Prompt/Agent/MCP简括

Prompt

System Prompt：描述AI的角色、性格等

Agent

定义

大模型Agent是一种构建于大型语言模型（LLM）之上的智能体，它具备环境感知能力、自主理解、决策制定及执行行动的能力。

为什么要有Agent，下面是Claude4.0给出的回答：
这是个很好的问题！确实，大模型本身就具备强大的推理和思考能力，但Agent的存在解决了一些大模型单独无法很好处理的问题：
大模型的局限性

1. 静态知识边界
   大模型的知识有时间截止点
   无法获取实时信息或动态数据
   无法学习和更新特定领域的最新知识
2. 无法持久化状态
   每次对话都是独立的，无法记住历史
   无法维持长期的工作状态
   复杂任务需要多步骤协调时容易中断
3. 缺乏执行能力
   只能生成文本，无法直接操作外部系统
   无法验证自己的推理结果
   无法根据实际反馈调整策略
   帮助大模型将操作落地，因为若只有大模型、那么能够输出的只是指令而不能将具体操作实现。

Agent的组成

大模型Agent由规划、记忆、工具与行动四大关键部分组成，分别负责任务拆解与策略评估、信息存储与回忆、环境感知与决策辅助、以及将思维转化为实际行动。

Agent与大模型

用户请求
↓
[大模型] 理解需求 → 制定规划
↓
[大模型] 决定使用工具 → [工具] 执行操作
↓
[大模型] 分析结果 → [记忆] 存储经验
↓
[大模型] 决定下一步 → [行动] 执行操作
↓
循环直到任务完成

对Agent的个人理解

一个抽象的概念，一组能够达成目标的操作集合，一种设计哲学

Function Calling --- Agent与AI之间的通信

提出动机

在Agent与大模型进行交互的过程中，大模型可能返回给Agent奇奇怪怪的格式，Agent向大模型的描述可能也不统一，为了处理这种情况，Function Calling被提出了

核心思想

统一格式、规范描述。

• 规定了AI使用工具时应该返回的格式
• 对Agent向AI提供的工具描述进行了标准化

现存问题

• 各厂商定义不同
• 很多开源模型不支持Function Calling

MCP ---- 与Tools之间的通信

定义

MCP 是一个开放协议，为 AI 模型连接各种数据源和工具提供了标准化的接口。

通信方式

• MCP SERVER和Agent在同一台机器上，通过标准输入输出进行通信
• MCP SERVER部署在网络上，通过HTTP进行通信

参考：
https://www.bilibili.com/video/BV1aeLqzUE6L?spm_id_from=333.788.videopod.sections&vd_source=da04a3e481cb89d708a02f23b60e19a4
https://zhuanlan.zhihu.com/p/1891057517787845124
Claude4.0
https://mcp-docs.cn/introduction