段，首段是无关的目录。
• system prompt 里写了 “如果信息不足就继续搜索”，却没写 “不要用同义词反复搜相同问题”。
• agent 缺少 dedup：两次高度相似的查询应该合并。

Step 4. 修复

三处改动：

1. Reranker：在检索之后加一层交叉编码器 rerank（bge-reranker-v2），把最相关片段顶到第一。
2. 改 prompt：加一句”如你已经搜过近义问题，不要再以同义词重复搜索；如果信息不足请向用户追问”。
3. 工具层 dedup：search_kb 内部对最近 N 次查询做 embedding 相似度去重，相似度 > 0.9 的返回缓存结果并注明”与前次查询相似”。

Step 5. 回归

在评测集 200 条里跑回归，原先的 2% 死循环 case 降到 0；顺便整体准确率 +4%。上线后一周监控，p95 延迟下降 1.8s，平均 token 消耗下降 35%。

这个例子里真正起作用的不是”更好的模型”，而是”能看见 trace 才能找到问题”。这就是为什么我在前面反复强调可观测性。

本篇走完了 agent 工程的主要面：范式演进、抽象模型、主流框架、多 agent 拓扑、记忆、协议、沙箱、浏览器控制、评测与基础设施。几条工程上反复验证的经验：

• 强模型 + 简单框架 > 弱模型 + 复杂编排。当 R1/o1/3.7 Thinking 能在一次调用里完成规划—执行—反思，多数 LangGraph 子图其实可以删掉。
• MCP 是 2025 年 agent 工程的最重要事实标准。下一篇会专门展开。
• 多 agent 不是越多越好。当单 agent 能解时，不要上 GroupChat。
• 可观测性从第 0 天就要做。没有 trace 的 agent 等于没有日志的分布式系统。
• 沙箱是底线不是锦上添花。任何会跑代码/访问外网的 agent，都必须隔离。

下一篇将聚焦工具调用与 MCP：工具 schema 设计、并行 tool_call、MCP server 工程实践、跨 agent 互操作的具体协议细节。

十九、附录：常见开源 agent 项目速览

以下是 2025 年工程界真实在用的开源项目清单，按用途分类：

19.1 通用 agent 框架

• LangChain / LangGraph（Python、JS）：github.com/langchain-ai/langchain
• LlamaIndex（Python、TS）：github.com/run-llama/llama_index
• AutoGen（Python，微软）：github.com/microsoft/autogen
• CrewAI（Python）：github.com/crewAIInc/crewAI
• Pydantic AI（Python）：github.com/pydantic/pydantic-ai
• DSPy（Python、Stanford NLP）：github.com/stanfordnlp/dspy
• Smolagents（Python、HuggingFace）：github.com/huggingface/smolagents
• Agno / Phidata（Python）：go.to agno-agi/agno
• Atomic Agents（Python）：轻量对 schema 友好

19.2 多 agent / 软件工程向

• MetaGPT（上海 DeepWisdom）：github.com/geekan/MetaGPT
• OpenDevin / OpenHands：软件工程 agent，SWE-bench 一线选手
• SWE-agent（Princeton）：修 GitHub issue 的专用 agent
• Devin（Cognition 闭源）、Replit Agent、GitHub Copilot Workspace

19.3 浏览器 / 计算机控制

• Browser Use：github.com/browser-use/browser-use
• Stagehand（Browserbase）：TS，基于 Playwright
• Skyvern：表单自动化
• WebVoyager、Agent-E：学术参考实现
• anthropic-quickstarts / computer-use-demo：Anthropic 官方 demo

19.4 低代码 / 平台

• Dify（苏州语灵）：github.com/langgenius/dify，国内最火自托管平台
• FastGPT（Labring）：RAG + agent，易部署
• Flowise、LangFlow、n8n（AI 节点）：拖拽式
• Coze Studio（字节开源版）：2025 年字节开源了 Coze 部分核心
• Bisheng、RAGFlow：国产企业向

19.5 记忆 / 存储

• MemGPT / Letta：github.com/letta-ai/letta
• Mem0：github.com/mem0ai/mem0
• Zep / Graphiti：github.com/getzep/zep，graphiti
• Motorhead（Metal）：Redis 记忆

19.6 沙箱与执行

• E2B（开源 SDK + 云服务）：github.com/e2b-dev/e2b
• Daytona：github.com/daytonaio/daytona
• Open Interpreter：本地 code interpreter
• Jupyter Kernel Gateway：把 Jupyter 变 agent 沙箱

19.7 观测与评测

• Langfuse：github.com/langfuse/langfuse
• Arize Phoenix：github.com/Arize-ai/phoenix
• AgentOps：github.com/AgentOps-AI/agentops
• Helicone：github.com/Helicone/helicone
• OpenLLMetry（Traceloop）：OpenTelemetry 扩展
• Inspect AI（UK AISI）：评测框架，政府级合规

19.8 协议与互操作

• MCP SDK（Python / TS / Go / Rust 官方实现）：github.com/modelcontextprotocol
• MCP server 合集：github.com/modelcontextprotocol/servers
• A2A SDK（Google）：github.com/google-a2a/a2a-python
• ANP（Agent Network Protocol）：社区项目
• CopilotKit / AG-UI：前端侧协议与组件

