从零打造你的第一个 AI Agent：LLM 不够用？给它装上"外挂"

前言

2026 年过半，大模型（LLM）已经火得一塌糊涂，Agent 更是遍地开花。但很多同学可能跟我一样，刚接触的时候觉得 LLM 很神奇，用着用着却发现------它好像也没那么万能？

你跟它聊天，它答得头头是道；但让它帮你干点"实事"，它就开始各种"抱歉，我无法......"

别急，这篇文章就是带你一步步理解：怎么把一个大模型，升级成一个真正能干活的 Agent（智能体）。

一、裸 LLM 的"硬伤"在哪？

先别急着写代码，咱们先把问题搞清楚。大模型接口虽然强大，但直接裸调用有几个绕不过去的坎：

1. 它不记事儿（无状态）

你上周跟 GPT 聊了一下午的需求，今天再问它"上次那个方案改好了吗？"------它一脸茫然。

LLM 本质是无状态 的，每次请求都是"初次见面"。想让它记住上下文？你得自己搞个 Memory 模块 ------后端存数据库也行、Redis 也行、前端 localStorage 也行，总之 LLM + 后端 才能解决记忆问题。

2. 它只会说，不会做

你问它"帮我看看这个网页上有什么内容"，它能给你分析得头头是道------思路。但它没法真正打开浏览器去访问网页。你想让它动手？得给它装上 Tool Use 能力。

3. 它不懂你公司的内部知识

"帮我查一下公司内部 wiki 上的请假流程"------LLM 压根没见过你的内部文档。这时候就需要 RAG（检索增强生成），把私有知识库的内容检索出来，喂给 LLM 作为参考。

4. 它的知识有"截止日期"

世界杯最新战况？昨天刚出的技术新闻？这些都不在它的预训练数据里。这时候可以靠 MCP（Model Context Protocol） 或第三方工具来补齐实时信息的能力。

5. 复杂任务怎么编排？

"帮我做一份 Q2 数据分析 PPT，顺带分析一下最近的股市行情，自动买入符合条件的股票"------这种组合拳，单个 LLM 调用根本搞不定。需要 Skills（技能编排） 把多个能力串起来。

二、Agent 到底是什么？

搞清楚问题之后，答案就很简单了：

Agent = LLM + Memory + Tool + RAG + MCP + Skills

一句话总结：给大模型装上"记忆"让它记住你、装上"工具"让它能干事情、接上"知识库"让它懂你的业务、配上"技能编排"让它处理复杂任务------这就是一个 Agent。

像 Claude Code、Codex、小龙虾、Manus 这些当红产品，本质上都是这个公式的不同实现。

三、Agent 的工作流程

当用户抛出一个复杂任务给 Agent 时，背后是这样一条链路：

markdown 复制代码

用户 Prompt → LLM 规划/推理 → 要不要加载 Memory？
                            → 要不要调用 Tool？（可能分步调用多个工具）
                            → 要不要走 RAG？（检索结果注入 Prompt）
                            → 生成最终响应 → 返回给用户

LLM 本身就是会思考、会规划的。我们要做的，就是给它拓展能力边界------给它手和脚，让它不仅能"想"，还能"做"。

四、开发框架选型：为什么是 LangChain？

市面上 LLM 开发框架不少，但 LangChain 是其中最成熟的之一。我们的技术栈是这样的：

层级	技术选型	作用
后端框架	NestJS (Node.js)	提供稳定的服务端能力
单智能体	LangChain	统一 LLM 调用、Tool 管理、消息编排
多智能体	LangGraph	多个 Agent 之间的协作与编排
工具协议	MCP / RAG / Skills	拓展 Agent 的能力边界

这个组合的优势在于：结合后端工程化能力，让 AI 技术真正落地，实现商业价值（我们内部叫 FDE ------ Frontend/Backend Driven Engineering for AI）。

五、上手实战：用 LangChain 打造一个文件读取 Agent

光说不练假把式，我们直接看代码。下面是一个最小可用的 Agent 示例------让它能读取本地文件并解析内容。

5.1 初始化 LLM

javascript 复制代码

import { ChatOpenAI } from '@langchain/openai';
import 'dotenv/config';

const model = new ChatOpenAI({
    modelName: 'deepseek-v4-flash',       // 可以换成任意兼容 OpenAI 接口的模型
    apiKey: process.env.DEEPSEEK_API_KEY,
    temperature: 0,
    configuration: {
        baseURL: 'https://api.deepseek.com/v1',
    }
});

const response = await model.invoke('2027下半年上海major应该设立什么奖励？');
console.log(response.content);

LangChain 的 ChatOpenAI 给我们做了一层统一抽象------不管底层接的是 DeepSeek、GPT-4 还是其他模型，调用方式都一样。按需加载，不会把不用的模型依赖全打进去。

5.2 定义 Tool：让 LLM 能"动手"

