Google 在近期的战略规划中明确宣告：2025 年将成为 AI 智能体（AI Agents）的爆发元年；Sam Altman 同样预测，2025 年我们就能迎来达到 AGI L3 级别的 Agent 产品。

观察 Google Trends 上关于 AI Agents 的搜索热度，过去五年一直表现平稳，但近几个月骤然飙升——这一趋势已经释放出强烈的信号。

Google 近期发布了一份关于智能体（Agents）的白皮书（长达 50 多页的 PDF），内容干货满满，非常值得深入解读。

Agent：AI 的新边界，从模型迈向智能体

坦白说，我们正站在一个全新赛道的起点。AI 已经不再是单纯的“模型”——你输入一个问题，它返回一个答案。如今，AI 正在进化为能够主动思考、推理、并调用外部工具来完成任务的智能体（Agent）。它可以像人类一样规划步骤、拆解任务、甚至临时“学会”新技能。其背后的核心概念就是 Agent：它突破了传统大语言模型（LLM）的被动响应模式，将 AI 的应用推向了一个全新的高度。

Agent 的核心：不止是模型

那么，究竟什么是 Agent？简单来说，它是一个能够观察环境、做出决策、采取行动的程序。它不是被动听话的工具，而是一个主动解决问题的智能体。拆解来看，它由三个核心部件组成：

• 模型 (Model) —— 相当于 Agent 的“大脑”，可以是任意 LLM（例如 Gemini）。它负责理解语言、进行推理和规划。你可以根据任务场景选择不同规模、不同专长的模型。
• 工具 (Tools) —— 大脑再聪明，也无法直接触及现实世界。工具就是 Agent 的“双手”，让它能够调用外部 API 查询天气、检索数据库、执行代码等。
• 编排层 (Orchestration Layer) —— 如果说模型是大脑，那么编排层就是执行机构。它负责协调模型的思考过程与工具的使用顺序，让 Agent 按部就班地推进任务。常见的推理框架包括 ReAct、思维链（Chain-of-Thought, CoT）、思维树（Tree-of-Thoughts, ToT）等。

Agent 与模型：关键区别

一个很自然的问题：Agent 和普通的 LLM 模型到底有什么区别？下面这张对比表可以清晰地说明：

下面这张图展示了一个基于 ReAct 推理构建的 Agent 示例。它通过多次“思考→动作（带输入）→观察”的循环，不断调用关键工具来逼近问题答案。

工具：连接世界的钥匙

工具是 Agent 区别于普通模型的核心能力。它让 Agent 能够真正“触碰”外部世界，具体分为三类：

• 扩展 (Extensions) —— 标准化的 API 连接方式。Agent 无需关心底层实现细节，就能调用外部服务。
• 函数 (Functions) —— 在客户端执行的自定义代码，可以实现更精细的数据处理或系统控制。
• 数据存储 (Data Stores) —— 让 Agent 访问网站、文档、数据库等外部数据源，扩展知识范围。通常使用向量数据库实现，也支持多种格式的数据。

增强 agent 的学习能力

除了工具本身，我们还可以通过以下方法让 Agent 变得更加“聪明”：

• 上下文学习 (In-context learning) —— 在运行时给 Agent 提供示例，让它“即时”学会如何使用工具。
• 检索式上下文学习 (Retrieval-based in-context learning) —— 动态地从外部知识库中检索最相关的例子和知识，优化决策质量。
• 微调 (Fine-tuning) —— 使用特定领域的数据集微调底层模型，让 Agent 在该领域表现更加出色。

Agent 的实际应用：无限可能

拥有了这些组件和学习方法，能够做的事情非常丰富。举几个例子：

• 旅行规划助手：根据用户需求，自动查询航班、酒店，生成完整的行程安排。
• 代码生成器：根据描述自动编写代码，甚至直接运行和测试。
• 智能客服：理解用户问题，调用知识库和工具给出精准解答。

Agent 的未来：一个新时代的开端

Agent 的潜力远不止于此。它不仅是技术的进步，更是一种思维方式的转变——从“我告诉你答案”到“我帮你去实现”。随着工具生态的成熟以及推理能力的迭代，Agent 将逐渐成为工作和生活中不可或缺的伙伴。

最后，有几个要点值得记住：

• 构建 Agent 是一个反复迭代的过程，需要不断试错和优化。
• 每一个 Agent 都是独一无二的，因为 LLM 的生成能力赋予了它们无限的可能。
• 把工具和推理框架玩出新花样，你就能打造出各种令人惊艳的智能体。

白皮书地址：https://www.kaggle.com/whitepaper-agents