【AI大模型】再强调一遍，智能体是由大模型(LLM)+工具集(Tools)组合而成的！！

AI大模型-派大星

于 2025-07-17 14:32:16 发布

阅读量573

点赞数 10

CC 4.0 BY-SA版权

文章标签：人工智能大模型学习大模型入门 AI大模型大模型 LLM 智能体

本文链接：https://blog.youkuaiyun.com/2401_85327249/article/details/149421202

前言

“ 再强调一遍，智能体是由大模型+Tools工具集组合而成的；工具才是智能体强大的核心。”

最近在做数据分析的智能体时遇到了一个问题，就是刚开始想做一个完全基于数据库表结构的数据分析智能体；但发现业务上的很多数据是通过程序代码动态计算出来的，完全通过数据库无法实现。

这个通过数据库进行数据分析的智能体使用的是vanna框架作为一个工具节点，来分析用户问题，然后由模型生成SQL语句，并调用数据库引擎执行并获取结果。

无独有偶，之前做了一个基于大模型的RAG系统，有个需求是把这个系统改造成MCP服务；但这个系统有完善的功能模块，包括登录，验证登一系列功能点。

当时由于不是太懂，想直接在这个系统上进行改造；但在改造的过程中却发现事情远远没有那么简单，首先登录验证模块怎么绕过，理论上来说登录验证模块应该置于功能模块之前，比如说网关；但现在的情况是RAG系统已经和登录验证模块耦合在了一起，如果在单独拆出来，那么成本比较高，而且还很麻烦，工作量就是一个大问题。

所以，遇到上面这两种情况应该怎么解决呢？

模块工具化——没有什么是加一层解决不了的

首先，遇到这种问题时千万不能钻牛角尖，我们应该发散我们的思维；在之前的文章中也不止一次的强调过，智能体是由模型+Tools组合而成的一个具有独立决策能力的系统；既然模型是无法取代的，那么就只能在工具上下手了。

在智能体中，工具也是一种可插拔的组件，一般情况下可以给一个智能体配备多个工具集，而工具集中的工具可以随时修改和更换；而这也为我们的系统扩展提供了广阔的空间。

以上面两个例子来说，既然直接通过库表结构无法完成数据分析的需求，那么是否可以从接口中获取统计好的数据；这样就可以绕过直接操作库表结构可能带来的问题；并且接口可以随时修改和扩展，以增强其数据分析的能力。

而从智能体的角度来说，只是把vanna的工具节点，换成接口请求的工具节点，对整个业务流程并没什么影响。而我们需要做的，只是把这个接口调用封装成一个工具(函数)即可；然后丢到智能体的工具集中。

同样，对RAG系统来说也是如此，可以单独做一个MCP服务，在服务中通过接口调用的方式去登录和访问RAG系统，这样就可以解决登录功能和RAG系统耦合的问题。你的RAG系统该怎么做还怎么做，我只需要在MCP中按照你的接口要求调用即可。

而这正应了软件开发中的那句老话——没有什么是加一层解决不了的，如果不行，那就再加一层。

智能体的核心除了大模型之外，就只剩工具了；而智能体的强大功能和扩展性都是通过工具来实现的。因此，工具才是智能体的强大的核心，毕竟再厉害的指挥官，如果手里没有部队也打不了仗。

最后

为什么要学AI大模型

当下，⼈⼯智能市场迎来了爆发期，并逐渐进⼊以⼈⼯通⽤智能（AGI）为主导的新时代。企业纷纷官宣“ AI+ ”战略，为新兴技术⼈才创造丰富的就业机会，⼈才缺⼝将达 400 万！

DeepSeek问世以来，生成式AI和大模型技术爆发式增长，让很多岗位重新成了炙手可热的新星，岗位薪资远超很多后端岗位，在程序员中稳居前列。

在这里插入图片描述

与此同时AI与各行各业深度融合，飞速发展，成为炙手可热的新风口，企业非常需要了解AI、懂AI、会用AI的员工，纷纷开出高薪招聘AI大模型相关岗位。
在这里插入图片描述
最近很多程序员朋友都已经学习或者准备学习 AI 大模型，后台也经常会有小伙伴咨询学习路线和学习资料，我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频 全系列的学习资料，这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。