AI 智能体到底是什么？——从概念到架构，用一个真实项目讲透

这两年AI Agent这个概念特别火，但很多初学者看完还是一头雾水：它跟直接调ChatGPT API有什么区别？到底多了一个什么东西？这篇文章我用一个真实的项目——医院资源配置清单系统——把AI Agent的底层逻辑拆开给你看。

一、先看一个场景

假设你是医院的IT工程师，需要给医院配一批服务器。传统做法是打开Excel，查产品清单，手动计算每类产品需要多少台服务器，填表，导出。这套流程很繁琐。现在如果有一个AI助手，你可以直接跟它说：帮仁济医院创建一份配置清单，门诊量5000，住院量800，需要基础设施和WiNEX产品。AI收到这句话后，自动完成了以下操作：查询产品库，找到基础设施和WiNEX有哪些子产品；根据业务量计算服务器规格和数量；生成配置清单；展示汇总结果；导出Excel文件。整个过程不需要你点任何按钮、填任何表单。这，就是一个AI Agent的典型工作场景。

二、AI Agent的核心公式

理解AI Agent其实很简单，记住这个公式：Agent = 大模型 + 工具 + 循环。拆开来说：大模型负责思考，理解用户的话，决定下一步做什么；工具负责执行，比如查数据库、调用API、生成文件；循环就是思考、行动、观察结果、继续思考，直到任务完成。

回到上面的例子：第一轮，大模型思考，用户要创建清单，我先查一下产品库，执行工具调用查产品库接口，观察结果拿到了产品列表。第二轮，大模型思考，产品信息有了，现在调用创建清单工具，执行工具调用创建清单接口，观察结果清单创建成功。第三轮，大模型思考，清单已创建，再看一下汇总，执行工具调用查看汇总接口，观察结果返回汇总数据。第四轮，大模型思考，用户需要Excel，导出，执行工具调用导出Excel接口，观察结果文件在这里。每一轮都是思考、行动、观察，这就是著名的ReAct模式，即Reasoning加Acting。

三、拆解一个真实的Agent项目

我以项目中bom-agent子系统的核心代码为例，看一个AI Agent到底长什么样。项目整体架构分为四层：用户通过对话界面说话，传给AI Agent大脑和循环模块，大脑调用MCP协议层进行工具翻译，MCP层再调用底层业务系统真正干活。

第一个核心模块是LLM适配器。大模型有很多种，DeepSeek、GPT、文心一言，如果代码写死了某一家，将来换模型就得大改。项目用适配器模式解决这个问题。有一个BaseLlmAdapter抽象基类定义接口，DeepSeekAdapter继承它做具体实现，将来GPTAdapter和文心Adapter随时可以加进来。基类定义了四种能力：验证API Key是否有效、普通对话、流式对话一个字一个字输出、获取可用模型列表。每个具体的大模型只需要实现这些方法，怎么调DeepSeek、怎么调GPT，各自内部处理。

第二个核心模块是Agent编排器，这是整个Agent的大脑，控制着前面说的ReAct循环。它的核心逻辑其实很简洁。在一个循环里，先调用大模型让它思考，然后检查大模型是否想调用工具。如果想调用工具，就执行工具，把工具结果放回对话历史里，继续下一轮循环。如果大模型没有要调工具，说明任务完成了，直接返回最终结果。这个循环就是ReAct的核心，它让大模型不再只是回答问题，而是变成了一个能自主行动的智能体。

第三个核心模块是MCP协议客户端。大模型说要调用工具，但工具怎么执行？项目用MCP这个标准协议。它是AI Agent领域的USB接口，不管什么工具，只要插上这个接口，AI就能用。项目定义了四个工具：查产品库、创建清单、查看汇总、导出Excel。每个工具有名称、功能描述和参数格式，AI看到这些定义就知道什么情况下该用哪个工具。

第四个核心模块是技能系统。项目有一个skills文件夹，里面放着Markdown格式的技能说明书，比如创建清单的技能和修改清单的技能。每个文件里用YAML格式定义了技能的元信息，比如名称、描述、关键词，然后用自然语言描述AI应该按什么步骤做事：先查询产品库、获取操作者身份、根据需求创建清单、查看总览确认结果、导出Excel文件。这种Prompt as Code的设计，让非开发人员也能修改AI的行为，不需要改一行代码。

四、小结

回到开头的问题，AI Agent到底比直接调API多做了什么？直接调API是你问一句它答一句，它只负责说话，一次对话就结束，需要你手动串联流程。而AI Agent是你给一个目标它自己拆解步骤，它能动手调用工具，多轮循环直到任务完成，它自己决定下一步做什么。AI Agent的本质，就是给大模型装上了手和眼睛。