Reference: DataWhale wow agent 课程https://github.com/datawhalechina/wow-agent
Agents 的核心组件#
一个完整的 Agent 主要由三个核心组件构成：
1. 模型 (Model):
- 角色：作为 Agent 的 “大脑”，负责理解用户输入，进行推理和规划，并选择合适的工具进行执行。
- 类型：常用的模型包括 ReAct、Chain-of-Thought、Tree-of-Thought 等，它们提供不同的推理框架，帮助 Agent 进行多轮交互和决策。
- 重要性：模型是 Agent 的核心，其推理能力决定了 Agent 的行动效率和准确性。
2. 工具 (Tools): - 角色：作为 Agent 与外界交互的 “桥梁”，允许 Agent 访问外部数据和服务，执行各种任务。
- 类型：工具可以是各种 API，例如数据库查询、搜索引擎、代码执行器、邮件发送器等。
- 重要性：工具扩展了 Agent 的能力，使其能够执行更复杂的任务。
3. 编排层 (Orchestration Layer): - 角色：负责管理 Agent 的内部状态，协调模型和工具的使用，并根据目标指导 Agent 的行动。
- 类型：编排层可以使用各种推理框架，例如 ReAct、Chain-of-Thought 等，帮助 Agent 进行规划和决策。
- 重要性：编排层是 Agent 的 “指挥中心”，负责协调各个组件，确保 Agent 的行动符合目标。
Agents 的运作机制：从输入到输出#
Agent 的运作过程可以概括为以下几个步骤：
- 接收输入：Agent 接收用户的指令或问题。
- 理解输入：模型理解用户的意图，并提取关键信息。
- 推理规划：模型根据用户输入和当前状态，进行推理和规划，确定下一步行动。
- 选择工具：模型根据目标选择合适的工具。
- 执行行动：Agent 使用工具执行行动，例如查询数据库、发送邮件等。
- 获取结果：Agent 获取工具执行的结果。
- 输出结果：Agent 将结果输出给用户，或进行下一步行动。
Agents 的应用：从智能客服到虚拟助手#
Agents 的应用范围非常广泛，例如：
- 智能客服：Agent 可以自动回答用户问题，处理订单，解决客户问题，提高客户满意度。
- 个性化推荐：Agent 可以根据用户的兴趣和行为，推荐商品、内容、服务等，提升用户体验。
- 虚拟助手：Agent 可以帮助用户管理日程、预订行程、发送邮件等，提高工作效率。
- 代码生成：Agent 可以根据用户的需求，自动生成代码，提高开发效率。
- 智能创作：Agent 可以根据用户的需求，创作诗歌、小说、剧本等，激发创作灵感。
- 知识图谱构建：Agent 可以从文本中提取知识，构建知识图谱，用于知识管理和推理。
Agents 的开发工具：从 LangChain 到 Vertex AI#
为了方便开发 Agents，Google 提供了多种工具和平台，例如：
- LangChain：一个开源库，可以帮助开发者构建和部署 Agents。LangChain 提供了一套 API，方便开发者将 LLMs 与工具和编排层结合，构建功能强大的 Agents。
- LangGraph：一个开源库，可以帮助开发者构建和可视化 Agents。LangGraph 提供了一套图形化界面，方便开发者设计和测试 Agents。
- Vertex AI：一个云平台，提供各种 AI 工具和服务，例如 Vertex Agent Builder、Vertex Extensions、Vertex Function Calling 等，可以帮助开发者快速构建和部署 Agents。Vertex AI 提供了强大的基础设施和工具，方便开发者进行 Agent 开发、测试、部署和管理。