智能体框架的基本思想

一句话版：智能体 = 会思考的大脑（大模型）+ 会动手的身体（工具和环境）。智能体框架就是给"大脑"配"身体"的那套脚手架——它负责把工具、权限、记忆、多智能体协作这些杂活全部管起来，让开发者只操心"让智能体想清楚该干什么"。

---

1. 智能体是怎么工作的？

所有智能体（不管多复杂）都跑在一个简单的循环里：

感知（看到什么）→ 思考（决定做什么）→ 行动（动手做）→ 观察结果 → 再思考 → …

举个例子，一个"订机票助手"：

1. 感知：收到指令"帮我订下周三去上海的机票"
2. 思考：需要查航班、比价格、订票
3. 行动：调用查航班工具、调用订票工具
4. 观察：看到"出票成功，¥880"
5. 再思考：要不要告诉用户其他更便宜的选择？

这个循环本身很简单——难的是让"行动"这一步真正发生，而且安全、可控。

---

2. 大模型只是"大脑"，它需要"身体"

大模型（LLM）本身只会做一件事：根据输入的文字，生成输出的文字。

它不会真的：

• ❌ 发 HTTP 请求
• ❌ 读写你的文件
• ❌ 操作数据库
• ❌ 记住上次对话以外的事情

要让大模型"动起来"，必须给它接上工具。这个"接工具"的过程，就是智能体框架的核心工作。

类比：乐高

大模型是一堆最厉害的乐高零件（能理解、能推理）。 智能体框架是一套说明书 + 收纳盒：说明书告诉零件怎么拼（工作流），收纳盒负责分类和保管（工具管理、权限、记忆）。 没有说明书和收纳盒，零件再厉害，也只是散落一地的积木。

---

3. 框架到底管哪些事？

一个完整的智能体框架，通常要解决下面这些问题：

逐个展开讲：

3.1 工具怎么给（Tool Calling）

框架把每个工具描述成一份"说明书"给大模型看：

{
  "name": "get_weather",
  "description": "查询某个城市的天气",
  "parameters": {
    "city": { "type": "string", "description": "城市名，例如 北京" }
  }
}

大模型看到说明书后，会说"我要调用 get_weather，参数 city=北京"。框架负责真的去执行这个调用，把结果拿回来给大模型。整个过程，开发者只需要注册工具，不需要教大模型怎么用。

3.2 能碰什么（权限与沙箱）

智能体不可信吗？不是——但它的能力边界必须明确。框架提供：

• 权限声明：这个智能体只能读 /data 目录，不能写系统文件
• 沙箱：把它关进一个隔离环境，即使它"失控"也影响不到外面的世界

3.3 记不记得住（记忆与上下文）

大模型每次对话都是"失忆"的。框架负责：

• 短期：把多轮对话整理成上下文
• 长期：把重要信息存进数据库/向量库，下次还能想起来

3.4 忙不忙得过来（多智能体）

一个任务可以拆给多个智能体协作：一个负责调研、一个负责写代码、一个负责审查。框架负责编排它们，并决定谁先谁后、结果怎么汇总。

3.5 怎么连接世界（MCP 等协议）

不同系统之间的连接需要标准协议（比如 MCP——Model Context Protocol，模型上下文协议）。框架实现了这些协议，让智能体能和外部工具"即插即用"。

---

4. 一个具体例子：搭一个"天气小助手"

不用框架，你可能要写：

// 伪代码：没有框架的世界
const text = "北京天气怎么样";
const intent = llm.analyze(text);           // 让模型理解意图
if (intent.action === "query_weather") {
  const data = await fetch(`/api/weather?city=${intent.city}`);
  const answer = llm.generate(data, text);   // 把结果组织成人话
  return answer;
}

用了框架（以 DSH/Cordis 风格示意）：

// 伪代码：有框架的世界
ctx.set('weather', weatherApi);      // 注册工具（余效应供给）

// 注册一个"天气插件"作为组件
ctx.use({
  inject: ['weather'],               // 声明我需要天气服务
  apply(ctx) {
    ctx.commands.register('天气 <city>', async (city) => {
      const data = await ctx.weather.query(city);   // 直接用
      return `☀️ ${city} 今天 ${data.condition}`;
    });
  },
});

区别在哪？

• 没有框架：每一步流程都要你手写，工具一多就乱
• 有框架：你只声明"我需要什么、我提供什么"，框架负责连接、调度、回收

---

5. 从"助手"到"自演化"

传统的智能体框架，组件是开发时写死、运行时不变的。

但未来（也是这篇论文的核心动机之一）智能体会这样工作：

1. 智能体发现自己缺少某个工具
2. 它自己写一个新工具（或者让另一个智能体写）
3. 它把新工具动态安装到正在运行的框架上
4. 用一段时间发现不好用，再动态卸载，换一个更好的

这就是"自演化智能体"：运行中的系统自己修改自己。

这听起来很酷，但也很危险——如果装上的东西拆不掉、或者拆的时候把别的东西弄坏了，系统就会崩溃。要解决这个问题，就需要我们第一章第 3 节的主题：动态组合。

---

关键点回顾

• 智能体 = 感知 → 思考 → 行动 的循环
• 大模型只是"大脑"，框架负责配"身体"
• 框架的五大职责：工具、权限、记忆、编排、连接
• 未来的智能体会自我修改组件 → 必须依赖"动态组合"

🚀 下一节："为什么需要动态组合"——看看现在的软件为什么做不到"装上拆下不重启"，以及这有多重要。