AI——Agent和环境

最新推荐文章于 2025-07-12 16:56:55 发布
原创 最新推荐文章于 2025-07-12 16:56:55 发布 · 2.2k 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了AI中的Agent及其结构，强调了Agent如何根据感知序列做出行为决策，并探讨了不同类型的Agent程序，包括简单反射、基于模型的反射、基于目标和基于效用的Agent。此外，文章通过自动驾驶的PEAS描述（性能、环境、执行器、传感器）来阐述环境对Agent的影响，并列举了环境的多种性质，如可观察性、多Agent系统、确定性等。

Agent

追求更可能好的行为

我们期望设计出尽可能理性的Agent，抽象来描述，就是环境因素进入到Agent时会形成一个感知序列，根据感知序列，Agent做出相应的行为，并根据行为不断地纠正。

 

不同时刻，对理性的判断依赖于：

  1. 定义成功标准的度量（即给出正确答案或者期望的答案

  2. Agent对环境的先验知识（对认知环境有了一定的知识基础，比如训练过一定大小的训练集

  3. Agent可以完成的行动（当前可以预测或者训练获得的能力

  4. Agent截止到此时的感知序列（当前的感知能力存在局限，假定有一个序列

 

Agent的结构

Agent程序的框架：输入为从传感器得到当前感知信息，返回该执行器的行动抉择。输入是以整个感知历史 进行的，只依赖当前的感知序列并不能做出有效的行动抉择。

4种基本Agent程序：

  • 简单反射Agent。例如吸尘机器人，行动仅仅建立在当前位置以及灰尘位置来进行。 简洁但有限 。

  • 基于模型的反射Agent。根据感知历史维持内部状态，使用内部模型跟踪世界的当前状态。ML种神经网络模型种，训练数据的不断增加，感知历史不断边长，内部状态可能就越精准。

  • 基于目标的Agent。需要目标信息来描述想要达到的情况。搜索和规划是寻求达成Agent目标的行动序列的人工智能领域。

  • 基于效用的Agent。Agent的效用函数是性能度量的内在化，最大效用则意味着Agent的行为更为理性。

 

 

