1. 现代 Agent = LLM + 上下文 + 工具
现代智能 Agent 可通过核心公式定义：Agent = LLM + 上下文 + 工具，三者分别对应大脑、眼睛、手脚，构成 Agent 完整运行体系，同时对应强化学习三大基础要素。
- LLM 为 Agent 决策核心，承担思考、理解、规划、判断的能力，能力由预训练通用知识与后训练固化的决策策略共同构成，对应强化学习策略空间，负责输出行动决策。
- 上下文是 Agent 的全量感知来源，不局限于对话文本，涵盖环境信息、用户记忆、领域知识、任务进度与系统状态，对应强化学习观察空间，决定 Agent 决策的信息边界。
- 工具是 Agent 的落地执行能力，不限于基础 API 调用，包含文件操作、代码执行、网页检索、设备操控、子 Agent 协作、对外交互等全部行为能力，对应强化学习动作空间，负责将决策转化为实际行为。
不同类型 Agent 在感知、行动、执行策略上各有特点：Coding Agent 以代码库、终端环境作为感知源，完成增量开发；搜索 Agent 依托网络与文献资源迭代检索生成报告；电脑操控 Agent 通过屏幕视觉感知，完成界面交互；手机助手 Agent 读取移动端屏幕与应用，实现 App 自动化操作；个人办事 Agent 读取账户账单信息，完成多步对外协商事务。 各类 Agent 具备统一共性：拥有开放式动作空间、支持内部思考规划、可基于环境反馈持续迭代调整策略。
1.1 工具：Agent 的手脚
工具是 Agent 与外部世界交互的核心桥梁 ，是 Agent 从「文本推理」走向主动执行 的关键，无工具则 Agent 仅能被动输出内容，无法改变真实环境。
广义工具体系按交互逻辑分为五类核心工具，覆盖所有 Agent 交互形态：
- 感知工具（信息获取）：负责读取外部信息，包含搜索、本地文件、数据库、业务 API，为 Agent 提供外部数据输入。
- 执行工具（状态修改）：负责改变外部环境，包含代码执行、文件操作、系统命令、外部 API 调用，是 Agent 落地决策的核心能力。
- 协作工具（多智能体协同）：支持任务分工，可委派子 Agent、请求人工确认、完成多 Agent 系统协作。
- 事件触发工具（被动驱动） ：区别于主动调用，由外部事件唤醒Agent，如定时任务、新邮件、Webhook 回调，是 Agent 异步执行的入口。
- 用户沟通工具（人机交互） ：专门面向用户，通过消息、语音、邮件传递进度与信息，专注人机交互而非环境修改。
工具设计质量直接决定 Agent 上限 ：接口模糊会导致工具滥用、异常处理缺失易造成死锁、权限过宽会引发安全风险。MCP 模型上下文协议 实现工具插件化快速接入，标准化工具生态。
工具调用（Function Calling）是现代 Agent 核心能力 ，彻底将 LLM 从纯文本生成器升级为可实操的智能决策系统。 标准调用四步流程（ReAct 范式底层基础）： - 上下文注入：向 LLM 声明可用工具、用途、参数规范；
- 模型自主决策：自主判断是否调用、调用哪个、传入参数；
- 工具执行回写：执行结果追加至上下文；
- 迭代决策：LLM 基于返回结果继续推理、执行下一步动作。
核心设计原则 ：优先使用通用工具而非专用工具，依托沙盒、虚拟环境保障安全，让 Agent 通过自由组合基础能力，自适应解决复杂场景问题。
1.2 LLM：Agent 的大脑
LLM是Agent的决策核心 ，负责完成意图解析、复杂任务拆解，在执行全程持续判断下一步动作、工具选择与参数，理解-规划-执行整套能力依托预训练积累的知识，是工作流与自主Agent的共同底层基础。
LLM Agent具备内部思考 能力：正式行动前先完成规划推演，不改动外部环境，但显著提升行动质量。该推演能力源自预训练 阶段习得的语言规律、世界知识、因果逻辑与问题分解策略，Agent的推演不是随机探索，依托结构化知识体系展开。 由此衍生两大泛化能力：零样本泛化 ，无需任何示例，仅凭已有知识处理从未见过的全新任务；少样本适应，仅依靠少量示范样例，快速掌握新任务模式。零样本=无示例直接完成任务，少样本=少量示例快速习得模式。
