Agent(智能体)核心组件
主流大模型 Agent 架构,一般分为基础核心组件 + 扩展能力组件,不同框架(LangGraph、AutoGen、OpenClaw 等)命名略有差异,但本质模块基本一致。
简化公式
Agent = LLM + 规划 + 记忆 + 工具
LLM 负责"想",工具负责"做",记忆负责"记",规划负责"拆解与迭代"。
一、基础核心组件(必备)
1. 大模型大脑(LLM / 多模态模型)
Agent 的推理核心,负责理解任务、思考规划、生成决策、调用工具、总结结果。
- 能力:自然语言理解、逻辑推理、反思、生成函数调用参数
- 可选:多模态模型(看图、音视频)
2. 记忆系统(Memory)
保存信息,区分短期 / 长期记忆,解决 LLM 上下文窗口有限的问题。
| 类型 | 存储位置 | 说明 |
|---|---|---|
| 短期记忆(上下文记忆) | Prompt | 对话历史、本轮任务中间步骤 |
| 长期记忆 | 向量库 | 持久化知识、过往经验,通过检索召回(RAG) |
| 实体记忆 | 结构化存储 | 人物、参数、业务实体等结构化信息 |
3. 规划器(Planner)
把一个复杂目标拆解成多个子任务,制定执行步骤。
- 简单:链式思考 CoT
- 复杂:Plan-and-Solve、ReAct、Tree of Thoughts
- 支持动态重规划:发现子任务失败时自动调整
常见范式:
- ReAct:推理(Reason)+ 行动(Act)交替循环
- Plan-and-Execute:先整体规划再逐步执行
- Reflexion:引入反思机制,根据结果迭代优化
4. 工具调用模块(Tool / Action Executor)
Agent 对外操作的手脚,让模型可以与外部世界交互。
- 工具类型:代码解释器、API 调用、数据库查询、浏览器搜索、文件读写等
- 接入协议:Function Calling、MCP(Model Context Protocol)
- 执行器职责:解析模型输出的工具调用指令、参数校验、执行、捕获返回结果 / 异常
5. 反思与校验(Reflection / Critic)
Agent 做完一步之后自我检查:结果是否正确、有没有遗漏、是否偏离目标,用来修正错误。
- 单步反思:每一步执行完立即校验
- 任务复盘反思:任务结束后整体评估
二、扩展组件(中大型 Agent 常用)
| 组件 | 说明 |
|---|---|
| 检索器(Retriever / RAG) | 从知识库检索外部资料,给 Agent 提供事实依据,减少幻觉 |
| 状态管理(State) | 保存 Agent 任务状态、子任务进度,支持断点续跑 |
| 感知 / 输入(Perception) | 接收用户指令、文本、图片、音频、工具返回结果、环境状态等 |
| 编排与控制循环(Orchestration) | 驱动"感知 → 思考 → 行动 → 观察"循环,管理工具调用时机、终止条件、错误重试 |
| 护栏与安全(Guardrails) | 输入输出校验、权限控制、Human-in-the-loop、成本与步数限制 |
三、多 Agent 系统
当多个 Agent 协作时,还需要额外的角色分工与通信协作机制:
- Orchestrator:主控 Agent,负责任务分发与结果汇总
- Worker Agent:执行具体子任务的专项 Agent
- 通信协议:消息队列、共享状态、事件总线等
代表框架:LangGraph、AutoGen、CrewAI。