环境

PEAS描述（以自动驾驶为例子

性能（Perfor

最低0.47元/天 解锁文章

200万优质内容无限畅学
AI Agent: AI的下一个风口 软件的角色与硬件的配合
AI天才研究院
09-07 1130
一、AI Agent的基本概念 1. AI Agent的定义 AI Agent，即人工智能代理，是一种基于人工智能技术的自主决策实体。它通过感知环境、理解信息、制定策略并执行行动，以实现特定目标。AI Agent可以应用于多个领域，包括但不限于智能机器人、自动驾驶、智能家居、智
【大模型应用开发 动手做AI Agent】多Agent框架——AutoGen和MetaGPT
AI架构师小马
08-28 1686
【大模型应用开发 动手做AI Agent】多Agent框架——AutoGen和MetaGPT 作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 1. 背景介绍
什么是AI Agent
weixin_43564920的博客
01-27 2286
2023年11月，OpenAI首届开发者大会之后，比尔•盖茨写了一篇文章阐述了AI Agent彻底改变人机交互、颠覆软件行业，称之为“一个对科技行业的冲击波”、“一场自输入命令到点击图标变革之后计算机领域的最大变革”。想象一下，AI Agent 就像一位全能辅助员工，它可能是下一个热点领域——也就是智能技术的新前沿。比起只专注于语言任务的大型智能模型，比如自动写作或者聊天，AI Agent 更进一步，它的设计是为了在现实世界中真正帮忙解决问题，像个实实在在的好帮手。
AI Agent 到底是什么？一文带你快速了解 AI Agent
最新发布
qq_46094651的博客
07-12 897
在人工智能的快速发展进程中，“AI Agent” 这个术语越来越频繁地出现在大众视野里。那么，AI Agent 到底是什么？它又将如何影响我们的未来？
详解AI Agent系列｜（1）AI Agent到底是什么
weixin_49659123的博客
02-06 5426
从high-level来简明概括地介绍一下AI Agent
AI领域的agent是什么意思
热门推荐
AcceptedLin的博客
02-07 2万+
大语言模型的浪潮推动了 AI Agent 相关研究快速发展，AI Agent 是当前通往 AGI 的主要探索路线。大模型庞大的训练数据集中包含了大量人类行为数据，为模拟类 人的交互打下了坚实基础；另一方面，随着模型规模不断增大，大模型涌现出了上 下文学习能力、推理能力、思维链等类似人类思考方式的多种能力。将大模型作为 AI Agent 的核心大脑，就可以实现以往难以实现的将复杂问题拆解成可实现的子任 务、类人的自然语言交互等能力。
到底什么是AI Agent？
m0_48891301的博客
03-12 1049
AI Agent，即人工智能体，是一种具备环境感知、自主决策、动作执行能力的程序或系统。它的核心在于能够通过独立的分析思考，调用适当的工具，行动起来，执行命令，最终完成既定的目标任务。AI Agent或许就是移动互联网时代的APP。在移动互联网时代，我们通过各种APP来获取信息和使用服务。但在AI时代，“AI Agent”或许将会逐渐替代“APP”，成为新的网络入口。同时“Agent Store”或许就是移动互联网时代的“APP Store”,“LLM”或许就是“IOS/Android”。
人工智能基于AI Agent的智能体开发与应用：从基础概念到项目实战的全流程解析-从0开始打造我们自己的Agent智能体
04-11
首先，文章解释了人工智能、机器学习、深度学习等基础知识，以及大语言模型（LLM）的特点和应用。接着，文章深入探讨了AI Agent的概念、与传统程序的区别，以及其在自媒体、智能客服、自动驾驶、股票交易和游戏NPC等...
2024年终探索: AI Agent未来展望——历史演进、应用落地与商业价值的深度剖析
Stayhungry,Stayfoolish.
12-27 4540
AI Agent作为通向AGI的关键路径，其发展正在重新定义人工智能的未来。多模态交互能力的突破和新型架构范式的确立，为我们展现了一个充满可能的未来图景。在这个技术与人文交织的新时代，我们需要以开放而审慎的态度，共同探索人工智能与人类社会和谐共生的最佳路径。
AI Agent（人工智能代理）是一种能够感知环境、进行决策和执行动作的智能实体
wangqiaowq的博客
06-05 1160
在大模型平台中，“Agent”通常指的是基于大型预训练模型构建的一种智能实体或软件系统，它能够执行一系列复杂的任务。这些任务可能包括但不限于理解和生成自然语言、决策制定、交互式对话、执行具体操作（如在GUI环境中操作）、数据检索、知识推理等。
ai agent是什么？
Python栈
03-07 1544
大语言模型的浪潮推动了 AI Agent 相关研究快速发展，AI Agent 是当前通往 AGI 的主要探索路线。大模型庞大的训练数据集中包含了大量人类行为数据，为模拟类 人的交互打下了坚实基础；另一方面，随着模型规模不断增大，大模型涌现出了上 下文学习能力、推理能力、思维链等类似人类思考方式的多种能力。将大模型作为 AI Agent 的核心大脑，就可以实现以往难以实现的将复杂问题拆解成可实现的子任 务、类人的自然语言交互等能力。
AI（一）：智能Agent
Joselynzhao
03-25 2539
