第07章：智能体

1、理解Agents

通用人工智能（AGI）将是AI的终极形态，几乎已成为业界共识。同样，构建智能体（Agent）则是AI工程应用当下的“终极形态” ，即Agent是大模型应用开发的核心。

1.1 什么是Agent？
在大模型应用开发中，智能体通常指一种以大语言模型为推理与决策核心，结合记忆、工具调用与环境交互能力，能够进行规划决策并执行复杂任务以达成目标的软件系统。
Agent的关键能力

• 理解用户问题
• 如何拆解任务
• 判断是否需要工具
• 需要调用哪些工具
• 如何利用好工具结果生成回答&推进任务

1.3 Agent的核心组件
前面讲过现在AI Agent的架构：

实际开发中几个要素并不需要同时出现，一句话总结

• 必须的：行动（Action）
• 几乎总是存在的：工具（Tool）
• 有条件存在的：规划决策（Planning）
• 最容易被省略的：记忆（Memory）

1.4 Agent创建与调用
1.4.1 历史上的调用
在 LangChain 0.x 时代，框架内的 Agent 系统经历了“碎片化”阶段。当时的设计理念是 “针对场景设计特定 Agent”：

• 如果你要实现思维链推理（ReAct），就用 create_react_agent ；
• 如果需要结构化输出，就用 create_structured_chat_agent ；
• 要工具调用，则用 create_tool_calling_agent 。

举例：❌ v0.x 的复杂方式

这种方式灵活，但也带来了三个明显问题：

1. 心智负担高——每种 Agent 都要单独记忆 API 与参数；
2. 可组合性差——多个 Agent 之间无法统一调度；
3. 生态碎片化——不同模块难以复用或协同演化。

1.4.2 全新的调用

LangChain 在 1.0 版本后，团队做出了彻底重构：将所有 Agent 的创建方式统一为一个入口：
create_agent()。它取代了旧版本中的 create_react_agent 、create_json_agent 、create_tool_calling_agent 等多种分支函数，真正让开发者用一行代码即可创建任何类型的智能体。
同时在底层通过“中间件机制（Middleware）”和“标准模型接口（invoke / stream）”实现全局统一。这让框架更轻、更稳，也更易于被集成到其他 Agent 平台中。
举例：✅ v1.x 的简洁方式：