AI Agent越來越為人們熟知，我們熟悉的那種對(duì)話式大模型，正在慢慢淡出視野。但這些Agent所包含的復(fù)雜功能，往往需要許多組件模塊協(xié)同工作。

問題來了，什么是Agent？

傳統(tǒng)意義上，LLM是一個(gè)概率預(yù)測模型，用于預(yù)測下一個(gè)token產(chǎn)生的概率。

通過連續(xù)對(duì)tokens 進(jìn)行采樣，我們就可以模擬與LLM進(jìn)行對(duì)話，使用 LLM 輔助查詢更多信息，為我們提供更廣泛的答案。 

然而，任何LLM都會(huì)在我們對(duì)話的過程中，暴露出它的缺點(diǎn)：沒有記憶能力，記不住上一輪對(duì)話。

這就是為什么，LLM會(huì)在一些基本的數(shù)學(xué)運(yùn)算的任務(wù)上出現(xiàn)失敗，本身LLM是一個(gè)概率模型，針對(duì)這種精確的計(jì)算任務(wù)也望塵莫及。

不是它不行，這是它的本身限制所在。

這種情況并不意味著LLM是非常糟透了的！

LLMs不需要擁有全部的超能力，我們可以借助外部工具、記憶和檢索系統(tǒng)來彌補(bǔ)不足。

通過外部系統(tǒng)（工具、記憶、檢索），LLM 的能力可以得到進(jìn)一步的增強(qiáng)，不再出現(xiàn)那種突然的”短路“和記憶缺失。

Anthropic 將這稱為“增強(qiáng)的 LLM”。

再次面對(duì)同樣的數(shù)學(xué)問題，增強(qiáng)式的LLM 會(huì)直接使用（這種是通過設(shè)置提示詞去調(diào)度的，遇到數(shù)學(xué)問題，就用計(jì)算器）合適的工具（一個(gè)計(jì)算器 ）。

那么，這種增強(qiáng)式的LLM是Agent嗎？

它有Tool，Memory，LLM，或許算是...

回顧一下Agent基本定義：

Agent是指任何可以被視為通過傳感器感知其環(huán)境，并通過對(duì)環(huán)境的執(zhí)行器采取行動(dòng)的東西 。

—— Russell & Norvig, 人工智能：現(xiàn)代方法（2016）

從定義來看，Agent是與環(huán)境進(jìn)行交互，有很重要的幾個(gè)組件：

• 環(huán)境 — 代理互動(dòng)的世界
• 傳感器 — 用于觀察環(huán)境
• 執(zhí)行器 — 用于與環(huán)境互動(dòng)的工具
• 效應(yīng)器 — 決定如何從觀察到行動(dòng)的“大腦”或規(guī)則

適用于與各種環(huán)境交互的代理，包括機(jī)器人與物理環(huán)境交互、 AI Agent與軟件系統(tǒng)交互。泛化到更加廣闊的邊界，適用于“Augmented LLM”。

上述我們所說的增強(qiáng)式LLM，就是通過對(duì)話框內(nèi)容輸入，進(jìn)而觀察環(huán)境，并通過使用工具執(zhí)行某些操作（比如AI搜索 ）。

那么除了執(zhí)行工具和LLM大腦，如何有效地執(zhí)行任務(wù)同樣重要。

AI Agent有一個(gè)非常重要的部分：規(guī)劃能力。這就要求LLM 需要通過鏈?zhǔn)剿季S等方法進(jìn)行“推理”和“思考”。

關(guān)于什么是推理能力，可以看下一篇文章。

通過這種鏈?zhǔn)降耐评硭伎迹珹I Agent會(huì)規(guī)劃出執(zhí)行任務(wù)的步驟，說明具體每一步怎么執(zhí)行等等。

回顧Agent的定義，一個(gè)完備的Agent需要具有LLM大腦+規(guī)劃能力+工具調(diào)用+記憶能力。

LLM讓智能體能夠理解任務(wù)，然后規(guī)劃任務(wù)執(zhí)行的步驟，使用各種工具去執(zhí)行，并且實(shí)時(shí)的記錄已經(jīng)采取的行動(dòng)（長期記憶和短期記憶）。

LLM 智能體也分為不同自主程度的，其實(shí)就是系統(tǒng)執(zhí)行任務(wù)的行為有多少是LLM主動(dòng)去做的。一個(gè)系統(tǒng)越“有自主性”，系統(tǒng)的行為就越由LLM決定。

接下來，我將通過LLM Agent的組件來探討自主行為方法： 記憶 、工具和規(guī)劃 。

記憶Memory

LLMs 非常健忘，與之交互時(shí)根本不進(jìn)行任何記憶操作。當(dāng)你向LLM 提出一個(gè)問題，然后又提出另一個(gè)問題時(shí)，它不會(huì)記住前一個(gè)問題。

