Agent 不是“让模型自由发挥”，而是一个由模型负责决策、由程序负责执行和约束的循环系统。可靠的 Agent 必须有明确目标、可控工具和可追踪状态。

一、基本执行循环

用户目标 → 任务拆解 → 模型决策 → 调用工具 → 观察结果 → 继续或结束

一次循环通常包含：

• context：目标、历史消息、约束和当前状态。
• tool：模型可以调用的函数，输入输出必须有明确结构。
• observation：工具执行结果，包括成功、失败和权限信息。
• stop condition：完成、超时、达到步数上限或需要人工确认。

二、常见架构

架构	适用场景	主要风险
单 Agent + 工具	查询、总结、简单自动化	循环失控、工具误用
Planner-Executor	多步骤任务	计划与现实状态脱节
多 Agent 协作	角色分工、并行研究	通信成本和责任边界模糊
工作流 + Agent 节点	流程稳定、局部需要推理	灵活性与维护成本的平衡

优先从“工作流 + 少量 Agent 节点”开始。能用确定性代码表达的步骤，不必交给模型。

三、工具设计原则

1. 工具只做一件事，参数使用结构化模式校验。
2. 工具执行前检查权限、范围和用户确认要求。
3. 工具执行后返回可供模型理解的结果，同时记录原始日志。
4. 失败结果要说明原因和下一步，而不是只返回空字符串。
5. 设置超时、重试、预算和最大循环次数。

四、状态与评测

把短期消息、任务状态、长期记忆和外部业务数据分开管理。不要把所有内容无限追加到上下文中；应通过摘要、检索和状态快照控制成本。

评测至少覆盖任务成功率、工具调用准确率、事实正确性、延迟、成本和安全拒答。保留一组固定样例做回归测试，任何提示词或工具变更都重新运行。

Agent 的工程核心是边界：让模型负责选择，让代码负责约束，让日志负责解释。