社区交流 · 2026-09-21

AI 代理及代理使用案例简介

开源教程转载｜AI 代理及代理使用案例简介。Microsoft 及项目贡献者编写，智链谷平台运营整理。

> 开源教程转载 · 由智链谷平台运营账号整理发布。作者：Microsoft 及项目贡献者。
> [查看原文](https://github.com/microsoft/ai-agents-for-beginners/blob/25b7985f3b2dc37a84f4a7387ccd3c9f0e5b1595/translations/zh-CN/01-intro-to-ai-agents/README.md) · MIT 许可，完整声明见文末。

[![Intro to AI Agents](https://raw.githubusercontent.com/microsoft/ai-agents-for-beginners/25b7985f3b2dc37a84f4a7387ccd3c9f0e5b1595/translated_images/zh-CN/lesson-1-thumbnail.d21b2c34b32d35bb.webp)](https://youtu.be/3zgm60bXmQk?si=QA4CW2-cmul5kk3D)

> _(点击上方图片观看本课视频)_

# AI 代理及代理使用案例简介

欢迎来到 **AI 代理初学者** 课程！本课程为您提供基础知识和真实工作代码，助您从零开始构建 AI 代理。

来 <a href="https://discord.gg/kzRShWzttr" target="_blank">Azure AI Discord 社区</a> 打个招呼吧——那里聚集了许多学习者和 AI 构建者，他们乐于解答您的问题。

在开始构建之前，让我们先确保真正理解 AI 代理是什么，以及在何时使用它才合理。

---

## 介绍

本课将涵盖：

- 什么是 AI 代理以及存在的不同类型
- AI 代理最适合的任务类型
- 设计代理解决方案时您将使用的核心构建模块

## 学习目标

本课结束后，您应能：

- 说明什么是 AI 代理以及它与普通 AI 解决方案的区别
- 了解何时应使用 AI 代理（何时不应使用）
- 勾勒出真实世界问题的基础代理解决方案设计

---

## 定义 AI 代理及 AI 代理类型

### 什么是 AI 代理？

这里有一个简单的理解方式：

> **AI 代理是让大型语言模型（LLM）真正做事的系统——通过赋予它们工具和知识去作用于世界，而不仅仅是回应提示。**

我们来细说一下：

- 系统 — AI 代理不只是单一事物，而是多个部分协同工作的集合。每个代理核心都有三部分：
- 环境 — 代理工作的空间。旅行预订代理的环境即为预订平台本身。
- 传感器 — 代理感知当前环境状态的方式。旅行代理可能会查看酒店房态或航班价格。
- 执行器 — 代理采取行动的方式。旅行代理可能会预订房间、发送确认信息或取消预订。

![什么是 AI 代理？](https://raw.githubusercontent.com/microsoft/ai-agents-for-beginners/25b7985f3b2dc37a84f4a7387ccd3c9f0e5b1595/translated_images/zh-CN/what-are-ai-agents.1ec8c4d548af601a.webp)

- 大型语言模型 — 代理早在 LLM 出现之前就有了，但正是 LLM 使现代代理变得强大。它们能理解自然语言、推理上下文，并将模糊的用户请求转化为具体行动计划。

- 执行动作 — 没有代理系统，LLM 只是文字生成器。但在代理系统中，LLM 可以执行步骤——搜索数据库、调用 API、发送消息。

- 工具访问 — 代理可用的工具取决于（1）它运行的环境，（2）开发者赋予它的能力。旅行代理可能能搜索航班但不能编辑客户记录——全部取决于您所连接的功能。

- 记忆与知识 — 代理可包含短期记忆（当前对话）和长期记忆（客户数据库、过去的交互）。旅行代理可能会“记住”您喜欢靠窗座位。

---

### 不同类型的 AI 代理

并非所有代理都是同一类型。以下是主要类型的划分，以旅行预订代理为例：

| 代理类型 | 功能描述 | 旅行代理示例 |
|---|---|---|
| 简单反射代理 | 遵循硬编码规则——无记忆，无规划。 | 看到投诉邮件 → 转发给客服，仅此而已。 |
| 基于模型的反射代理 | 保持内部环境模型并随变化更新。 | 跟踪历史航班价格，标记突然涨价的航线。 |
| 目标驱动代理 | 有明确目标，逐步规划达成路径。 | 预订完整行程（航班、汽车、酒店），从当前位置到目的地。 |
| 效用驱动代理 | 不只是找到一个方案，而是权衡得失找到最优方案。 | 平衡成本与便利，找出最符合您偏好的行程。 |
| 学习型代理 | 通过反馈不断改进。 | 根据行程后的调查结果调整未来推荐。 |
| 分层代理 | 高级代理拆分任务并委派给低级代理。 | “取消行程”请求拆分为取消航班、取消酒店、取消租车，各子代理处理。 |
| **多代理系统（MAS）** | 多个独立代理协作（或竞争）。 | 协作：分别处理酒店、航班和娱乐的代理。竞争：多个代理竞价填满酒店房间，争取最佳价格。 |