這種也稱為短期記憶（或工作記憶），一種近似即時(shí)上下文的緩沖區(qū)。

如何開啟短期記憶？

使用模型的上下文窗口就可以（比如大模型一般會(huì)標(biāo)注 xxk），其實(shí)是LLM可以處理的token數(shù)量。

一般上下文窗口至少包含8192個(gè)token，最多可以到數(shù)十萬token！

在實(shí)際使用中，可以使用較大的上下文窗口，將完整的對(duì)話歷史作為輸入提示的一部分。并不是去記住對(duì)話內(nèi)容，而是告訴LLM 上一輪對(duì)話的內(nèi)容。

對(duì)于上下文窗口較小的模型，或?qū)υ挌v史較長時(shí)，使用另一個(gè)LLM來總結(jié)迄今為止發(fā)生的對(duì)話。通過不斷總結(jié)對(duì)話，保持這次對(duì)話的規(guī)模較小。

但是，在常見的Agent中，需要跟蹤規(guī)劃任務(wù)中的少至十個(gè)、多至幾十個(gè)步驟，上述的短期記憶（臨期操作）還不夠。

有了短期記憶，自然也有長期記憶，理論上Agent可以記住幾百步的步驟，其中某些步驟可以并行。

長期記憶包括需要在較長時(shí)間內(nèi)保留的代理過去的行為空間。

一種常見的方法是將所有之前的交互、行動(dòng)和對(duì)話存儲(chǔ)在外部向量數(shù)據(jù)庫（將對(duì)話嵌入到能夠捕捉其含義的數(shù)值表示）中，以啟用長期記憶。

長期記憶可以涉及保留不同會(huì)話中的信息。

建立向量數(shù)據(jù)庫后，可以嵌入任何給定的提示，將提示嵌入與數(shù)據(jù)庫嵌入進(jìn)行比較，在向量數(shù)據(jù)庫中找到最相關(guān)的信息。

這個(gè)過程想必好的人都耳熟能詳，沒錯(cuò)，就是檢索增強(qiáng)生成（RAG）。

不同類型的信息與不同的記憶類型相關(guān)聯(lián)以進(jìn)行存儲(chǔ)。

在心理學(xué)中，有多種類型的記憶需要區(qū)分，在《語言代理的認(rèn)知架構(gòu)》論文將其中四種類型記憶與Agent關(guān)聯(lián)起來。

工具Tool

工具允許LLM與外部環(huán)境進(jìn)行交互，或使用外部應(yīng)用程序（如運(yùn)行自定義代碼）。

工具通常有兩類用途： 獲取數(shù)據(jù)以檢索最新信息和采取行動(dòng)如安排會(huì)議或訂購食物。

要實(shí)際使用一個(gè)工具，LLM 必須生成符合給定工具 API 的文本。我們通常期望生成可以格式化為 JSON 的字符串，以便可以輕松地將其傳遞給 代碼解釋器 。

可以生成自定義函數(shù)，LLM 可以使用這些函數(shù)，比如一個(gè)基本的乘法函數(shù)。這通常被稱為函數(shù)調(diào)用 。

有些LLMs如果被正確且詳細(xì)地提示，可以使用任何工具。大多數(shù)當(dāng)前的LLMs都能使用工具。一種更穩(wěn)定的方法是通過微調(diào) LLM 訪問工具.

工具可以在給定的順序中使用，如果代理框架是固定的……

……或者LLM可以自主選擇使用哪個(gè)工具以及何時(shí)使用。LLM像上述圖片中的代理本質(zhì)上是一系列LLM調(diào)用（但具有自主選擇動(dòng)作/工具等的能力）。

換句話說，中間步驟的輸出會(huì)被反饋回LLM 繼續(xù)處理。

Toolformer

工具使用可以增強(qiáng)LLMs的能力并彌補(bǔ)其缺點(diǎn)。

一種早期的技術(shù)被稱為 Toolformer，這是一種訓(xùn)練模型來決定調(diào)用哪些 API 及其方式的技術(shù)。

它通過使用[和]標(biāo)記來指示調(diào)用工具的開始和結(jié)束。當(dāng)給定提示，例如“5 乘以 3 是什么？”，它會(huì)生成標(biāo)記直到遇到標(biāo)記。

Toolformer 通過精心生成一個(gè)包含許多模型可以訓(xùn)練的工具使用數(shù)據(jù)集來創(chuàng)建這種行為。對(duì)于每種工具，都會(huì)手動(dòng)創(chuàng)建幾個(gè)示例提示，并使用這些提示來采樣使用這些工具的輸出。

