AI Agent 开发入门：从概念到实践

发表于 分类于

本文是「AI Agent 开发系列」的第一篇，旨在帮有后端开发经验的读者快速建立 Agent 技术全景，理解核心概念和主流框架，为后续的实战开发打下基础。

什么是 AI Agent？

AI Agent（智能体）不是聊天机器人的升级版——它是一种范式转变。传统聊天机器人：你问，它答。AI Agent：你给一个目标，它自主规划、调用工具、执行任务、根据反馈调整，全程不需要你逐步引导。

举一个直观的例子：

场景 传统 ChatBot AI Agent
查天气 “今天北京天气怎么样？” → 回答 “帮我安排明天北京的户外活动” → 查天气 → 搜景点 → 规划路线 → 给出完整方案
写代码 “帮我写一个排序函数” → 返回代码 “帮我实现一个用户管理系统” → 分析需求 → 选技术栈 → 写代码 → 跑测试 → 修复 bug → 部署
数据分析 “这个表的数据汇总一下” → 返回统计 “分析这个季度的销售数据，找出增长点和问题” → 读数据 → 多维度分析 → 生成图表 → 写报告

核心差异在于：Agent 具备自主决策与执行能力，而不仅仅是文本生成。

Agent 的五大核心模块

一个成熟的 AI Agent 由以下五个模块组成：

1
2
3
4
5
6
7
8
9
┌─────────────────────────────────────────┐
│              AI Agent 架构               │
├─────────┬─────────┬──────────┬──────────┤
│  规划    │  记忆    │  工具    │  行动    │
│ Planning │ Memory  │  Tools   │  Action  │
├─────────┴─────────┴──────────┴──────────┤
│              大语言模型 (LLM)             │
│              大脑 / 推理引擎              │
└─────────────────────────────────────────┘

1. 大语言模型 — 大脑

LLM 是 Agent 的推理引擎，负责理解任务、拆解步骤、决策下一步做什么。2026 年主流选择：

  • Qwen 系列（通义千问）：Qwen3.7-Plus / Max，阿里云百炼首选
  • GPT-4o / GPT-5：OpenAI 生态
  • Claude Opus 4.x：Anthropic 推理能力突出
  • DeepSeek：开源高性能模型

2. 规划（Planning）

Agent 收到任务后，不是直接执行，而是先做规划：

  • 任务分解：将复杂目标拆解为可执行的子任务
  • 路径选择：判断用哪种方式完成（直接计算？调用工具？查知识库？）
  • 动态调整：执行过程中根据中间结果修正计划

经典的 ReAct（Reasoning + Acting）模式就是规划的核心实现：思考 → 行动 → 观察 → 再思考，循环直到任务完成。

3. 记忆（Memory）

Agent 需要”记住”东西，分为两类：

  • 短期记忆：当前对话上下文，这次的用户需求、中间结果
  • 长期记忆：跨会话的信息，用户偏好、历史决策、知识积累

例如百炼的 Memory 服务，支持将对话中的重要信息持久化存储，下次对话时自动检索关联记忆。

4. 工具（Tools）

让 Agent 能”动手”的关键。常见工具类型：

工具类型 说明 示例
API 调用 调用外部服务 天气接口、股票数据、数据库查询
代码执行 运行代码片段 Python 沙箱执行数据分析
知识库检索 搜索私有文档 RAG 检索企业知识库
网页搜索 获取实时信息 搜索引擎 API
MCP 服务 标准化工具协议 文件系统、数据库、第三方服务

MCP（Model Context Protocol） 是 Anthropic 提出的标准化工具协议，阿里云百炼等平台已支持，让 Agent 能像 USB 一样”即插即用”各种工具。

5. 行动（Action）

Agent 的最终产出：一段文字回复、一个 API 调用结果、一份生成的报告、一次数据库操作等。

主流开发框架（2026）

1
2
3
4
5
6
7
8
9
10
11
12
13
graph TD
    A[AI Agent 开发框架] --> B[轻量级/入门]
    A --> C[工作流编排]
    A --> D[多 Agent 协作]
    A --> E[企业级平台]
    B --> B1[OpenAI Agents SDK]
    B --> B2[ReAct 手写]
    C --> C1[LangGraph]
    C --> C2[Spring AI Alibaba]
    D --> D1[AutoGen]
    D --> D2[CrewAI]
    E --> E1[阿里云百炼]
    E --> E2[Coze / 扣子]

