引言
要说2025年AI圈子里最热的关键词，Agent绝对排在前列。三月的时候，一款叫Manus的通用AI Agent横空出世，从筛选简历到分析股票，从写代码到做PPT，几乎让人看到了“AI打工人”的雏形，整个科技圈都为之震动。
巧的是，我们同期在开发的电子书阅读器——ReadAny，也采用了类似的Agent架构，用来实现智能问答、语义搜索、内容摘要和笔记导出等功能。可以说，Agent让“阅读”这件事，真正变得高效了。
这篇文章，我们打算结合ReadAny的工程实践，好好聊一聊ReAct和Multi-Agent架构设计，看看一个生产级的AI Agent系统是怎么搭建起来的。
一、2025年的Agent爆发：从Manus到通用智能
2025年3月，Manus的出现是个标志性事件。它和ChatGPT这类对话式AI完全不同：它能自主规划，把复杂任务拆成可执行的子任务；能调用工具，自己操作浏览器、写代码、处理文件；还能在云端异步执行，干完活再主动通知你。
Manus爆火背后，其实验证了一个很朴素的市场需求——大家要的不是聊天机器人，而是真正能“干活”的AI。老实说，它的技术架构并不算神秘，无非是多Agent协作加上工具调用，但产品体验的打磨，让它成了2025年第一个出圈的Agent产品。
1.1 Claude的独特贡献
硬要盘点Agent能火起来的关键推手，Anthropic的Claude绝对排在前列——
- Computer Use：让AI能直接操作电脑界面，看屏幕、点鼠标、敲键盘，一步到位
- MCP协议：开源的Agent工具通信标准，有点像“AI时代的USB接口”，统一了工具调用规范
- 双模式推理：快速响应和深度思考可以切换，复杂任务不慌，简单问题不绕
这几个创新为整个Agent生态提供了基础设施层面的支撑。
1.2 几个关键转折点
回头看这一年，有几个节点推动了Agent从概念走向产品：
2025年1月：DeepSeek R1引爆推理模型
DeepSeek的R1模型用极低的价格实现了接近OpenAI o1的推理能力，而且开源了。这一下子，高性能推理不再是巨头的专利，全球开发者都能搭自己的Agent系统了。一石激起千层浪，说的就是这种情况。
2025年2月：Claude 3.7 Sonnet与GPT-4.5相继发布
Anthropic和OpenAI同月放出大招。Claude 3.7搞了双模式推理，GPT-4.5提升了多模态理解能力。两家公司其实都在为Agent应用打基础——模型能力够强，上层才能搭得更高。
2025年3月：Manus现象级爆火
中国团队Monica.im的Manus是第一个真正破圈的通用Agent产品。邀请码炒到好几万，一周之内GitHub上冒出了几十个开源替代品，像OpenManus、OWL什么的，热闹得很。
2025年4-6月：开源框架爆发
OpenManus、OWL、MetaGPT等项目密集发布。LangGraph v1.0稳定版也出来了，企业级Agent开发门槛一下子降低了不少。
2025年7-9月：产品化落地
- 阿里通义千问、字节豆包、百度文心纷纷推出Agent开发平台
- Cursor、Windsurf这种AI IDE深度集成了Agent，代码自动执行成了标配
- OpenAI o1正式版发布，复杂推理能力又上了一个台阶
2025年10-12月：生态整合
- MCP协议成了事实标准，主流工具链全面接入
- 国内首个“Agent即服务”平台上线
- 全球Agent应用数量突破10万，从单点工具走向平台生态
一句话总结这一年：Agent从技术验证走向了产品落地，从实验室走向了生产环境。
二、到底什么是AI Agent
AI Agent，说通俗点，就是一种能感知环境、自己决策、然后动手执行任务的智能系统。和传统的LLM应用比起来，Agent有几个明显特征：
- 自主性：独立完成任务，不用你一步步盯着
- 工具使用：可以调用外部API、数据库、搜索引擎这些工具
- 记忆能力：既管短期上下文，也存长期知识
- 规划能力：复杂任务自己拆成多个子任务，逐个击破
2.1 Agent的核心组件
graph TD
A[AI Agent Architecture] --> B[Planner
决策规划模块]
A --> C[Memory
短期/长期记忆]
A --> D[Tools
工具调用接口]
A --> E[Action
执行输出]
三、ReAct模式详解
ReAct（Reasoning + Acting）是AI Agent领域最基础、也最重要的设计模式，2022年由Google提出。
3.1 ReAct的核心思想
把推理和行动紧密结合，形成一个Thought → Action → Observation的循环：
- Thought：分析当前状态，想想下一步该干啥
- Action：动手执行具体操作（调用工具或输出结果）
- Observation：观察行动结果，更新状态——然后继续思考下一步
这个循环看起来简单，但效果出奇好。Agent不再是“问了就答”，而是有了“先想一下、查一下、再回答”的节奏。
3.2 ReAct的代码实现
拿LangChain.js举个例，一个简单的ReAct Agent长这样：
import { Tool, AgentExecutor, createReactAgent } from "langchain/agents";
import { ChatOpenAI } from "@langchain/openai";
// 定义工具
const tools: Tool[] = [
new Tool({
name: "Search",
func: searchFunc,
description: "用于搜索实时信息"
}),
new Tool({
name: "Calculator",
func: calculatorFunc,
description: "用于数学计算"
})
];
// 创建 ReAct Agent
const llm = new ChatOpenAI({ model: "gpt-4", temperature: 0 });
const agent = await createReactAgent({ llm, tools });