二十、工程检查清单

把一个原型 agent 推到生产前，请过一遍这份清单：

稳定性

• 单次 run 有 max_iterations、max_tokens、timeout、max_cost 四重熔断
• 每个工具都有独立超时与重试策略
• 工具失败时有明确降级路径（换工具 / 退化为纯 LLM / 交人工）
• 状态可持久化，断点可续跑

安全

• 工具按用户身份授权（不能 agent 以系统身份为所欲为）
• 工具输出经过 prompt injection 过滤（至少剥离常见注入模式）
• 不可撤销动作（支付、删除、发邮件）强制人工审批
• 代码执行在沙箱中，无默认出网权限
• 敏感字段（手机号、身份证、密钥）出入站脱敏

可观测

• 每次 run 都写 trace，能按用户 / session / tool 聚合
• prompt/response 留存（注意合规，考虑脱敏 + TTL）
• 成本面板按租户 / agent / tool 拆分
• 告警：失败率、p95 延迟、单 run 成本异常

质量

• 有自动评测集，CI 跑分
• 有人工评测回流到评测集的机制
• 线上采样回看频率 ≥ 每周
• Prompt 与模型版本有 registry，能灰度回滚

成本

• 启用 prompt caching（Anthropic / OpenAI / DeepSeek）
• 小模型做 router，大模型做兜底
• 工具结果按参数 hash 缓存
• 允许异步 batch（非实时任务走便宜通道）

协议化

• 工具逐步迁移到 MCP，降低重复集成
• 外部 agent 协作留 A2A 口子
• 前端事件流遵循 AG-UI 或类似规范

过完上面 25 条，你的 agent 才真正配得上叫”基础设施”。

二十一、小结

本篇走完了 agent 工程的主要面：范式演进、抽象模型、主流框架、多 agent 拓扑、记忆、协议、沙箱、浏览器控制、评测与基础设施。几条工程上反复验证的经验：

• 强模型 + 简单框架 > 弱模型 + 复杂编排。当 R1/o1/3.7 Thinking 能在一次调用里完成规划—执行—反思，多数 LangGraph 子图其实可以删掉。
• MCP 是 2025 年 agent 工程的最重要事实标准。下一篇会专门展开。
• 多 agent 不是越多越好。当单 agent 能解时，不要上 GroupChat。
• 可观测性从第 0 天就要做。没有 trace 的 agent 等于没有日志的分布式系统。
• 沙箱是底线不是锦上添花。任何会跑代码/访问外网的 agent，都必须隔离。
• 协议化是红利：MCP 让工具复用，A2A 让 agent 复用，AG-UI 让前端复用。尽量把自有能力往这三个标准上靠。
• 评测比调参更重要：没有评测集的优化就是盲调；建立评测集比学会新框架更能提升交付质量。
• 可替换性优先：不要为了 “今天就上线” 把团队锁死在某个模型/平台上，半年后价格腰斩或更强模型出来时会后悔。

下一篇将聚焦工具调用与 MCP：工具 schema 设计、并行 tool_call、MCP server 工程实践、跨 agent 互操作的具体协议细节。

参考资料

• Yao et al., ReAct: Synergizing Reasoning and Acting in Language Models, 2022
• Shinn et al., Reflexion: Language Agents with Verbal Reinforcement Learning, 2023
• Packer et al., MemGPT: Towards LLMs as Operating Systems, 2023
• Wu et al., AutoGen: Enabling Next-Gen LLM Applications, 微软，2023
• Khattab et al., DSPy: Compiling Declarative Language Model Calls into Self-Improving Pipelines, 2023
• Wang et al., Voyager: An Open-Ended Embodied Agent with Large Language Models, 2023
• Xi et al., The Rise and Potential of Large Language Model Based Agents: A Survey, 2023
• Anthropic, Introducing the Model Context Protocol, 2024.11
• Anthropic, Computer use with Claude, 2024.10
• Google, Agent2Agent Protocol, 2025.04
• OpenAI, Introducing the Agents SDK and Responses API, 2025
• OpenAI, Introducing Operator, 2025.01
• LangChain/LangGraph 官方文档、CrewAI 文档、LlamaIndex 文档、Pydantic AI 文档、Smolagents 文档
• SWE-bench（Princeton）、τ-bench（Sierra）、GAIA、WebArena、OSWorld 官方论文与 leaderboard
• Coze 开放平台文档、字节 Coze Studio 开源仓库
• 阿里百炼 Assistant API 文档、百度千帆 Agent 文档、腾讯混元助手文档
• Dify、FastGPT、Bisheng、RAGFlow、MetaGPT 官方文档
• E2B、Daytona、Modal 官方文档
• Langfuse、LangSmith、AgentOps、Arize Phoenix、Helicone 官方文档
• Browser Use、Stagehand、Skyvern 官方仓库与文档

上一篇：向量库与图 RAG 下一篇：工具调用与 MCP