简单来说，agent 是一个能够感知环境、做出决策并解决问题的系统。著名的例子包括 IBM 的深蓝、AlphaGo 等系统，它们分别在 1997 年和 2016 年击败了当时世界一流的国际象棋和围棋高手。
当前的 AI Agent，狭义上指的是利用大语言模型（LLMs）作为核心，调用外部工具来解决复杂问题的系统。
LLM驱动的Agent的一般框架图：
在以 LLMs 为核心的 Agent 系统中，LLMs 如同 “大脑”，为整个系统提供决策能力，此外还包含以下几个辅助组件：
- Planning
- 子任务分解
- 反思与完善
- Memory
- 短期记忆
- 长期记忆
- Tool use
- 使用工具类的 API 或者自定义工具。
- 子任务分解：
- 反思与完善
记忆机制主要在获取、存储、检索、概括等方面存在差异。
这一功能主要用于扩展 LLMs 的能力范围，以解决相应问题。 给几个简单例子
- RAG
- Search Engine
- OCR
- Simulation Platform
- Web API 以上是简单的工具类型，目前这一领域发展十分迅速。当前已出现不少相关产品，如夸克、豆包的智能搜索，Cursor、Trae 等智能集成开发环境（IDE）等，今年出现的相对突出的工作就是MCP、A2A等。