【Agent】智能体基础入门(技术发展路线+TAO循环+function calling)

【Agent】大模型在线API接入基础入门

提示：笔记源自于赋范空间“大模型Agent开发实战”，课程链接为：https://appze9inzwc2314.h5.xet.citv.cn/p/course/ecourse/course_37xx2DBh83EgnWSwQFYDOoBLPpS?type=3&sub_course_list_mode=0

一、前期准备

大前提：python3.9及以上，推荐3.11，API key可用，API key相关内容在下面这篇文章有介绍
【Agent】大模型在线API接入基础入门

importosfromdotenvimportload_dotenvfromopenaiimportOpenAI# 从项目根目录的 .env 文件加载环境变量（DEEPSEEK_API_KEY 等）load_dotenv()# 测试连接client=OpenAI(api_key=os.environ.get("DEEPSEEK_API_KEY"),base_url="https://api.deepseek.com")# 最小调用样例response=client.chat.completions.create(model="deepseek-chat",messages=[{"role":"user","content":"你好"}],max_tokens=50)print(f"✅ API 连接成功，模型响应:{response.choices[0].message.content}")

二、技术发展路线

2025-2026年是Agent技术的“落地之年”：

Agent 技术成熟度演进（2023-2026）

1.1从prompt到Agent

1.2 LLM原生能力与涌现能力

原生能力

大模型在预训练或微调阶段，通过学习大量数据记住知识和技能，但是这些技能和知识是固化的，类似于我们在学校学习高等数学一样，这种能力是通过训练、固化在模型参数中的。

涌现能力
指大模型在推理时，通过类比、组合已有知识来解决“没见过”的问题的能力。类似于在高考时刷到新题型，虽然没有做过原题，但是可以通过所学方法推理出答案。

原生能力 vs 涌现能力对比

1.3 失败的GPT Plugins

既然大模型已经通过prompt到RAG的发展具了原生能力和涌现能力，那为什么Agent直到2025年才成功？OpenAI在2023年提出了GPT Plugins：打造一个类似于APP Store的生态系统，让每个人都能以极低门槛创建自己的智能应用。OpenAI提供了强大的GPT-4模型和插件接口，开发者只需要定义工具的功能描述，GPT-4就能够自主决定何时调用。但是直到2023年底，GPT Plugins的使用率远低于预期，于是在2024年4月关闭了Plugins，转而退出GPTs和Actions，那失败的原因是什么？

GPT Plugins 失败的三大原因

这个失败案例告诉我们：Agent并不是“LLM+工具”那么简单，它需要模型能力+工具生态+编排框架三者协同进化。

2025-2026Agent落地的原因：三大基础设施已成熟：
(1)模型能力跃迁：GPT-4o、Claude 3.5 Sonnet、DeepSeek V3 等新一代模型的工具调用可靠性大幅提升，复杂场景下的成功率显著优于早期模型

(2)工具生态统一：MCP 协议（2024.11）提供了被广泛采纳的工具集成标准

(3)编排框架成熟：LangGraph、CrewAI、Claude Agent SDK 等框架提供了多步规划能力

1.4 Agent技术生态

当前Agent技术生态可以从三个维度来理解：框架层、协议层和应用层。

（1）框架层

• AutoGPT/BabyAGI：证明了 Agent 的可行性，但工程化不足，主要用于概念验证

• LangChain Agent/CrewAI：提供了可用的开发工具，但缺少生产级的监控、调试、版本管理能力

• LangGraph/Claude Agent SDK：提供了完整的生产工具链，包括状态管理、错误恢复、可观测性、A/B 测试等

（2）协议层

工具集成的统一标准。2024 年 11 月，Anthropic 发布的 MCP（Model Context Protocol）协议正在成为 Agent 工具集成的主流标准之一。在此之前，每个框架都有自己的工具定义方式，导致工具无法跨框架复用。MCP 的出现解决了这个问题——就像 HTTP 协议统一了 Web 服务的接口标准一样，MCP 统一了 Agent 工具的接口标准。这意味着：一个遵循 MCP 协议的工具（如天气查询工具），可以被 LangChain、CrewAI、Claude Agent SDK 等任何支持 MCP 的框架直接使用，无需重复开发。

（3）Agent应用

• 代码生成与调试：如 Devin、Cursor、GitHub Copilot Workspace，能够自主完成需求分析 → 代码编写 → 测试 → 调试的完整流程

• 客户服务：如智能客服 Agent，能够理解复杂问题、查询知识库、调用业务系统、生成个性化回答

• 数据分析：如 Data Analyst Agent，能够理解自然语言查询、生成 SQL、执行查询、可视化结果、解释发现

• 内容创作：如 Content Agent，能够调研主题、收集素材、生成初稿、优化润色、配图排版

三、Agent的核心架构：TAO循环

Agent内部的运转逻辑：TAO循环（Think—>Act—>Observe）。这个循坏是所有Agent架构的共同基础。无论是ReAct、Plan-and-Execute还是Agent编排，底层都是TAO循环的变体。理论溯源——从思考链(CoT)到ReAct框架的演进。

