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:
- 调用
Read工具读取文件 - 发现第 42 行有个 force unwrap
- 调用
Grep搜索是否有其他地方有类似问题 - 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。
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。
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:
- 它解决什么问题
- 它能用哪些工具
- 它不能做什么
- 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。
---
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:
# 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-reviewerCopilot 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)
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)
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
帮我分析 ViewController、ViewModel、Repository 三个文件的依赖关系Copilot CLI
/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
/batch 把所有文件里的 NSLog 替换为 Logger.infoCopilot CLI
/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
/plan 新增登录流程,支持邮箱和短信两种方式Copilot CLI
/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
/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
/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