模型即Agent（Model as Agent）是Agent前沿范式：依托后训练（强化学习） ，把工具调用能力内置为模型原生能力，自主判断工具调用时机、对象、参数，不再依赖人工编排。 模型能力越强，配套Harness工程外壳 越关键。Harness不限制模型，而是引导模型能力可靠落地，包含上下文管理、工具接口、安全约束、校验纠错等基础设施。模型自主决策范围扩大，风险随之提升，需要约束、验证、纠错机制保障稳定。厂商核心优势是模型与Harness协同迭代优化。 结合Rich Sutton《苦涩的教训》：长期看通用学习方法终将超越人工预置先验知识。本书立场方向认同，节奏务实：长期模型会逐步内化Harness中的能力；但落地节奏缓慢，Harness承担兜底作用，模型内化一层，Harness就向下迁移一层，该主线贯穿全书。
Agent存在三类互补学习范式：
- 后训练：通过强化学习将经验固化进模型参数，跨任务通用性最强，但更新成本高昂；
- 上下文学习 ：依靠注意力机制，在当前提示内借助样例快速适配任务，本质是模式匹配而非真正学习，仅能复用已有模式，无法发现新规律，能力随会话结束消失；
- 外部化学习 ：知识、流程外置到知识库与工具代码，持久性强、便于审计解释。
三者在不同时间尺度互补：后训练打底基础能力，上下文学习实现临场快速适配，外部化学习保障系统可靠与执行效率。类比理解：后训练如同系统研读教科书，能力永久提升；上下文学习如同临场翻看参考材料，会话结束失效；外部化学习如同个人笔记，信息持久留存。
1.3 上下文： Agent的眼睛
上下文是 Agent 的视野（眼睛），代表 Agent 在每一次决策时刻能够获取的全部信息。LLM 调用时的上下文由五大模块共同组成：
- 系统提示词（System Prompt） ：开发者预设，对话全程基本不变，相当于 Agent岗位说明书 ，定义身份、权限、行为准则；内置用户记忆与动态环境状态，通过提示工程塑造 Agent 行为模式。
- 工具定义（Tool Definitions） ：声明可用工具名称、功能、参数结构，缺少该部分 Agent 无法识别、调用工具。系统提示词 + 工具定义构成上下文静态前缀；生产框架支持动态按需加载工具 schema。
- 用户消息（User Messages） ：用户输入内容，可通过RAG 检索增强生成动态引入外部私有知识、实时信息。
- 模型回复（Assistant Messages） ：模型历史输出，包含三块可选内容：
reasoning内部思考链、content文本回复、tool_calls工具调用请求；不同场景组合不同，保障决策连贯可解释。 - 工具执行结果（Tool Results） ：工具运行返回的数据，作为 Agent 下一步推理依据，帮助 Agent 从反馈中规避重复错误。
划分：系统提示词、工具定义属于静态前缀 ；用户消息、模型回复、工具执行结果属于随交互持续增长的动态消息历史 。
消融实验（Ablation Study）用来验证各组件必要性，逐个移除组件观测系统变化：移除工具定义→Agent 丧失调用工具能力；缺失工具返回结果→无限重复调用同一工具；删除思考链→决策前后矛盾；缺少历史消息→Agent 失忆，重复执行任务。上下文各组件的价值具备实验验证支撑，不只是理论假设。
1.4 ReAct 循环
ReAct 循环是串联 LLM、上下文、工具三大组件的核心协同机制 ，全称 Reasoning + Acting，完整循环包含思考→行动→观察 ，持续迭代 "想→做→看"，直至任务结束。
轨迹（trajectory） ：Agent 执行任务过程持续积累的消息历史，包含用户消息、模型回复（思考链、工具调用）、工具返回结果。Agent 上下文 = 静态前缀 + 轨迹 。静态前缀为系统提示词 + 工具定义；轨迹为动态消息历史，每一轮模型输出、工具返回结果都会追加进轨迹，作为下一轮推理输入。
多币种收入汇总案例展示完整 ReAct 迭代流程：第一轮分析需求，并行调用货币转换工具；第二轮基于汇率转换结果，调用代码解释器做汇总运算；第三轮确认计算完成，输出最终答案。
ReAct 设计核心优势在于上下文累积性 ：每轮 LLM 推理都读取完整轨迹，维持任务全局状态，知晓历史操作与结果；结构化轨迹具备强可解释性、可调试性 ，各类角色消息做清晰区分。
轨迹价值不止任务执行记录：可用于分析 Agent 行为模式、优化决策链路、迭代工具设计；轨迹数据可沉淀至知识库，或送入强化学习训练模型，形成经验学习闭环。