Agent 文章目录Agent1 Agent 和环境2 好的行为：理想的概念2.1 理性2.2 全知者、学习和自主性3 环境的性质3.1 任务环境的规范描述3.2 任务环境的性质4 Agent的结构4.1 Agent 程序4.2 简单反射Agent 理性Agent 的概念是我们的人工智能方法的核心。 1 Agent 和环境 我们用感知来表示任何给定时刻Agent的感知输入。 Agent 的感知序...
AI大模型之——Agent
zxfeng的博客
03-23 5206
AI Agent（人工智能代理）是一种能够感知环境、进行决策和执行动作的智能实体。AI Agent也可以称为“智能体”，也可理解为“智能业务助理”，指在大模型技术驱动下，让人们以自然语言为交互方式高自动化地执行和处理专业或繁复的工作任务，从而极大程度释放人员精力。举个通俗的比喻，你有一个魔法机器人朋友，它叫做“小助手”。这个“小助手”非常特别，因为它能够听你说话，看你周围的环境，然后根据它看到和听到的东西来帮你做一些事情。
一文了解AI Agent（智能体）
m0_59235699的博客
08-01 3626
AI Agent（人工智能代理）是上半年一个火热的话题。笔者最近对相关概念进行了学习与研究，期间也通过智能体开发平台成功搭建了一些有趣的Agent。所以计划通过本篇文章，跟大家分享笔者对于AI Agent的些许理解。
AI Agent：基于大模型的自主智能体
Python_cocola的博客
07-08 2672
AI Agent（人工智能代理）是一种能够感知环境、进行决策和执行动作的智能实体。不同于传统 的人工智能，AI Agent 具备通过独立思考、调用工具去逐步完成给定目标的能力。比如，告诉 AI Agent 帮忙下单一份外卖，它就可以直接调用 APP 选择外卖，再调用支付程序下单支付，无需人 类去指定每一步的操作。Agent 的概念由 Minsky 在其 1986 年出版的《思维的社会》一书中提出， Minsky 认为社会中的某些个体经过协商之后可求得问题的解，这些个体就是 Agent。
AI Agent - 7大认知框架全解析与代码实现
AI科技大本营
05-15 6751
出品丨咖哥 AI作者｜黄佳AI Agent，最近火得一塌糊涂。Sam Altman 曾这样描述未来的AI Agent：“今天的AI模型是它们将会是的最‘笨’状态，未来只会越来越聪明！” 吴恩达在AI Ascent 2024会议上也不吝赞美：“这是AI发展的黄金时代，生成式AI和AI Agent将彻底改变我们工作的方式！”。这些业界领袖的话让人感受到未来AI与人类生活、工作的深度融合正在加速到来...
AI Agent - 7 大认知框架全解析与代码实现
AI科技大本营
05-16 1556
出品丨咖哥 AI作者｜黄佳AI Agent，最近火得一塌糊涂。Sam Altman 曾这样描述未来的AI Agent：“今天的AI模型是它们将会是的最‘笨’状态，未来只会越来越聪明！” 吴恩达在AI Ascent 2024会议上也不吝赞美：“这是AI发展的黄金时代，生成式AI和AI Agent将彻底改变我们工作的方式！”。这些业界领袖的话让人感受到未来AI与人类生活、工作的深度融合正在加速到来...
人工智能与环境：如何利用AI技术进行绿色发展
AI天才研究院
12-31 1705
1.背景介绍 随着人类社会的发展，环境问题日益凸显。全球温度上升、大气污染、水资源紧缺等环境问题已经成为人类生存和发展的重大挑战。在这个背景下，人工智能(AI)技术的发展为解决环境问题提供了有力的支持。AI技术可以帮助我们更有效地管理资源、减少浪费、提高效率、降低污染等，从而促进绿色发展。 在这篇文章中，我们将从以下几个方面进行讨论： 背景介绍 核心概念与联系 核心算法原理和具体操作步骤以...
AI Agent 介绍
m0_59235945的博客
01-09 1486
AutoAgents 强调自动生成 Agents，它在 MetaGPT 的基础上开发了自动创建 Agent 的 Agent。基于给定的任务自动生成多个agents，然后由这些 agents 来完成任务。ChatDev 的思路借鉴自瀑布模型（waterfall model），将开发过程分为四个明确的时间顺序阶段：设计（designing）、编码（coding）、测试（testing）和文档编制（documenting）。
基于 MCP 的 AI Agent 应用开发实践 —— 以 Agent TARS 为例
06-06
<think>嗯，用户这次的问题很聚焦，要求具体说明基于MCP开发AIAgent的最佳实践，并以AgentTARS为案例。结合历史对话，用户显然是个技术决策者或开发者，想了解MCP协议如何落地。用户提供的三个引用中，[1]最关键，详细说明了MCP的核心价值是研发范式转移，类似前后端分离；[2]提到行业可能出现协议碎片化风险；[3]则补充了多模态开发场景。但用户最关心的显然是TARS这个实施案例。我需要重点拆解MCP开发范式的三层结构（感知层、协议层、工具层），这个框架在引用[1]里虽然没明说但隐含了。用户问“最佳实践”，说明需要可操作的方法论，而不仅是概念。考虑到ta提了两次“AgentTARS示例”，应该对具体代码实现感兴趣。安全方面要注意：引用[3]提到企业数据训练，需提醒用户数据合规问题；引用[2]的协议碎片化警告也得包含在挑战部分。