Skip to content

Agent 概念与原理 ​

理解 AI Agent 的核心概念、工作原理与工具调用机制

更新:2026-05-11


一、什么是 Agent ​

官方定义 ​

An AI agent is a system that uses a language model to direct its own processes and tool usage to accomplish a goal. — Anthropic 官方文档

关键词:主动引导自身的执行过程。Agent 不是被动回答,而是主动决策、调用工具、反复推进,直到完成目标。

和普通对话的区别 ​

普通对话(无工具)

你:帮我看看 auth.swift 有没有问题

AI 助手:我无法直接读取文件,请把内容粘贴给我

Agent(有工具)

你:帮我看看 auth.swift 有没有问题

AI Agent:

  1. 调用 Read 工具读取文件
  2. 发现第 42 行有个 force unwrap
  3. 调用 Grep 搜索是否有其他地方有类似问题
  4. 汇总完整的安全问题报告

二、Tool Use:Agent 的行动能力 ​

没有工具,大模型只能说话;有了工具,AI Agent 才能真正"做事"。

常见的 Agent 工具体系通常分为三类,区别在于谁来执行:

类型 1:用户自定义工具 ​

你写工具的描述和参数格式,AI Agent 决定何时调用,你负责实际执行并返回结果。

适合: 调你自己的数据库、内部接口、业务逻辑。

python
tools = [{
    "name": "get_device_status",
    "description": "查询指定设备的在线状态",
    "input_schema": {
        "type": "object",
        "properties": {
            "device_id": {"type": "string", "description": "设备 ID"}
        },
        "required": ["device_id"]
    }
}]
# AI Agent 分析后决定要调这个工具
# 你接到 tool_use 响应,自己去查数据库,把结果返回给模型

类型 2:平台内置工具 ​

工具 schema 由平台预定义,模型通常针对这些工具做过额外训练,因此往往比同等功能的自定义工具更稳定。

以下名称采用 Anthropic 文档里的示例命名,不同平台会有等价能力:

  • bash — 执行 shell 命令
  • text_editor — 查看和编辑文件(view / str_replace / undo_edit)
  • computer — 控制鼠标、键盘、截图
  • memory — 保存和读取跨会话记忆

在很多 Agent 平台里,读文件、改代码、跑命令,本质都属于这类工具能力。

类型 3:服务端工具 ​

由平台服务端执行,你只收到最终结果,看不到完整中间过程。

以下同样沿用 Anthropic 文档里的命名示例:

  • web_search — 搜索网页
  • web_fetch — 抓取网页内容
  • code_execution — 在沙盒中运行代码
  • tool_search — 从工具库中搜索合适的工具

注意

服务端工具执行中可能返回 stop_reason: "pause_turn",表示内部还没结束,你需要重新发送请求让它继续。

什么时候用 Tool Use ​

适合用:

  • 有副作用的操作(写文件、发消息、更新数据库)
  • 需要实时数据(天气、价格、数据库记录)
  • 需要强制结构化输出(特定 JSON 字段)
  • 调用已有系统(内部 API、文件系统)

不适合用:

  • 模型自身能回答的(总结、翻译、常识问题)
  • 一次性问答,无副作用
  • 工具调用延迟超过实际收益时

三、Agentic Loop:Agent 是怎么工作的 ​

这是理解 Agent 最核心的部分。

代码示例(Python,最小可运行版) ​

下面用 Anthropic Messages API 展示标准 tool loop 的形态;即使换成别的平台,核心流程也基本类似。

python
import anthropic

client = anthropic.Anthropic()

tools = [...]        # 你定义的工具列表
messages = [{"role": "user", "content": "帮我检查 main.swift 的代码质量"}]

while True:
    response = client.messages.create(
        model="claude-sonnet-4-6",
        max_tokens=1024,
        tools=tools,
        messages=messages
    )

    if response.stop_reason == "end_turn":
        print(response.content[0].text)
        break

    if response.stop_reason == "tool_use":
        tool_block = next(b for b in response.content if b.type == "tool_use")
        result = my_execute(tool_block.name, tool_block.input)

        messages.append({"role": "assistant", "content": response.content})
        messages.append({
            "role": "user",
            "content": [{
                "type": "tool_result",
                "tool_use_id": tool_block.id,
                "content": result
            }]
        })

生产环境建议

给循环加 maxTurns 上限,防止因提示词模糊导致 Agent 无限循环消耗 token。


四、Subagent:把任务拆给更小的 Agent ​

通用概念 ​

Subagent 可以理解为专门处理某一类任务的子 Agent。它通常具备独立上下文、独立工具权限和更聚焦的系统提示,只负责一小块明确问题,再把结果返回给主 Agent。

