【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接入基础入门文章目录一、前期准备二、技术发展路线1.1从prompt到Agent1.2 LLM原生能力与涌现能力1.3 失败的GPT Plugins1.4 Agent技术生态（1）框架层（2）协议层（3）Agent应用三、Agent的核心架构：TAO循环3.1 思想链（Chain-of-Thought）3.2 TAO循环（ReAct运行机制）3.3 ReAct如何解决CoT的幻觉？3.4 ReAct的Prompt提示词四、Agent的核心要素五、Function Calling5.1 定义工具函数5.2 定义工具列表JSON Schema5.3 发送请求并获取 LLM 的工具调用决策5.4 执行工具并返回结果5.5 封装完整的 Function Calling 管线提示：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=3sub_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）阶段时间代表事件成熟度概念验证期2023AutoGPT 引发热潮能演示，不能生产框架探索期2024LangChain、CrewAI 发布能开发，工程化不足协议统一期2024 末-2025MCP（Model Context Protocol，模型上下文协议）协议发布、LangChain 1.0工具生态统一，框架成熟生产落地期2025-2026A2A（Agent-to-Agent）协议、Agent 中间件、LangSmith（LLM 应用观测与调试平台）全链路生产就绪1.1从prompt到Agent1.2 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 涌现能力对比维度原生能力涌现能力获得方式预训练/微调推理时激发稳定性高（固化在参数中）中（依赖提示质量）可扩展性低（需要重新训练）高（通过提示即可）典型应用语言理解、知识问答工具使用、任务规划Agent 中的作用提供基础理解能力支撑动态决策能力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 失败的三大原因原因具体表现影响模型能力不足GPT-4（2023 版）工具调用可靠性不足，复杂场景常出错复杂任务经常失败，用户体验差工具生态混乱插件质量参差不齐，缺少统一标准用户不知道该用哪个插件编排能力缺失只能单步调用，无法多步规划只能处理简单任务，无法解决复杂问题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 ModelsCoT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 MODELSReAct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 kgThought: 两倍就是 5.972 × 10²⁴ × 2 = 1.1944 × 10²⁵ kgAnswer: 地球质量的两倍是 1.1944 × 10²⁵ kgTAO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 kgThought: 现在我需要计算两倍Action: calculate(5.972e24 * 2)Observation: 计算结果为 1.1944 × 10²⁵ kgAnswer: 地球质量的两倍是 1.1944 × 10²⁵ kg3.4 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。#%% mdAgent 四大核心特征核心特征能力描述自主性（Autonomy）独立分解任务、选择工具、规划执行感知能力（Perception）主动获取环境信息、处理多模态输入推理与规划（Reasoning Planning）迭代推理、任务分解、动态重规划行动执行（Action Execution）调用工具执行真实操作五、Function CallingFunction Calling 六步流程详解步骤阶段名称执行者核心动作步骤 1用户输入用户向 Agent 提出请求，例如"北京今天天气怎么样？"步骤 2LLM 分析与决策LLM接收用户请求和可用工具列表，判断是否需要调用工具步骤 3生成调用指令LLM返回结构化 JSON：{"name": "get_weather", "arguments": {"city": "北京"}}步骤 4代码执行工具代码解析调用指令，找到对应函数并执行步骤 5结果回传代码将工具执行结果封装为消息，回传给 LLM步骤 6LLM 综合回答LLM结合用户请求和工具结果，生成最终自然语言回答5.1 定义工具函数importmathimportrequestsimportjson