你也许见过这样的介绍：

Agent 就是一个能自己干活的 AI。它会联网搜索、会查资料，会修bug，会调用工具，会自主研究。

听起来很厉害。

这句话没错，但是容易让人产生误解，以为我们的大模型已经进化到拥有很多技能了。实际上，大模型唯一能做的事情，就是接收一段文本，然后预测并输出下一段文本。除此之外，它什么都不会。

那么 Agent 到底是啥？它和大模型的关系是什么？

在英文中，Agent 这个单词的含义是“代理”。AI Agent 本质上就是一个安装在大模型前面的计算机程序，我们不直接跟大模型对话，而是跟 Agent 对话，由 Agent 去帮我们转述给大模型！

为什么需要 Agent 转述？

因为 大模型唯一能做的事情，就是接收一段文本，然后预测并输出下一段文本。除此之外，它什么都不会。 当大模型需要联网搜索、查天气，或者是修改某个你电脑上的文件时。它需要让 Agent 帮忙做这些事情。

有没有发现，这些联网搜索、查天气、修改文件 等功能，在没有大模型的时代，其实早就已经有了。

AI Agent 就是如何将这些功能跟大模型集成的艺术

AI Agent 负责的就是人工智能中非智能的那一部分

AI Agent = 传统软件工程 + 大模型

例如，一个会查实时天气的 Agent ，并不是大模型自己会查实时天气，而是 Agent 程序调用外部 API 来获取实时天气。本质上“查天气”这个动作，还是由传统的软件工程那一部分来完成的。

Agent 的作用，就是告诉大模型：

我这里有一些工具，你看看用户的提问需要用到吗？如果需要，请告诉我，我可以帮你调用它，并且把调用结果告诉你，你再根据结果回答用户。

Agent 的另一个作用，就是保存对话历史。因为大模型根本就没有记忆，它不记得你之前问过什么。如果你想对大模型的回答做出追问，你只能把之前的对话历史一起发给大模型。

Agent 就承担了“打包历史对话”这一职责：

用户之前问了 xxx 问题，你之前是 xxx 这样回答的，现在用户又追问了 xxx ，请你继续回答。

一次“查天气”的交互流程是这样的：

第一轮：

1. 用户问了一个问题
2. Agent 接收到用户的问题后，会在后台组装一个提示词，这个提示词包含了给大模型立的预设（system prompt）、用户的原始提问（prompt），以及可用的工具清单（tool list）
3. 大模型推理，发现这个问题需要调用 get_weather 工具，于是返回一个 tool_calls 响应
4. Agent 接收到大模型的 tool_calls 响应后，会解析出需要调用 get_weather 工具，于是调用天气API，拿到最新的天气数据

<1>用户->智能体

今天北京的天气怎么样

<2>智能体->大模型

{
  "model": "gemini-3.1-pro",
  "messages": [
    {
      "role": "system",
      "content": "你是一个专业的分析师，请根据用户的提问进行回答"
    },
    {
      "role": "user",
      "content": "今天北京的天气怎么样"
    }
  ],
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "获取指定城市的当前天气情况",
        "parameters": {
          "type": "object",
          "properties": {
            "location": {
              "type": "string",
              "description": "城市名称，例如：北京"
            }
          },
          "required": ["location"]
        }
      }
    },

    {
      // 其他工具，省略 ...
    }
  ]
}

<3>大模型->智能体

{
  "id": "chatcmpl-9z2a...",
  "choices": [
    {
      "finish_reason": "tool_calls",
      "message": {
        "role": "assistant",
        "content": null, 
        "tool_calls": [
          {
            "id": "call_abc123",
            "type": "function",
            "function": {
              "name": "get_weather",
              "arguments": "{\"location\": \"北京\"}" 
            }
          }
        ]
      }
    }
  ]
}

<4>智能体->天气API

String toolResult = availableTools.get(toolName).execute(toolInput);

第二轮：

1. Agent 将天气 API 返回的结果 toolResult ，拼接到上一次的对话历史中，再次发送给大模型
2. 大模型发现已经拿到了天气数据，于是直接返回最终答案
3. Agent 将大模型的最终答案返回给用户

<1>智能体->大模型

{
  "model": "gemini-3.1-pro",
  "messages": [
    {
      "role": "system",
      "content": "你是一个专业的分析师，请根据用户的提问进行回答"
    },
    {
      "role": "user",
      "content": "今天北京的天气怎么样"
    },
    {
      "role": "assistant",
      "content": null,
      "tool_calls": [
        {
          "id": "call_abc123",
          "type": "function",
          "function": {
            "name": "get_weather",
            "arguments": "{\"location\": \"北京\"}"
          }
        }
      ]
    },
    {
      "role": "tool",
      "tool_call_id": "call_abc123",
      "content": "{\"temperature\": 25, \"humidity\": 60, \"weather\": \"晴朗\"}"
    }
  ]
}

<2>大模型->智能体

{
  "id": "chatcmpl-9z2a...",
  "choices": [
    {
      "finish_reason": "stop",
      "message": {
        "role": "assistant",
        "content": "今天北京天气晴朗，气温25摄氏度，湿度60%。"
      }
    }
  ]
}

<3>智能体->用户

今天北京天气晴朗，气温25摄氏度，湿度60%。

看到了吗？大模型在这整个过程中，唯一做的事情，就是接收一段文本，然后预测并输出下一段文本。

• 大模型没有记忆，在多轮对话中，智能体只能把对话历史重新发送给大模型
• 大模型没有工具，是智能体告诉大模型有哪些工具，并且帮大模型调用，再把结果重新发送给大模型

在其他地方，你可能看到过这样的 AI Agent 定义：

AI Agent = LLM（大脑） + 规划（思考路径） + 记忆（RAG等） + 工具（Skills）

这里面，只有 LLM 是所谓的 AI，其他都是围绕 LLM 构建的软件工程。

本质上， Agent 开发就是带有大模型能力的后端软件开发。