关键点:独立上下文窗口。子 Agent 和主 Agent 一般不共享完整记忆,主 Agent 收到的通常只是结论、摘要或产出物。

为什么需要 Subagent ​

1. 保护主上下文 读大量文件时,交给子 Agent 处理,只把关键结论返回,主上下文不被撑满。

2. 并行加速 多个子 Agent 同时工作,互不等待。同时分析三个模块,通常比串行更快。

3. 权限最小化 只读任务用只读子 Agent,减少误操作风险。

前台 vs 后台运行 ​

  • 前台 — 阻塞主对话,适合需要实时确认的任务
  • 后台 — 并发执行,适合独立的并行任务;主流程可以继续推进

Claude Code 的实现方式 ​

Claude Code 通过 Task tool / Subagent 实现这套能力,常见内置类型包括:

  • Explore — 只读探索代码库、发现文件
  • Plan — 只读分析规划
  • General-purpose — 具备完整工具能力,适合复杂多步骤任务

它的核心特点是:子 Agent 在自己的上下文里工作,完成后只把结果回传主会话。

Copilot CLI 的实现方式 ​

Copilot CLI 也提供了相同思路的子 Agent 调度能力,典型入口有两层:

  • 对话层:/fleet 用于并行 Agent 执行,/sidekicks 或 /tasks 查看运行中的 Agent / 任务
  • 工具层:通过 Task tool 指定不同 agent_type,例如 explore、task、general-purpose、code-review、research

本质上,它和 Claude Code 一样,都是把复杂任务拆成更小、更专门、可并行的执行单元。


五、自定义 Subagent:把角色、工具和边界固化下来 ​

通用概念 ​

自定义 Subagent 的本质,是把一个常见任务模式写成可复用的执行角色。通常要明确四件事:

  1. 它解决什么问题
  2. 它能用哪些工具
  3. 它不能做什么
  4. 什么情况下应该调它

如果一个 Agent 经常重复做同一类事,比如代码审查、依赖分析、文档整理,那就适合抽成自定义 Subagent。

配置优先级(通用视角) ​

同名 Agent 通常以更高优先级的配置为准。

关键字段(通用抽象) ​

  • name — 代理名称,便于显式调用
  • description — 触发场景与职责说明,决定系统是否该调它
  • tools / disallowedTools — 允许与禁止的工具
  • model — 使用什么模型,或是否继承主模型
  • permissionMode — 权限模式
  • maxTurns — 最大执行轮次
  • background — 是否允许后台运行
  • isolation — 是否在独立工作区隔离执行

Claude Code 的实现方式 ​

Claude Code 对自定义 Subagent 的支持最直接:可以用独立配置文件声明一个 Agent,并通过描述、工具集和权限边界控制它的行为。

markdown
---
name: code-reviewer
description: 代码 review 专家,分析代码质量、安全性和可维护性。当用户要求 review 代码或 PR 时调用。
tools: Read, Grep, Glob, Bash
model: inherit
permissionMode: default
maxTurns: 10
---

你是一个资深代码 reviewer,专注于代码质量和安全性。

执行时:
1. 先运行 `git diff` 查看最新改动
2. 聚焦被修改的文件
3. 立即开始分析,不问用户

按优先级输出反馈:
- 严重问题(必须修复)
- 警告(应该修复)
- 建议(可以考虑)

常见调用方式:

bash
# 1. 自然语言 — Claude Code 根据 description 自动判断是否调用
"帮我 review 一下这次改动"

# 2. @-mention — 强制指定
@"code-reviewer (agent)" 看一下 auth.swift

# 3. 会话级绑定
claude --agent code-reviewer

Copilot CLI 的实现方式 ​

Copilot CLI 也能做“专门角色 + 专门工具 + 专门边界”,但表达方式更偏Agent 类型 + 指令文件 + Skill / Tool 编排,而不是完全照搬 Claude Code 的 .claude/agents/*.md 模型。

常见做法是:

  • 用 /agent 浏览和选择可用 Agent
  • 用 /fleet 把任务分发给并行 Agent
  • 用 CLAUDE.md / AGENTS.md / .github/copilot-instructions.md 约束行为与风格
  • 用 Skills、MCP、LSP 扩展能力边界
  • 在工具层通过 Task tool + agent_type 选择合适的执行角色

可以把它理解为:Claude Code 偏“声明式自定义 subagent 文件”,Copilot CLI 偏“通过调度入口和环境配置拼出一个专门 Agent”。


