文章

Agent智能体技术简介

发表于
Preview Image
作者 handsomestwei
10 分钟阅读
Agent智能体技术简介

Agent智能体技术简介

什么是智能体

智能体本身不内置小模型，智能体是一个程序框架：

1

智能体 = 程序逻辑 + 大模型调用 + 工具集成 + 记忆管理

智能体内部架构

1
2
3
4
5
6
7
8
9
10
11
12
13

┌─────────────────────────────────────────────────────────────┐
│                    xxxAgent                                 │
├─────────────────────────────────────────────────────────────┤
│  ┌─────────────────┐  ┌─────────────────┐  ┌─────────────┐ │
│  │   A2A Protocol  │  │   MCP Client    │  │ OpenAI SDK  │ │
│  │   (Agent调用)    │  │   (工具调用)     │  │  (大模型)    │ │
│  └─────────────────┘  └─────────────────┘  └─────────────┘ │
├─────────────────────────────────────────────────────────────┤
│  ┌─────────────────┐  ┌─────────────────┐  ┌─────────────┐ │
│  │ 系统提示词       │  │  业务逻辑       │  │  记忆管理   │ │
│  │ (角色定义)       │  │  (处理流程)     │  │  (会话)     │ │
│  └─────────────────┘  └─────────────────┘  └─────────────┘ │
└─────────────────────────────────────────────────────────────┘

在一个智能体内部：

  • 可以调用其他agent，使用A2A协议；
  • 可以调用mcp服务，内嵌有mcp客户端；
  • 可以调用大模型，包含有openai sdk。

为什么需要多智能体

单智能体的缺陷

  1. 能力边界问题
    • 知识范围：单个智能体很难同时精通多个专业领域
    • 任务复杂度：复杂任务需要分解，单个智能体容易”迷失方向”
    • 记忆容量：长对话中容易忘记早期的重要信息
  2. 角色冲突
    • 决策偏差：同一个智能体既要分析又要决策，容易产生偏见
    • 责任分散：难以区分是分析错误还是决策错误

多智能体的优势

  1. 专业分工
    1
2
3
4

     分析智能体：负责数据分析和问题理解
 决策智能体：负责制定解决方案和行动计划
 执行智能体：负责具体任务执行
 监督智能体：负责质量检查和错误纠正
  2. 协作增效
    • 互补性：不同智能体各有所长，相互补充
    • 并行处理：可以同时处理多个子任务
    • 质量提升：多角度分析，减少盲点
  3. 错误容错
    • 冗余检查：多个智能体可以交叉验证结果
    • 故障隔离：某个智能体出错不会影响整体

多个智能体之间的不同

每个Agent，都设置有不同的系统提示词和绑定不同的mcp服务，来体现其专注于某一领域和专业性，方便和通用大模型对接。

  • 角色扮演：通过不同的系统提示词定义专业身份
  • 工具配置：使用不同的MCP服务来扩展能力
  • 业务逻辑：针对不同领域设计专门的处理流程
  • 协作方式：可以串行、并行或混合协作 这样设计的好处是：
  • 专业化：每个Agent都专注于自己的领域
  • 可扩展：可以轻松添加新的专业Agent
  • 可维护：每个Agent的职责清晰，易于调试
  • 可复用：Agent可以在不同场景下组合使用

智能体的会话管理

Agent每次调用模型时，需要根据历史对话内容，构建合适的上下文信息。

会话流程

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

// 伪代码示例
public class AIAgent {

    public String processUserInput(String input, String sessionId) {
        // 1. 获取历史对话
        List<Message> history = messageService.getSessionHistory(sessionId);

        // 2. 构建上下文
        String context = buildContext(history);

        // 3. 调用大模型
        String response = llmService.generateResponse(input, context);

        // 4. 存储对话
        messageService.saveMessage(sessionId, "user", input);
        messageService.saveMessage(sessionId, "assistant", response);

        return response;
    }
}

数据存储

  • sessions表：存储会话信息（session_id, user_id, created_at, status）
  • messages表：存储对话内容（id, session_id, role, content, timestamp）
  • context表：存储上下文摘要（session_id, summary, key_points）

会话管理机制

1
2
3
4

1. 用户开始对话 → 创建新session_id
2. 每次对话 → 存储到messages表，关联session_id
3. 对话进行中 → 通过session_id查询历史对话
4. 对话结束 → 更新session状态，可选择保留或清理

记忆策略

1
2
3

短期记忆：当前会话的所有对话内容
长期记忆：关键信息提取、摘要存储
检索增强：根据当前问题检索相关历史对话

构建上下文策略

上下文提交，不是每次都提交全部历史，这样会浪费token，也低效。

  • 策略：固定轮数（简单）。只取最近几次的对话记录。
  • 策略：智能摘要。使用大模型生成摘要，但会多调用一次大模型接口，且等待回复也会产生更多耗时。
  • 策略：规则摘要。基于关键字等规则，提取对话内容的关键信息。
  • 策略：多策略组合（推荐）。多种策略混合使用，同时合理使用缓存。
  • 策略：向量检索（高级）。使用向量数据库，或者词嵌入模型 + 内存搜索，将历史对话转换为向量，检索最相关的内容。

智能体开发框架

  • LangChain：包含基础LLM集成、提示词管理、工具集成、记忆管理、向量数据库、文档加载器。
  • LangGraph：LangChain生态系统中的一个组件，专门用于构建有状态的AI应用。包含：状态图定义、节点间状态传递、工作流编排。

多智能体怎样协作

协调者

在任务开始的时候，有一个智能体专门用于任务分工和任务协调。职责有：

  • 任务分析：理解用户需求的复杂性
  • 任务分解：将复杂任务拆分为可执行的子任务
  • 智能体分配：为每个子任务选择最合适的智能体
  • 执行协调：管理智能体间的协作和结果整合
  • 进度监控：跟踪整体执行进度

协作模式

  • 串行协作（Sequential）
    1

      任务1 → 任务2 → 任务3 → 整合结果
  • 并行协作（Parallel）
    1
2
3

      任务1 ─┐
  任务2 ─┼─→ 整合结果
  任务3 ─┘
  • 混合协作（Hybrid）
    1
2
3

      任务1 → 任务2 ─┐
  任务3 ──────────┼─→ 整合结果
  任务4 ──────────┘

    协作的关键问题

  • 任务上下文传递：智能体之间应该可以共享上下文，获取前面智能体的分析结果。
  • 分工进度监控：需要跟踪整体执行进度。

这些功能由A2A协议来规范。

智能体注册和发现

任务开始时的分工智能体，是怎样知道有哪些专业智能体的？是否有一个智能体中心来提供注册和服务发现？据了解目前是没有这种基础设施。

目前任务开始时的分工智能体，协作流程（串行或并行）以及使用哪些智能体，都是写死在代码里的。

工作流动态编排

一些框架如coze、dify、n8n等，实现了任务的动态编排，提供了状态管理和进度监控等功能，相当于替代了分工智能体这个角色。

AI, AI基础, AI智能体
AI AI基础 智能体
本文由作者按照 CC BY 4.0 进行授权