技术细节上，MCP的上下文组装机制（token压缩、异步调度）是难点，但用户没明确问底层原理，先放在技术挑战里简要说。突然想到用户可能混淆了MCP和LangChain的区别，需要强调：LangChain是开发框架，MCP是协议标准，这点在扩展实践里用脚手架工具说明会更清晰。TARS的RESTful对接示例选得不错，但JSON参数要简化，实际开发时用户会更关心工具描述字段。相关问题的设计要引导用户深化场景：性能工程和异构部署是进阶需求，而工具开发是生态建设关键。最后补上协议选型建议，毕竟引用[2]显示行业有多个竞争标准。</think> 基于 MCP 协议开发 AI Agent 应用的核心在于**协议解耦**与**标准化工具集成**，以下结合 Agent TARS 案例详解最佳实践： --- ### **一、MCP 开发范式关键步骤** 1. **分层架构解耦** - **感知层（Perception）**：Agent 接收多模态输入（文本/图像）并理解用户意图 - **协议层（MCP Bridge）**：通过 MCP 标准协议将需求转化为结构化工具调用请求 - **工具层（Tool Ecosystem）**：对接第三方工具（如日历/支付API），无需绑定特定供应商 ```python # MCP 工具调用示例（伪代码） def mcp_tool_invoke(tool_name: str, params: dict): payload = { "@context": "https://mcp.ai/context/v1", "action": tool_name, "input": params } return requests.post(MCP_GATEWAY, json=payload) # 通过标准化网关路由 ``` 2. **动态上下文组装** - MCP 自动聚合工具返回的**结构化数据**（如 JSON/CSV） - 通过 Token 压缩算法（如 GIST 压缩）减少上下文长度 - 例：调用天气工具后自动注入 `{"location": "北京", "temp": 22℃}` 到 LLM 上下文 --- ### **二、Agent TARS 开发实践详解** 1. **工具集成标准化** - **统一描述规范**：所有工具通过 `tool_name.mcp.json` 声明功能 ```json // 支付工具描述文件 { "name": "stripe_payment", "description": "处理信用卡支付", "parameters": { "amount": {"type": "number", "required": true}, "currency": {"type": "string", "default": "USD"} } } ``` - **RESTful 兼容**：传统 API 通过 [MCP-Adapter](https://github.com/tars-agent/mcp-adapter) 转换协议 ``` POST /mcp/tools/stripe_payment Content-Type: application/json {"amount": 99.99} ``` 2. **执行流程优化** ```mermaid graph TD A[用户语音输入] --> B(TARS 意图识别) B --> C{MCP 路由查询} C -->|天气查询| D[调用 Weather.com] C -->|支付| E[调用 Stripe API] D & E --> F[结果标准化封装] F --> G[自然语言生成响应] ``` 3. **工具热插拔实践** - 新增翻译工具时： 1. 部署 `translate.mcp.json` 到工具仓库 2. Agent 自动发现并更新能力目录 ``` > TARS.get_tools() ["weather", "payment", "translate"] # 动态扩展 ``` --- ### **三、关键技术挑战与解决方案** | 挑战 | MCP 方案 | |---------------------|-----------------------------| | 工具响应延迟 | 异步流式传输（SSE） | | 多工具协作 | DAG 工作流引擎 | | 权限控制 | OAuth2.0 + 工具级策略标签 | | 协议版本碎片化 | 强制 SemVer 版本校验 [^2] | --- ### **四、扩展实践建议** 1. **混合编排框架** ```python from langchain.agents import AgentExecutor from mcp_integration import MCPToolkit toolkit = MCPToolkit() # 自动加载 MCP 注册中心所有工具 agent = AgentExecutor.from_agent_and_tools( llm=ChatGPT(), tools=toolkit.get_tools(), verbose=True ) ``` 2. **调试监控闭环** - 使用 MCP 的 `X-MCP-Trace-Id` 头实现全链路追踪 - 工具执行统计看板： ![MCP 监控面板](https://tars.dev/mcp-dashboard.png) --- **
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值