六、Agent SDK:以代码方式嵌入 Agent ​

通用概念 ​

所谓 Agent SDK,本质上是:不用手写完整的对话和工具循环,而是直接在代码里嵌入一个可调用、可配置、可观测的 Agent 运行时。

适合场景:

  • CI/CD 自动化
  • 后端服务集成
  • 自定义 Agent 工作流
  • 长任务编排与生命周期管理

Claude 生态中的实现方式 ​

这里要特别说明:Agent SDK 是 Anthropic / Claude 生态里的专属产品名。如果你看到 Agent SDK 这个大小写名称,默认指的就是 Anthropic 提供的那套能力,而不是所有平台通用的标准。

与其他方式对比:

  • Agent SDK — 适合 CI/CD、自动化流水线、生产服务
  • Claude Code CLI — 适合交互式开发、临时任务
  • Client SDK(直接 API) — 需要完全自定义控制,自己实现 tool loop
  • Managed Agents — 适合长期异步任务(Anthropic 托管基础设施)

快速示例(Python) ​

python
import asyncio
from claude_agent_sdk import query, ClaudeAgentOptions

async def main():
    async for message in query(
        prompt="找到 auth.py 中的 bug 并修复",
        options=ClaudeAgentOptions(
            allowed_tools=["Read", "Edit", "Bash"]
        ),
    ):
        print(message)

asyncio.run(main())

Hooks(生命周期钩子) ​

python
hooks = {
    "PreToolUse":  my_validator,   # 工具调用前:验证/拦截
    "PostToolUse": my_logger,      # 工具调用后:记录日志
    "Stop":        my_cleanup,     # 任务结束时:清理资源
}

Copilot CLI 的对应理解 ​

Copilot CLI 本身重点是交互式 CLI + Agent 调度 + GitHub 工作流集成。在本文语境下,它没有一个与 Anthropic Agent SDK 完全对等、同名的独立产品层。

如果你想在 Copilot 生态里做自动化,更常见的路径是:

  • 在终端里用 Copilot CLI 执行交互式或半自动任务
  • 结合 GitHub Actions、MCP、CLI 命令和任务调度能力组织流程
  • 在需要精细控制时,直接使用底层 API / 平台 SDK,而不是期待一个和 Claude Agent SDK 一模一样的入口

所以这里的重点区别是:“Agent SDK” 是通用概念,但 Agent SDK 这个产品名是 Claude 生态专属。


七、实战速查 ​

1)触发并行 Subagent ​

Claude Code

text
帮我分析 ViewController、ViewModel、Repository 三个文件的依赖关系

Copilot CLI

text
/fleet 帮我并行分析 ViewController、ViewModel、Repository 三个文件的依赖关系

两者底层思路一样:把任务拆给多个子 Agent 并行读取,再汇总结果。

2)大规模修改 ​

Claude Code

text
/batch 把所有文件里的 NSLog 替换为 Logger.info

Copilot CLI

text
/fleet 把当前仓库里所有文件的 NSLog 替换为 Logger.info,并在完成后汇总改动

Claude Code 更强调 /batch 这种成型工作流;Copilot CLI 更常通过 /fleet 或 Task tool 做并行分发。

3)先规划再执行 ​

Claude Code

text
/plan 新增登录流程,支持邮箱和短信两种方式

Copilot CLI

text
/plan 新增登录流程,支持邮箱和短信两种方式

两边的共同点都是:先进入规划态,先分析、后执行。

4)跨仓库工作 ​

Claude Code

bash
/add-dir /path/to/another-repo
帮我看 SDK 的网络层怎么实现的,我要在当前项目里复用

Copilot CLI

bash
/add-dir /path/to/another-repo
帮我看 SDK 的网络层怎么实现的,我要在当前项目里复用

两者都支持把额外目录加入当前会话的可访问范围。


八、常见误区 ​

  • 子 Agent 和主 Agent 共享上下文 — 不共享,子 Agent 有独立上下文窗口,结束后通常只有返回值或摘要传给主 Agent
  • Agent 一定能完成任务 — Agent 会出错,生产环境必须设 maxTurns,复杂任务要人工复查
  • 工具越多给 Agent 越好 — 只给完成任务所需的最小工具集
  • 后台 Agent 失败会中断主流程 — 后台 Agent 的工具调用失败通常是局部失败,不一定中断主流程
  • “描述信息随便写就行” — 在 Claude Code 里,description 直接影响是否调用某个自定义 Subagent;在 Copilot CLI 里,Agent 描述、指令文件与 Skill 触发条件写得含糊,也会让调度不稳定

三个概念的关系 ​


参考来源 ​

个人 AI 工具知识库,持续更新