“ 智能體的運作流程非常復雜和不可控，因此需要其它解決方案來解決這些問題。”

從結構上來看智能體的實現非常簡單，就是大模型LLM+工具Tools；而構建工具主要有兩種方式，Function call和MCP協議。但由于智能體是由大模型自己決定怎么使用工具，以及怎么處理工具需要的參數和返回值。

而這個過程對技術人員是完全不可控的，因此這一點也是智能體執行過程中主要的困難點和風險點；特別是在多鏈路的工具調用過程中，比如說讓模型找到某個景點附近的酒店，并根據要求訂房間。

這個時候智能體就需要先執行搜索的功能，再執行下單的功能；而如果在復雜業務場景中，可能需要的鏈路更長，需要的工具更多；但大模型在這種長距離的思維鏈路中，很容易產生問題。

因此，才有了多智能體架構的出現，也就是每個智能體只負責單一的功能邏輯，然后把多個智能體組合成一個大的復雜的智能體。但這樣同樣會產生一些問題，那就是多智能體之間的通訊問題。

而且，在真實的業務場景中，很多業務功能不僅僅只依靠智能體來完成，可能還需要其它業務處理或人工參與；這時一旦出現問題，怎么快速定位問題和解決問題是一個需要思考的問題。

而解決這些問題的前提，就是我們要明白智能體的執行邏輯，這樣我們才能知道智能體執行出現問題可能產生的原因。

智能體的執行流程

事實上很多人認為的智能體就是給大模型加一些外部工具，而由此組成的結構就是一個智能體；包括作者剛開始也是這么認為，這種想法雖然不能說有錯；但事實上存在一些認知偏差，或者說這可以認為是狹義上的智能體。

智能體（Agent）是指能夠感知環境并采取行動以實現特定目標的代理體。它可以是軟件、硬件或一個系統，具備自主性、適應性和交互能力。智能體通過感知環境中的變化（如通過傳感器或數據輸入），根據自身學習到的知識和算法進行判斷和決策，進而執行動作以影響環境或達到預定的目標。

以上是百度百科關于智能體的定義，從上面可以看出智能體并不是簡單的多模型+工具；而是一個能夠感知環境并采取行動以實現特定目標的代理體，其主要特點是具備自主性，適應性和交互能力。

所以只需要具備上述特征的系統都可以被稱為智能體；而目前的智能體主要依靠大模型來實現，原因就在于目前的大模型具備很強的自主規劃能力，然后還可以使用外部工具執行動作。

那為什么說由大模型+工具實現的智能體是狹義上的智能體呢？

因為，這樣是最簡單的智能體結構；但真實場景中的業務流程遠遠超過了這種簡單結構的處理能力；所以，才需要在智能體系統中加入工作流，用戶接口等。

并且，為了保證系統的正常運行和中斷運行，需要在系統中斷之后還能恢復到之前的狀態，因此還需要保存智能體執行過程中的實時數據。

而這些操作雖然從理論上說起來很簡單，但在實際操作過程中卻面臨著各種各樣的問題和困難點；特別是隨著智能體架構的調整，其某些功能點可能需要重新設計和實現。

而由于大模型本身的不確定性，更為整個智能體系統增加了更多的不可控因素。

比如說這時可能需要進行容錯處理，在大模型執行出現問題時，能夠提供重試機制或人工介入處理等。

本文轉載自??AI探索時代?? 作者：DFires