輸出會(huì)根據(jù)工具使用、輸出的正確性以及損失減少進(jìn)行篩選。生成的數(shù)據(jù)集用于訓(xùn)練一個(gè) LLM，使其遵循這種工具使用的格式。

模型上下文協(xié)議（MCP）

工具是Agent框架的重要組成部分，允許LLMs與外部世界互動(dòng)并擴(kuò)展其能力。

當(dāng)你有多種不同的 API 時(shí)，啟用工具使用變得麻煩，因?yàn)槿魏喂ぞ叨夹枰?/p>

• 手動(dòng) 跟蹤并提供給LLM
• 手動(dòng) 描述（包括其預(yù)期的 JSON 模式）
• 手動(dòng) 更新每當(dāng)其 API 發(fā)生變化時(shí)

為了讓給定的Agent框架容易實(shí)現(xiàn)工具，Anthropic 發(fā)布了模型上下文協(xié)議（MCP）。MCP 協(xié)議標(biāo)準(zhǔn)化了各種服務(wù)的 API 訪問。

由三個(gè)組件組成：

• MCP Host — LLM 應(yīng)用程序（例如 Cursor）管理連接
• MCP Client — 與 MCP 服務(wù)器保持一對(duì)一的連接
• MCP Server — 為 LLMs 提供上下文、工具和功能

一個(gè)例子：希望某個(gè) LLM 應(yīng)用程序總結(jié)您倉庫中的最新 5 次提交。

MCP 主機(jī)（與客戶端一起）會(huì)首先調(diào)用 MCP 服務(wù)器以詢問哪些工具可用。

LLM 接收信息并可以選擇使用一個(gè)工具。它通過主機(jī)向 MCP 服務(wù)器發(fā)送請(qǐng)求，然后接收結(jié)果，包括使用的工具。

LLM 接收結(jié)果并可以解析一個(gè)答案給用戶。

這個(gè)框架通過連接任何LLM應(yīng)用程序都可以使用的 MCP 服務(wù)器，使創(chuàng)建工具變得更加容易。當(dāng)你創(chuàng)建一個(gè)與 Github 交互的 MCP 服務(wù)器時(shí)，任何支持 MCP 的LLM應(yīng)用程序都可以使用它。

規(guī)劃

Agent中的規(guī)劃就是將給定任務(wù)分解為可執(zhí)行的步驟。

插一嘴，這不就是Manus的todo.md。

圖片

執(zhí)行計(jì)劃允許大模型迭代反思過去的行為，并在必要時(shí)更新當(dāng)前計(jì)劃。

推理

LLM在執(zhí)行復(fù)雜任務(wù)之前，需要進(jìn)行制定可執(zhí)行步驟，就需要強(qiáng)大的推理能力，和人的大腦一樣，在接受到上級(jí)的任務(wù)之后，會(huì)思考具體怎么執(zhí)行。

這種推理行為要么對(duì)LLM 微調(diào)或特定的提示工程來實(shí)現(xiàn)。

通過提示工程創(chuàng)建LLM應(yīng)遵循的推理過程示例。提供示例（也稱為少量提示）是一種很好的方法，可以引導(dǎo)LLM的行為。【鏈?zhǔn)剿伎肌?/p>

鏈?zhǔn)剿伎家部梢栽诹銟颖厩闆r下通過說“讓我們一步一步地思考”來啟用。

DeepSeek-R1的訓(xùn)練過程中，獎(jiǎng)勵(lì)被用來引導(dǎo)思考過程而使用。

推理與行動(dòng)

LLM啟用推理能力，不一定能夠規(guī)劃出可行的執(zhí)行步驟。

fig1：展示推理行為   fig2：通過工具與環(huán)境互動(dòng)

最早結(jié)合這兩種過程的技術(shù)之一被稱為 ReAct（推理和行動(dòng)）。

ReAct 通過提示工程來實(shí)，描述了三個(gè)步驟：

• 思考 - 當(dāng)前情況的推理步驟
• 行動(dòng) - 執(zhí)行的一組操作（例如，工具）
• 觀察 - 對(duì)行動(dòng)結(jié)果的推理步驟