入门推荐：ReAct 手写 → LangGraph

对于有后端的开发者，推荐的学习路径：

  1. 手写一个 ReAct Agent（50 行 Python）→ 理解 Agent 的本质
  2. 使用 LangGraph 做复杂工作流 → 掌握状态管理和条件路由
  3. 接入百炼平台 → 零代码构建 + 生产部署

框架对比

框架 定位 适合场景 学习曲线
OpenAI Agents SDK 轻量级 Agent 开发 快速原型、单 Agent ⭐
LangGraph 有状态工作流编排 复杂流程、多步骤推理 ⭐⭐⭐
AutoGen 多 Agent 对话协作 多角色协作、代码生成 ⭐⭐⭐
CrewAI 角色化多 Agent 模拟团队协作 ⭐⭐
阿里云百炼 企业级一站式平台 生产级应用、零代码构建 ⭐

一个最简单的 Agent 示例

用 Python 手写一个 ReAct Agent，不到 50 行代码就能理解 Agent 的核心逻辑：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
import re

# 模拟 LLM 调用（实际开发中替换为 API 调用）
def llm(prompt):
    # 这里简化处理：用正则匹配工具调用意图
    if "天气" in prompt:
        return "Thought: 我需要查询天气\nAction: get_weather[北京]\n"
    elif "get_weather" in prompt:
        return "Thought: 已获取天气数据\nAction: FINISH[北京今天晴，22°C，适合户外活动]\n"
    return "Action: FINISH[无法处理该请求]\n"

def get_weather(city):
    # 模拟天气查询工具
    return f"{city}今天晴，22°C，适合户外活动"

def agent_loop(query):
    """Agent 主循环：ReAct 模式"""
    prompt = f"用户问题: {query}\n"
    max_steps = 5
    
    for _ in range(max_steps):
        response = llm(prompt)
        print(f"[Agent] {response.strip()}")
        
        # 解析 Action
        match = re.search(r"Action: (\w+)\[(.*?)\]", response)
        if not match:
            break
        
        action, args = match.group(1), match.group(2)
        
        if action == "FINISH":
            return args
        
        if action == "get_weather":
            result = get_weather(args)
            prompt += f"Observation: {result}\n"
    
    return "任务未完成"

# 运行
result = agent_loop("帮我安排明天北京户外活动")
print(f"\n最终结果: {result}")

输出：

1
2
3
4
5
6
[Agent] Thought: 我需要查询天气
Action: get_weather[北京]
[Agent] Thought: 已获取天气数据
Action: FINISH[北京今天晴，22°C，适合户外活动]

最终结果: 北京今天晴，22°C，适合户外活动

这就是 ReAct 的精髓：Thought → Action → Observation → Thought → Action → FINISH，一个循环直到任务完成。

百炼 Agent 开发快速上手

如果你用阿里云百炼平台，构建 Agent 更加简单：

三种开发模式

模式 面向人群 说明
零代码 业务人员 拖拽配置，选择模型 + 知识库 + 工具即可
低代码/工作流 技术产品 可视化编排工作流，定义条件分支和循环
API/SDK 开发者 代码调用，完全控制 Agent 行为

核心能力

  • 知识库：上传 PDF/Word/网页，Agent 自动检索回答
  • MCP 服务：一键接入标准化工具，无需管理运维
  • Memory：跨会话记忆，Agent 记住用户偏好和历史
  • Skill：可复用的能力模块，类似”Agent 的技能包”
  • Agent 2.0：自主规划 + 工具调用，解决复杂多步骤任务

系列文章规划

篇 标题 内容
1 从概念到实践 ← 本文 Agent 核心概念、主流框架、简单示例
2 ReAct 与规划机制详解 深入 ReAct 原理、Prompt 工程、规划策略
3 工具调用与 MCP 协议 工具注册、MCP 标准化、自定义工具开发
4 Agent 记忆系统设计 短期/长期记忆、Memory 服务、向量检索
5 LangGraph 实战 有状态工作流、条件路由、多步骤编排
6 百炼 Agent 生产实践 企业级部署、性能优化、线上踩坑

下一篇预告：深入 ReAct 模式的 Prompt 工程和规划策略，手写一个完整的任务规划 Agent。

如果你也在做 Agent 开发，欢迎在评论区交流 💬