3.1 思想链（Chain-of-Thought）

论文来源：Chain-of-Thought Prompting Elicits Reasoning in Large Language Models

CoT核心思想：通过将复杂问题分解为多个逻辑步骤，让LLM按顺序推理，从而提高准确率。两个关键机制：1、分解问题：将复杂任务拆解为更小的步骤；2、顺序思维：每一步建立在上一步的结果之上。

CoT局限性：虽然显著提高了LLM的推理能力，但是如果有某一步出现错误，错误会沿着推理链传播，导致最终答案完全错误。更致命的问题是：LLM无法自我验证中间步骤的正确性。

3.2 TAO循环（ReAct运行机制）

论文来源：REACT: SYNERGIZING REASONING AND ACTING IN LANGUAGE MODELS

ReAct关键创新：推理跟踪（Reasoning Trace），让LLM在每次行动前线生成一段推理文本，解释为什么要这样做。

Think（思考）：LLM 作为"大脑"，分析当前状态和用户目标，决定下一步行动。这一步可能包括：判断任务是否完成、确定需要调用的工具、规划执行顺序、评估风险等。

Act（行动）：根据 Think 阶段的决策，调用相应的工具或生成回答。如果决定调用工具，就执行工具调用；如果判断任务已完成，就生成最终回答。

Observe（观察）：收集 Act 阶段的结果——如果是工具调用，收集工具返回的数据；如果是生成回答，观察用户的反馈。将观察结果纳入上下文，为下一轮 Think 提供输入。

这三个环节形成一个闭环，循环往复直至任务完成。TAO 循环的精妙之处在于它的自终止性——Agent 在每一轮的 Think 阶段都会判断"任务是否已经完成"，如果完成就输出最终答案并退出循环，如果未完成就继续下一轮。这意味着 Agent 可以根据任务复杂度自动调整执行步数：简单任务一轮就结束，复杂任务可能需要五轮、十轮甚至更多。

3.3 ReAct如何解决CoT的幻觉？

纯CoT的执行路径：

• Thought: 我需要知道地球的质量

• Thought: 根据我的训练数据，地球质量约为 5.972 × 10²⁴ kg

• Thought: 两倍就是 5.972 × 10²⁴ × 2 = 1.1944 × 10²⁵ kg

• Answer: 地球质量的两倍是 1.1944 × 10²⁵ kg

TAO执行路径：

• Thought: 我需要查询地球的准确质量

• Action: search(“地球质量”)

• Observation: 搜索结果显示地球质量为 5.972 × 10²⁴ kg

• Thought: 现在我需要计算两倍

• Action: calculate(5.972e24 * 2)

• Observation: 计算结果为 1.1944 × 10²⁵ kg

• Answer: 地球质量的两倍是 1.1944 × 10²⁵ kg

3.4 ReAct的Prompt提示词

以LangChain的ReAct Prompt为例：

Answer the following questionsasbest you can.You have access to the following tools:{tools}Use the followingformat:Question:theinputquestion you must answer Thought:you should always think about what to do Action:the action to take,should be one of[{tool_names}]Action Input:theinputto the action Observation:the result of the action...(this Thought/Action/Action Input/Observation can repeat N times)Thought:I now know the final answer Final Answer:the final answer to the originalinputquestion Begin! Question:{input}Thought:{agent_scratchpad}

#%% md
这个模板中有四个占位符：

• {tools}：工具的详细描述

• {tool_names}：工具名称列表

• {input}：用户的原始问题

• {agent_scratchpad}：保存历史推理记录

四、Agent的核心要素

自主性（Autonomy）——从"被指挥"到"自驱动"。自主性是 Agent 最核心的特征。一个具备自主性的 Agent，在接收到高层目标后，能够独立完成任务分解、工具选择、执行顺序规划和异常处理，而不需要人类逐步指挥。例如，当用户说"帮我调研竞品"，Agent 能自主决定：调研哪些维度、从哪些渠道获取信息、如何组织报告结构。

感知能力（Perception）——从"只读文字"到"感知世界"。 传统聊天机器人的输入只有用户的文字消息。而 Agent 的感知范围要广得多——它可以通过工具获取实时数据（天气、股价、新闻）、读取文件系统中的文档、解析数据库查询结果、甚至处理图片和音频输入。更重要的是，Agent 的感知是主动的：它不是被动等待用户提供信息，而是在推理过程中主动判断"我还需要什么信息。

推理与规划（Reasoning & Planning）——从"直觉回答"到"深思熟虑"。LLM 本身就具备一定的推理能力，但这种推理是"单次"的——给定输入，直接生成输出。Agent 的推理则是迭代式的：它可以先生成一个初步计划，执行第一步后根据结果调整后续计划，遇到障碍时回退并尝试替代方案。规划能力是 Agent 处理复杂任务的关键。

行动执行（Action Execution）——从"纸上谈兵"到"真实操作"。行动执行是 Agent 区别于所有"纯文本生成"系统的标志性能力。Agent 不仅能生成"应该怎么做"的文字描述，还能通过工具真正执行操作：发送 HTTP 请求、执行 SQL 查询、运行 Python 代码、操作文件系统、调用第三方 API。

#%% md

Agent 四大核心特征

五、Function Calling

Function Calling 六步流程详解

5.1 定义工具函数

importmathimportrequestsimportjson