LLM 使用此提示（可作為系統(tǒng)提示）來引導(dǎo)其行為，在思維、行動(dòng)和觀察的循環(huán)中工作。

這種行為不斷循環(huán)，直到某個(gè)動(dòng)作指明返回結(jié)果。

通過迭代思考和觀察，LLM 可以規(guī)劃出行動(dòng)，觀察其輸出，并相應(yīng)地進(jìn)行調(diào)整。

反思

即使有 ReAct 的 LLMs，也不能完美地執(zhí)行每一項(xiàng)任務(wù)。

Reflexion 是一種通過口頭強(qiáng)化來幫助代理從先前的失敗中學(xué)習(xí)的技術(shù)。

該方法假設(shè)有三個(gè)角色：

• 執(zhí)行者 — 根據(jù)狀態(tài)觀察選擇并執(zhí)行行動(dòng)。我們可以使用鏈?zhǔn)剿伎蓟?ReAct 等方法。
• 評(píng)估者 — 評(píng)估執(zhí)行者產(chǎn)生的輸出。
• 自我反思 — 反思行動(dòng)執(zhí)行者采取的行動(dòng)以及評(píng)估器生成的評(píng)分。

如下，添加了記憶模塊來跟蹤行動(dòng)（短期）和自我反思（長期），幫助代理從錯(cuò)誤中學(xué)習(xí)并識(shí)別改進(jìn)的行動(dòng)。

另一種技術(shù)被稱為 SELF-REFINE，其中對(duì)輸出進(jìn)行精煉和生成反饋的動(dòng)作會(huì)重復(fù)進(jìn)行。

由同一個(gè)LLM負(fù)責(zé)生成初始輸出、精煉輸出和反饋。

這種自我反思行為，無論是 Reflexion 還是 SELF-REFINE，都與強(qiáng)化學(xué)習(xí)非常相似，在這種學(xué)習(xí)中，根據(jù)輸出的質(zhì)量給予獎(jiǎng)勵(lì)。

多智能體協(xié)作

當(dāng)前的單 Agent存在一些問題：過多的工具、過長的上下文、任務(wù)過于松散等。

在多 Agent 框架，多個(gè) Agent（都有工具 、 記憶和規(guī)劃能力）相互作用并與其環(huán)境互動(dòng)：

多 Agent 系統(tǒng)由專業(yè) Agent 組成，每個(gè) Agent 都配備了自己的一套工具，并由監(jiān)督者管理。

監(jiān)督者負(fù)責(zé)管理 Agent 之間的通信，并可以為專門化的 Agent 分配特定任務(wù)。

市面上很多的Agent架構(gòu)，核心是兩個(gè)組件：

• Agent 初始化：個(gè)別（專業(yè)化）的agent如何創(chuàng)建？
• Agent 編排 ：所有Agent如何協(xié)調(diào)？

這兩種組件的實(shí)現(xiàn)方式，在其他多代理框架里面可以找到答案。

人類行為的交互式模擬

在論文《Generative Agents: Interactive Simulacra of Human Behavior》里面，作者創(chuàng)建了模擬人類行為的生成式Agent。

論文：??https://arxiv.org/pdf/2304.03442??

每個(gè)生成型Agent具有不同的個(gè)人資料，表現(xiàn)出不同的行為方式，增加了互動(dòng)性和趣味性。

每個(gè)Agent初始化時(shí)包含三個(gè)模塊（記憶 、規(guī)劃、反思），與ReAct 和 Reflexion 的核心組件非常相似。

記憶模塊存儲(chǔ)了所有規(guī)劃和反思行為，以及迄今為止的所有事件。對(duì)于任何下一步或問題，會(huì)檢索記憶并根據(jù)其新鮮度、重要性和相關(guān)性進(jìn)行評(píng)分。得分最高的記憶會(huì)被分享給Agent。

他們共同使得Agent能夠自由地進(jìn)行行為并相互交互。因此，Agent之間幾乎沒有需要進(jìn)行協(xié)調(diào)的地方，因?yàn)樗鼈儧]有特定的目標(biāo)需要完成。

評(píng)估指標(biāo)主要以Agent 行為的可信度為指標(biāo)，由人類評(píng)估者打分。

由此可見，Agent在執(zhí)行任務(wù)做規(guī)劃時(shí)，沒有反思行為是不完整的。

模塊化框架

有各種開源框架（AutoGen、MetaGPT、CAMEL）可以用于創(chuàng)建多智能體系統(tǒng)，通常包括：配置文件、環(huán)境感知、記憶、計(jì)劃和動(dòng)作。

使用 CAMEL 時(shí)，用戶首先創(chuàng)建其問題，并定義 AI 用戶和 AI 助手角色。AI 用戶角色代表人類用戶，并將引導(dǎo)整個(gè)過程。

AI 用戶和 AI 助手將通過彼此互動(dòng)來合作，角色扮演方法使Agent之間能夠進(jìn)行協(xié)作溝通。

在過去一年，尤其是最近幾周，這些框架的增長是爆炸性的。

隨著這些框架不斷成熟和發(fā)展，2025年將是真正令人興奮的一年！

本文轉(zhuǎn)載自??AIGC新知??，作者： 絳燁