从零开始LLM生活-如何编写一个Agent

Tue, 27 May 2025 16:04:10 +0000

本文希望使用通俗的语言表述什么是LLM Agent 和使用python实现一个简单的Agent

1. Agent介绍

1.1 什么是Agent？

LLM Agent并没有一个明确的定义，但是有一个核心特点就是

An LLM serves as the main controller or “brain” that controls a flow of operations needed to complete a task or user request. —《Prompt Engineering Guide》

LLM Agent 是一个基于大型语言模型（LLM）的系统，它不仅仅被动地响应查询，更能自主地制定计划、利用工具/资源与外部环境交互，并根据观察结果调整行为，以达成特定目标。与简单的LLM调用相比，Agent更强调其自主性、规划能力和工具使用能力.

1.2 LLM Agent可以解决什么样的问题？

If that deterministic workflow fits all queries, by all means just code everything! This will give you a 100% reliable system with no risk of error introduced by letting unpredictable LLMs meddle in your workflow. For the sake of simplicity and robustness, it’s advised to regularize towards not using any agentic behaviour.

从零开始的 LLM Agent编程生活--MCP 篇

Mon, 21 Apr 2025 08:23:57 +0000

1. 什么是MCP(Model Context Protocol)

MCP（Model Context Protocol，模型上下文协议）是由Anthropic公司于2024年推出并开源的一种通信协议，旨在解决大型语言模型（LLM）与外部数据源及工具之间的连接问题。定义了 Model 与外部接口/数据/Prompt 通信之间的协议。工具/资源提供方只需要实现 MCP 协议就可以和实现 MCP 客户端的 LLM APP 链接，LLM APP在运行过程中自动根据协议中返回工具列表/Prompt/资源列表，通过JsonRpc 从 MCP 服务器中获取。

一个简单的例子：接入高德地图，让模型通过高德地图的 API 查询相关天气/路径/地图周围相关信息的能力。

没有 MCP：需要自己实现对高德 OpenAPI 的调用 Tools，自己写 Prompt 组织对 LLM 的请求。

有 MCP 后：直接使用 MCP Client 写上高德 MCP Service 的 Endpoint 和 Key，LLM 会在运行期间主动通过 MCP 查询高德相关资源，并使用高德已经组织好的 Prompt 反馈给 LLM。

2. MCP定义了什么：

MCP 定义的原语：

Tools：FunctionCall
Resouce：资源
Prompts：提供结构化模板
Sampling：允许服务器请求客户端调用 LLM

2.1 工具：

经常有人拿 FunctionCall 和 MCP 做对比，甚至发出既生FunctionCall 又生 MCP 的感叹，我个人认为 FunctionCall和 MCP 并不冲突，FunctionCall 其实是 MCP 的一个子集，MCP 也支持 FunctionCall，只不过 MCP 还支持 Resource/Prompt 等定义，并在协议层对其获取/调用/更新做了明确 Protocol 约束。

AI Agent on Code Now