const agentExecutor = new AgentExecutor({ agent, tools });
// 执行
const result = await agentExecutor.invoke({
input: "查询北京今天天气并计算摄氏度转华氏度"
});
3.3 ReAct的局限性
当然，ReAct也不是万能药。几个痛点很明显：
- 单线程执行：一次只能处理一个任务，没法并行
- 上下文限制：任务一长，容易超出Token限制
- 错误累积：一步算错，后面的都可能跟着错，而且不容易纠正
所以，任务复杂到一定程度，就得考虑Multi-Agent了。
四、Multi-Agent系统
当单一Agent搞不定的时候，Multi-Agent架构就成了必然选择。
4.1 Multi-Agent的设计原则
- 职责分离：每个Agent管自己的领域，不越界
- 协作机制：Agent之间通过消息传递来协作
- 路由决策：由一个Router或Orchestrator来分配任务
说白了，就是把一个大项目拆成多个小队，各干各的，但统一协调。
4.2 典型架构模式
模式一：层级式（Hierarchical）
graph TD
S[Supervisor
任务分发与结果汇总]
S --> A1[Agent1
专项任务]
S --> A2[Agent2
专项任务]
S --> A3[Agent3
专项任务]
Supervisor负责调度和汇总，Worker Agents干具体活。这种结构清晰，适合任务明确、分工清楚的场景。
模式二：对等式（Peer-to-Peer）
graph TD
A[AgentA] <--> B[AgentB]
A <--> C[AgentC]
B <--> D[AgentD]
C <--> D
各Agent地位平等，适合开放式讨论和创意生成的场景——比如几个专家一起头脑风暴。
4.3 LangGraph实现Multi-Agent
LangGraph是LangChain专门为Multi-Agent系统打造的框架。看看代码是怎么玩的：
import { StateGraph, END } from "@langchain/langgraph";
// 定义状态类型
interface AgentState {
messages: BaseMessage[];
}
// 定义节点（Agent）
const researcher = async (state: AgentState) => {
return { messages: [researchResult] };
};
const writer = async (state: AgentState) => {
return { messages: [draftContent] };
};
const reviewer = async (state: AgentState) => {
return { messages: [reviewFeedback] };
};
// 构建图
const workflow = new StateGraph<AgentState>({
channels: {
messages: { value: (x, y) => x.concat(y) }
}
});
workflow.addNode("researcher", researcher);
workflow.addNode("writer", writer);
workflow.addNode("reviewer", reviewer);
// 编译执行
const app = workflow.compile();
const result = await app.invoke({ messages: [] });
这段代码的核心思路是——把每个Agent当成图中的节点，通过状态传递让它们协同工作。研究者收集资料 → 写作者生成初稿 → 审核者给出反馈，一目了然。
五、实践案例：ReadAny的AI阅读Agent设计
ReadAny是一款开源的AI驱动电子书阅读器，用的技术栈是Tauri 2 + React 19 + LangChain.js，支持EPUB、PDF等多种格式。它内置了一套完整的Agent系统，用来实现智能阅读辅助。
5.1 系统架构
graph TD
R[Query Router
意图识别和任务分发]
R --> C[Chat Agent
对话问答]
R --> S[Search Agent
语义搜索]
R --> SU[Summary Agent
内容摘要]
R --> E[Export Agent
笔记导出]
简单说，用户发起一个请求，Query Router先判断意图——是想聊天、查东西、做摘要还是导出笔记？然后把任务分给对应的Agent去处理。每个Agent专注做一件事，还干得漂亮。
5.2 关键技术点
- RAG增强检索：结合向量数据库和BM25，语义搜索精准度上了一个台阶
- 多模态理解：文字、图片、表格都能看懂，不挑食
- 记忆管理：记住用户的阅读历史和偏好，推荐更个性化
- 工具链集成：翻译、TTS、导出这些功能，全部通过工具调用完成
六、未来展望
AI Agent技术还在快速演进，几个方向值得关注：
- 标准化通信协议：比如MCP，让Agent之间能顺畅沟通
- 长期记忆和持续学习：Agent能记住你，还能越用越聪明
- 多模态Agent：视觉、听觉、文本统一处理，真正像人一样感知世界
- 安全与对齐：防止Agent被恶意使用或误操作，这个越来越重要
- 从单点到生态：Manus证明了产品化路径能走通，下一步是平台化
结语
从2022年Google提出ReAct，到2025年Manus引爆通用Agent热潮，AI Agent走过了从学术研究到产品落地的完整路径。技术没有白走的路，每一步都算数。
在ReadAny项目里，我们把这一整套架构理念付诸实践，做出了一款“能干活”的AI阅读助手。如果你也在找一款智能、高效、私密的电子书阅读工具，不妨试试看。
- GitHub: github.com/codedogQBY/…
- 文档: github.com/codedogQBY/…
- 反馈: 提Issue或加入讨论
