Essential Knowledge for Agent Development

1.AI Agent 技术发展史

Agent 技术的演化路径如下：

提示工程 → RAG → Function Calling → ReAct → 初代 Agent 框架 → Multi‑Agent → MCP → A2A

• 提示工程（Prompt Engineering）：通过精细设计提示让 LLM 有效完成任务；
• RAG（Retrieval‑Augmented Generation）：结合外部检索增强生成模型的知识覆盖；
• Function Calling：让模型通过调用函数接口接入工具或 API；
• ReAct：将“思考”和“行动”交错融合，提升推理和行动的协同能力；
• Agent 初代框架：将 LLM 封装成 Agent，配合 memory、planning、tools 等模块；
• Multi‑Agent：通过多个子 Agent 间协作，解决单 Agent 的工具选择和上下文局限；
• MCP（Model Context Protocol）：统一 Agent 与工具/数据的交互协议，实现“一次接入，多处复用”；
• A2A（Agent‑to‑Agent）：定义 Agent 间通信与协作协议，实现跨平台互操作。

2. ReAct：融合“思考（Reasoning）”与“行动（Acting）”

• ReAct 是一种 Prompt 策略，交替生成 Thought: ... 与 Action: ...，并在每步后得到观测 Observation:，形成类似 “思考–行动–观测” 的循环路径 Lil’Log+1ar5iv。
• 它能：
  • 在复杂推理中主动调用工具（例如维基检索接口），支持动态纠错与计划调整；
  • 在 QA、事实验证、文本游戏、网页导航等任务中表现优于只“思考”或只“行动”的模型 arXiv。
• 实验显示 ReAct 在 HotpotQA 和 FEVER 上提升显著，尤其当与 CoT（Chain‑of‑Thought）结合使用时效果更佳 arXiv。

3. Multi-Agent 多智能体协作

• 背景与动因：
  • 单个 Agent 面临工具使用、上下文长度限制等问题；
  • 多场景下，规划能力较弱，难以灵活路由任务；
• Multi-Agent 模型让多个子 Agent 分工协作（如前端 Agent、后端 Agent），协调解决复杂业务逻辑；
• 挑战包括子 Agent 之间的通信协议、状态一致性、协作调度等；
• 相关研究：
  • Multi‑Agent 框架 1：（例如论文 arXiv:2308.10848）
  • Multi‑Agent 框架 2：（例如论文 arXiv:2308.00352）

---

4. Agent 开发标准化进程：MCP 与 A2A

MCP：Model Context Protocol

• MCP 是一种标准化接口协议，旨在统一 AI 模型与外部工具和数据源的交互方式；
• 它包括三个角色：MCP Host、MCP Client、MCP Server，分别负责接入环境、协议中介、工具与数据提供端；
• 支持工具发现、资源访问、Prompt 模板复用等，并关注安全性、生命周期管理等问题 ar5iv。

A2A：Agent‑to‑Agent 协议

• 面向 Agent 间的通信与协同协议，实现多 Agent 生态系统间的互操作；
• 使 Agent 能在不同平台或系统间传递指令和状态，支持复杂协作流程；
• Google 曾发表相关技术博客，介绍其 Agent 间的协作机制。

---

5. Agent 技术路线与支持工具

开发级别	特征与目标	主流工具/框架
低代码开发	可视化编排，快速上线，集成 RAG、工具、评测系统等	Coze、Dify、n8n
敏捷开发	模块化 Agent、工具、记忆、评测追踪等，适合快速构原型	LangChain、LlamaIndex、Haystack、AutoGen、CrewAI
底层开发	自研运行时／协议，最大灵活性，适配复杂场景	LangGraph、OpenAI Agents SDK / Responses API、Google ADK、Semantic Kernel

此分类有助于选择技术路径：低成本上手 VS 高度定制与扩展性。

---

6. 核心能力与策略建议

1. Agent 技术全景认知：
   • 架构基本要素：memory、tools、planning、action；
   • 理解 Function Calling；
   • 掌握主流框架与前沿协议（MCP、A2A）。
2. 框架选型策略：
   • 根据项目资源和需求选择适合的路径：省时快速 VS 灵活可扩展。
3. 通用场景构建：
   • 意图识别（Intent）设计；
   • 安全护栏实现；
   • 人机交互（如审批流程）；
   • 性能与成本评估与控制。
4. 大模型项目集成能力：
   • Agent 与 RAG 如何融合；
   • Agent 与传统业务流程集成；
   • 不同 Agent 框架间的协作与对接。

---

7. 常见问题

1. 框架选型：LangGraph、Agents SDK、Google ADK
   • LangGraph 与 Google ADK 更适合底层深度定制开发；
   • Agents SDK 提供更加完整的底层 + 敏捷支持，具备更多权限与灵活性。
2. 多 Agent 上下文隔离策略
   • 通常不建议完全隔离上下文；
   • 推荐通过 “state 传递”方式共享必要信息。
3. 流式输出与安全护栏
   • 可提前让模型输出安全标志；
   • 或者前端做短缓冲，边流边审核，遇触规则立刻停止响应。
4. Multi-Agent 中的智能路由
   • 可使用小模型进行意图识别与任务路由。
5. RAG 的召回与重排行优化
   • 使用 rerank 模型与后处理策略；
   • 对重复或冗余索引内容进行去重和合并（如增量 merge）。
6. 工具框架学习策略
   • 深入学习 LangChain 和 LangGraph；
   • Dify、Coze、n8n 可简要了解即可。

References

1.ReAct https://lilianweng.github.io/posts/2023-06-23-agent/

2.COT https://arxiv.org/pdf/2210.03629

3.MultiAgent1 https://arxiv.org/pdf/2308.10848

4.MultiAgent2 https://arxiv.org/pdf/2308.00352

5.MCP https://ar5iv.labs.arxiv.org/html/2503.23278

6.A2A https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/