AI|Agent Basic

基础定义

简单来说：普通的LLM只负责解答问题，而AI Agent替人干活（完成具体岗位的实际工作）

AI Agent的能力：

• 对目标会进行分析拆解。用户只提出目的最终实现效果，Agent会拆解补全中间步骤。
• 会基于自己的理解自己想下一步应该做什么。
• 会使用工具，例如发送邮件，查询API，操作文件。
• 能反复尝试，遇到错误重试。

举一个最简单的例子，对AI说：帮我安排一个厦门两日游，预算 1500，带父母，尽量轻松。

普通的LLM：生成一段文字回复，结束。

AI Agent：

理解目标：地点：厦门 时间：两天 人群：父母 → 不要太累 预算：1500

自己拆任务：查交通、查住宿、查景点、排路线、控制预算

调用工具：查天气 API、查地图、查酒店平台、查高铁 / 飞机

反复判断

• 这个路线太累了 → 换
• 预算超了 → 调整
• 下雨 → 改室内景点

给你最终结果：一份“已经替你想过、算过、改过”的方案，虽然不是最终但却是可用的的版本。

基础概念

提示词

提示词分为很多种，有用户提示词也有系统提示词等

用户输入的消息就是用户提示词

系统提示词则更相当于一种”人设”/规范/基本盘要求

Function Call

在 LLM 最基本的文字对话基础上，拓展 LLM 的能力，由不同函数逻辑实现（例如查询某指定时区的时间日期）

一般的流程是：

• 客户端代理会将所有注册的 Function Call 全部提供给 LLM
• 在用户跟大模型对话后，大模型会思考分析后选择具体调用哪一个，告诉客户端
• 之后客户端通过 Function Call 来调用具体逻辑

这一流程下来，虽然 LLM 本身并不具备查询天气的能力，对用户来说 LLM 已经正确返回答案了，实际上这背后就是 Function Call 的作用

MCP

MCP 本身只是协议，就好比 USB 接口，通过台式机主板上预留 USB 接口，插入各种同样实现了 USB 协议的外设（键盘，鼠标），便可以实现文本键入以及鼠标移动用户交互。用户并不关心键盘和鼠标是如何跟计算机交互通信的，它只需要将这两个 USB 接口设备连接在一起即可实现功能。

同理 MCP 也是如此，MCP客户端预留了对 MCP 协议标准的实现，而MCP服务器（比如查询指定时区的时间日期服务器）也按 MCP 的标准来。客户端应用程序侧的MCP客户端就可以将大模型在理解用户输入、思考分析后返回的请求诉求，标准化地向 MCP 服务器执行工具调用。

所以我们常用的 AI 客户端 / AI IDE / OpenCode等软件应用（专业名词叫做 Host），其实可以理解为是内置了一份 MCP 客户端，将 LLM 的工具调用指令翻译成 MCP 协议消息，发送给 MCP Server。

以用户问 AI “今天天气怎么样”为例，来看流程：

1. 用户 → AI客户端（如 Claude Desktop）
2. AI客户端 → LLM（托管在云端或本地）
3. LLM 分析用户意图 → 返回需要调用天气工具的指令
4. AI客户端 收到指令 → 通过 MCP 协议调用 MCP 天气服务器
5. 天气服务器 返回结果
6. AI客户端 → LLM（再次调用，传入天气结果）
7. LLM 生成自然语言回答
8. 用户看到答案

LLM 是 “决策大脑”，只输出调用指令；MCP 是 “通信管道”，负责应用与外部服务的标准化交互，两者分工明确、互不重叠。

Skills

Skills 是**让 AI 记住”怎么为你做事”**的机制。

在没有 Skills 之前，每次和 AI 对话都要重新解释：

• 你的代码规范是什么
• 你喜欢用什么命名风格
• 你的项目架构是怎样的
• 你的工作流程偏好

AI 每次都是从零开始，无法积累经验。

Skills 在 Anthropic 提出（2025年10月），本质是一个打包好的提示词 + 工具集合：

一个 Skill = 一套"专业经验包"
├── 系统提示词（教 AI 怎么做）
├── 可用的工具（MCP 或 Function Call）
└── 示例（Few-shot cases）

Function Call / MCP / Skills 对比

概念	角色	类比	解释
Function Call	让 LLM 调用单个函数	投篮动作	调用能力
MCP	标准化协议，连接 AI 与外部服务	篮球场规定标准	连接标准
Skills	**让 AI 记住”怎么做”**，沉淀经验	教练的战术板，告诉这个运动员 “这个队该怎么配合”	经验沉淀

RAG

检索增强生成，是为了解决 LLM 可能因训练数据过时导致的幻觉问题，即：一本正经的胡说八道

通过 RAG 可以让 LLM 查阅指定资料后再回答

用户："帮我看看这个季度的销售数据"
        ↓
   【Skills 介入】
   → 识别要用"数据分析 Skill"
   → 知道用 Python + Pandas
   
        ↓
   【RAG 介入】 
   → 检索最新销售数据
   → 检索内部报表格式规范
   
        ↓
   生成最终分析报告

---

如果说 Skill 是解决 AI 不会的事情教他怎么做的问题，RAG 解决的则是 AI 不知道的事情告诉他在哪里