---

## 何时使用 AI 代理

只是因为可以用 AI 代理，不代表总是应该用。以下情况代理特别适合：

![何时使用 AI 代理？](https://raw.githubusercontent.com/microsoft/ai-agents-for-beginners/25b7985f3b2dc37a84f4a7387ccd3c9f0e5b1595/translated_images/zh-CN/when-to-use-ai-agents.54becb3bed74a479.webp)

- 开放式问题 — 需要动态探索解决路径，无法预编程具体步骤。
- 多步骤流程 — 任务需多轮使用各种工具，而非单次查找或生成。
- 持续改进 — 系统需基于用户反馈或环境信号不断变聪明。

我们将在本课程后续的 **构建可信赖 AI 代理** 课程深入讲解何时（及何时不）使用 AI 代理。

---

## 代理解决方案基础

### 代理开发

构建代理的第一步是定义它能做什么——包括它的工具、动作和行为。

本课程采用 **Microsoft Foundry Agent Service** 作为主要平台。它支持：

- 来自 OpenAI、Mistral、Meta（Llama）等提供商的模型
- 来自 Tripadvisor 等提供商的授权数据
- 标准化的 OpenAPI 3.0 工具定义

### 代理模式

您通过提示与 LLM 交流。对代理来说，不能手工打造每个提示——代理需要跨多个步骤采取行动。此时，代理模式 派上用场。它们是可复用的提示及 LLM 编排策略，更具可扩展性和可靠性。

本课程围绕最常见、最实用的代理模式构建。

### 代理框架

代理框架为开发者提供现成的模板、工具和基础设施，方便构建代理。它们能简化：

- 工具和功能的连接
- 观察代理行为（和定位问题时调试）
- 多代理协作

本课程重点介绍用于构建生产级代理的 **Microsoft Agent Framework (MAF)**。

---

## 代码示例

准备好亲眼看看了吗？这里是本课的代码示例：

- 🐍 Python: [Agent Framework](https://github.com/microsoft/ai-agents-for-beginners/blob/25b7985f3b2dc37a84f4a7387ccd3c9f0e5b1595/translations/zh-CN/01-intro-to-ai-agents/code_samples/01-python-agent-framework.ipynb)
- 🔷 .NET: [Agent Framework](https://github.com/microsoft/ai-agents-for-beginners/blob/25b7985f3b2dc37a84f4a7387ccd3c9f0e5b1595/translations/zh-CN/01-intro-to-ai-agents/code_samples/01-dotnet-agent-framework.md)

---

## 有问题？

加入 [Microsoft Foundry Discord](https://discord.com/invite/ATgtXmAS5D)，与其他学习者交流，参加答疑时间，由社区为您的 AI 代理问题提供解答。

---

## 快速测试这个代理（可选）

一旦您学会如何在 [第16课](https://github.com/microsoft/ai-agents-for-beginners/blob/25b7985f3b2dc37a84f4a7387ccd3c9f0e5b1595/translations/zh-CN/16-deploying-scalable-agents/README.md) 部署代理，就可以为本课的 `TravelAgent` 添加快速的部署后健康检查，使用预制目录 [`tests/lesson-01-smoke-tests.json`](https://github.com/microsoft/ai-agents-for-beginners/blob/25b7985f3b2dc37a84f4a7387ccd3c9f0e5b1595/tests/lesson-01-smoke-tests.json)。查看 [`tests/README.md`](https://github.com/microsoft/ai-agents-for-beginners/blob/25b7985f3b2dc37a84f4a7387ccd3c9f0e5b1595/translations/zh-CN/tests/README.md) 了解运行方式。

---

## 上一课

[课程设置](https://github.com/microsoft/ai-agents-for-beginners/blob/25b7985f3b2dc37a84f4a7387ccd3c9f0e5b1595/translations/zh-CN/00-course-setup/README.md)

## 下一课

[探索代理框架](https://github.com/microsoft/ai-agents-for-beginners/blob/25b7985f3b2dc37a84f4a7387ccd3c9f0e5b1595/translations/zh-CN/02-explore-agentic-frameworks/README.md)

---

**免责声明**：
本文件由 AI 翻译服务 [Co-op Translator](https://github.com/Azure/co-op-translator) 翻译完成。尽管我们力求准确，但请注意，自动翻译可能包含错误或不准确之处。原始语言版文件应视为权威来源。对于重要信息，建议使用专业人工翻译。我们对因使用本翻译而产生的任何误解或误释不承担责任。

---

## 版权与许可

```text
MIT License

Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in all
copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
SOFTWARE
```