什么是 AI Agent

一句话定义

AI Agent = LLM + 工具 + 循环

一个 AI Agent 能够：

1. 接收用户指令
2. 自主决定需要什么信息或执行什么操作
3. 调用工具获取信息或执行操作
4. 根据结果继续推理或返回答案

Agent vs Chatbot

普通 Chatbot	AI Agent
一问一答	多轮推理
只能生成文本	能执行操作
无法获取实时信息	能调用工具获取
用户主导对话	Agent 自主规划

举个例子：

Chatbot 模式：

用户: 帮我创建一个 hello.py 文件
AI: 好的，你可以用以下命令创建：echo "print('Hello')" > hello.py

Agent 模式：

用户: 帮我创建一个 hello.py 文件
Agent: [思考] 需要创建文件
Agent: [调用工具] write_file("hello.py", "print('Hello World')")
Agent: [工具返回] 文件创建成功
Agent: 已为你创建 hello.py 文件，内容是打印 Hello World

关键区别：Agent 真的执行了操作，而不只是告诉你怎么做。

核心组件

1. LLM（大语言模型）

Agent 的"大脑"，负责：

• 理解用户意图
• 决定下一步行动
• 生成最终回复

2. 工具（Tools）

Agent 的"手脚"，让它能与外部世界交互：

• 读写文件
• 执行命令
• 搜索网络
• 调用 API

3. 循环（Loop）

Agent 的"工作流程"：

接收输入 → 调用 LLM → 执行工具 → 返回结果 → (继续或结束)

gemini-cli 中的实现

在 gemini-cli 中，这三个组件分别对应：

组件	gemini-cli 实现	源码位置
LLM	GeminiChat	packages/core/src/core/geminiChat.ts
工具	ServerTool	packages/core/src/tools/
循环	GeminiClient	packages/core/src/core/client.ts

当你在 gemini-cli 中输入任务时：

最简 Agent 代码

理解了概念，来看最简单的 Agent 实现：

async function runAgent(userMessage: string) {
  const messages = [{ role: 'user', content: userMessage }]

  while (true) {
    // 1. 调用 LLM
    const response = await llm.chat(messages)

    // 2. 检查是否需要调用工具
    const toolCall = response.toolCall
    if (toolCall) {
      // 3. 执行工具
      const result = await tools[toolCall.name](toolCall.args)
      // 4. 把结果加入对话历史
      messages.push({ role: 'tool', content: result })
    } else {
      // 5. 没有工具调用，返回最终结果
      return response.text
    }
  }
}

这就是 Agent 的本质：一个循环，不断调用 LLM 和工具，直到任务完成。

小结

• Agent = LLM + 工具 + 循环
• 与 Chatbot 的关键区别：Agent 能执行真实操作
• gemini-cli 是一个完整的 Agent 实现，值得学习

下一步

了解了 Agent 是什么，接下来学习 Agent 背后的思维模式：ReAct 模式 →