Tool 是 Agent 的核心能力拓展方式。一个 Tool 包含两个部分：

处理函数（异步）：真正干活的逻辑
描述对象：告诉 LLM 这个工具是干嘛的、什么场景用、需要什么参数

javascript 复制代码

import { tool } from '@langchain/core/tools';
import { z } from 'zod';
import fs from 'node:fs/promises';

const readFileTool = tool(
    async ({ filePath }) => {
        const content = await fs.readFile(filePath, 'utf-8');
        console.log(`[工具调用] read_file(${filePath}) 成功读取${content.length}字节`);
        return content;
    },
    {
        name: 'read_file',
        description: `用此工具读取文件内容。
        当用户要求读取文件、查看代码、分析文件内容时调用此工具，
        输入文件路径（可以是相对路径或绝对路径）`,
        schema: z.object({
            filePath: z.string().describe('文件路径'),
        }),
    }
);

这里有几个关键点：

schema（zod 约束）：LLM 要调用这个工具，必须按 schema 约定的格式传参。zod 负责在类型层面做校验，保证参数不会乱套。
description：写清楚这个工具的功能、覆盖场景、参数需求------LLM 是靠这段描述来判断"什么时候该用这个工具"的，写得越清晰，调用越准确。
反馈机制：工具执行时打印日志很重要------复杂任务可能很耗时，用户太久没看到反馈可能就直接关掉了。

5.3 绑定工具 & 发起对话

javascript 复制代码

const tools = [readFileTool];

// 将工具注册到模型上
const modelWithTools = model.bindTools(tools);

const messages = [
    new SystemMessage(`
        你是一个专业的文件读取助手，可以使用工具读取文件并解释代码。

        工作流程：
        1. 用户要求读取文件时，立即调用 read_file 工具
        2. 等待工具返回文件内容
        3. 基于文件内容，进行分析和解释

        可调用工具：
        - read_file: 读取文件内容（使用此工具来获取文件内容）
    `),
    new HumanMessage('请读取 tool.mjs 文件内容并解释代码'),
];

let response = await modelWithTools.invoke(messages);
messages.push(response);

System Prompt 里我们给了 LLM 一个明确的"人设"和"工作流程"------这很重要，LLM 需要知道自己的边界和可用的武器。

5.4 Tool 调用的底层机制

当 LLM 决定调用工具时，它不会直接生成文本回复 ，而是停下来，返回一个 tool_calls 列表，包含：

json 复制代码

{
  "id": "call_xxx",       // 工具调用 ID，关联后续返回值
  "name": "read_file",    // 工具名
  "arguments": {          // 参数，符合你定义的 schema
    "filePath": "tool.mjs"
  }
}

然后你的代码去真正执行 这个工具，把结果包装成 ToolMessage 塞回消息列表。LLM 拿到结果后，再结合上下文生成最终回复。

这个过程的关键在于：工具是异步的，LLM 通过 id 关联"哪个工具调用对应哪个结果"------形成了一个完整的任务上下文闭环。

六、性能优化：并行工具调用

复杂任务中，LLM 可能会一口气调用多个工具。比如"读取 A 文件、B 文件、C 文件，然后对比分析"------这时三个文件读取互不依赖，完全可以并行执行。

这时候 Promise.all 就派上用场了：

javascript 复制代码

// 并行执行多个工具调用，互不阻塞
const toolResults = await Promise.all(
    toolCalls.map(call => executeTool(call))
);

复习一下 Promise 的核心概念（这对理解异步 Agent 至关重要）：

概念	说明
`pending`	等待中......
`fulfilled`	成功（pending → fulfilled，不可逆）
`rejected`	失败（pending → rejected，不可逆）
`Promise.all`	并行执行多个 Promise，全部完成后返回结果数组
`await`	ES8 语法，把异步代码写成同步风格，最优雅的写法

这就是我们高性能 Agent 的基石------能并行的绝不串行。

七、进阶方向

以上只是 Agent 开发的冰山一角。掌握了基础之后，可以往这些方向深入：

Memory 模块：让 Agent 记住历史对话、用户偏好、任务状态
RAG 接入：接入企业内部知识库，让 Agent 成为"懂业务的专家"
MCP 协议：对接第三方工具生态，让 Agent 的能力无限拓展
LangGraph 多智能体：多个 Agent 分工协作，一个负责规划、一个负责执行、一个负责校验
Skills 编排：把常用能力封装成可复用的技能模块

八、总结

回顾一下我们的核心认知：

裸 LLM 的问题：无状态、不会动手、不懂私有知识、信息滞后、复杂任务搞不定
Agent 的解法：给 LLM 配上 Memory + Tool + RAG + MCP + Skills
Agent 的工作流：规划 → 记忆 → 工具调用 → 知识检索 → 响应
落地框架：NestJS + LangChain + LangGraph，后端工程化让 AI 真正产生商业价值
性能关键 ：Promise.all 并行执行工具调用，能并行不串行

Agent 其实并不神秘。LLM 本身就能思考、能规划------我们要做的，就是给它装上"手"（Tool）、"记忆"（Memory）、"知识"（RAG），让它从一个"只会聊天的话痨"，进化成一个"能干活的智能体"。

这样一个知道内部知识、能思考规划、能动手帮你做事情的拓展后的大模型------就是 Agent。

希望这篇文章能帮你迈出 Agent 开发的第一步。代码跑起来，才是真正的开始 🚀