Agent 原理发展史

2022 年之前，AI 只会「回答问题」；2022 年 ReAct 论文让模型学会「边想边做」；2024-2025 年，工具协议（MCP）、推理模型（o1/R1）、Agent 专门训练（agent RL）三股力量汇合，Agent 从「demo 玩具」变成「生产基础设施」（57.3% 的组织已有生产环境 Agent）。本篇把这条主线拉出来：Agent 是什么、怎么演化的、现在站在哪。

1构成线（单 Agent 内部）：感知 → 推理 → 记忆 → 行动四系统从「提示技巧」逐步变成「系统架构」——Agent 不是魔法，是可拆解的组合件。

2规模线（Agent 外部）：单 Agent 循环 → 多 Agent 角色协作 → 平台化框架（图/角色/交接三范式）——「一个大脑」到「一支团队」。

3协议线（连接标准）：各家私接工具 → Function Calling 统一 API → MCP 统一协议 → Linux Foundation 托管 → A2A 智能体互联——工具接入从私有变成基础设施。

4模型线（能力底座）：通用模型 + prompt 硬套 → 专门 Agent 训练（agent RL）→ 推理模型 × 工具链（测试时扩展）——模型从「会说话」到「被训练成会干活」。

1. ReAct 循环（一切 Agent 的原型）

•三拍子：Thought（想下一步）→ Action（调用工具/API）→ Observation（读结果）→ 回到 Thought；

•意义：把「推理」和「行动」交替编排——模型不再是「一次回答」，而是「逐步完成任务」；

•后续所有 Agent 框架（LangGraph/OpenAI SDK/Claude Agent SDK）本质都是这个循环的工程化。

2. 工具调用 / Function Calling

•模型输出结构化指令「调用哪个工具 + 传什么参数」，框架负责执行并回传结果；

•2023-06 OpenAI 把它做成 API 标准后，「工具调用」成为所有 LLM 的基础能力（各家对齐）；

•意义：模型从「知识回忆器」变成「能力调度器」。

3. Reflexion 与反思机制

•任务失败后生成自然语言反思（哪里错了、怎么改），存入情景记忆，下次行动参考；

•本质：「无语义梯度的强化学习」（verbal RL）——不调权重，靠「长记性」变强；

•进阶：MIRROR 等把反思从「行动后」扩展到「行动前」（预判不良结果）。

4. MCP（Model Context Protocol）

•2024-11 Anthropic 开源：统一「Agent 客户端 ↔ 工具服务端」的连接协议；

•三原语：Tools（可执行动作）/ Resources（可读数据）/ Prompts（可复用模板）；

•标准化路径：ChatGPT（2025-04）→ 各家跟进 → 2025-12 捐 Linux Foundation AAIF → 2026-03 月下载 97M / 公共服务器 9400+；

•2026-07-28 规范 RC：无状态核心（普通 HTTP 可横向扩展）、Tasks 扩展（长任务）、MCP Apps（服务端渲染 UI）、OAuth 对齐授权。

5. 多 Agent 协作三范式

•图编排（LangGraph）：显式状态图，节点=步骤、边=转移，精确控制循环/重试/审批；

•角色制（CrewAI）：定义多个角色（研究员/写手/审查）组成「团队」协作；

•交接制（OpenAI Agents SDK）：主 Agent 把子任务 handoff 给专门子 Agent；

•共同点：都是「多 Agent 通信 + 任务分发 + 结果聚合」的工程化。

6. Agentic 模型训练（agent RL）

•不止让模型「会调用工具」，而是 RL 训练它自主规划长任务链（Qwen3-Coder：agent RL + 480B MoE）；

•奖励信号：可验证结果（代码跑通、任务完成）——与 R1 的推理 RL 同源（llm-理论 05）；

•方向：模型原生「会想 + 会干」，而非靠外层 prompt 拼。

7. 推理模型 × Agent

•o1/R1 让「思考链」可训练、可调深度；GPT-5 把推理与工具链合一；

•意义：「想多深」与「干多久」都成为可调资源——测试时扩展与长程 Agent 合流。

8. 评测与安全

•基准：SWE-bench（编码）、OSWorld（计算机使用，1 年 12%→66.3%）、WebArena（浏览器）、Tau2-bench（工具链）、AgentBench；

•安全：HITL（人工审批）、Guardrails（程序化护栏）、授权最小化——Agent 越强，控制面越重要。

1从「提示」到「系统」：ReAct 是提示技巧，LangGraph/MCP 是运行时与协议——Agent 已变成「工程」而非「咒语」。

2从「单」到「多」：单 Agent 循环 → 多 Agent 团队 → 平台化——复杂度靠分工消化。

3从「私有」到「标准」：工具接入从各家私接 → MCP/A2A 行业标准（Linux Foundation 托管）——基础设施化。

4从「通用」到「专门」：通用模型硬套 prompt → agent RL 专门训练——Agent 能力可被制造。

5从「会做」到「做对」：能做（66.3% OSWorld）≠ 可靠——评测、安全、可观测性成为新战场。

•ReAct：https://arxiv.org/abs/2210.03629 ｜ Reflexion：https://arxiv.org/abs/2303.11366

•MCP 规范：https://modelcontextprotocol.io ｜ MCP 捐赠公告：https://blog.modelcontextprotocol.io/

•LangGraph 1.0：https://blog.langchain.com/langgraph-1-0/

•From Language to Action（Agent 综述 2508.17281）｜ LLM Agents Survey（2510.09244 相关）

•学习路径：本开篇 → 板块一构成（01-04）→ 板块二机制（05-07）→ 板块三训练（08）→ 板块四应用（09-10）→ 板块五平台（11）

整理：2026-10-01 月绡凝 · 依据官方论文与协议规范。