AI Agent 开发入门：构建能自主完成任务的智能助手

AI Agent（智能代理）是能够自主感知环境、制定计划并使用工具完成任务的 AI 系统。

什么是 AI Agent

与传统 AI 对话不同，Agent 可以：

  1. 分解任务 — 将复杂任务拆解为多个步骤
  2. 使用工具 — 调用 API、查询数据库、发送邮件
  3. 记忆上下文 — 记住之前的结果并用于后续步骤
  4. 自我纠错 — 如果某个步骤失败，尝试替代方案

Agent vs 传统 Chatbot

特性 传统 Chatbot AI Agent
交互方式 一问一答 自主执行任务
工具使用 不能 可以调用 API/工具
任务规划 不能 能分解和规划
记忆 有限（对话窗口） 长期记忆
自主性 被动响应 主动执行

使用 OpenAI Function Calling 构建 Agent

import json
from openai import OpenAI

client = OpenAI()

# 定义 Agent 可使用的工具
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "获取指定城市的天气信息",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {"type": "string", "description": "城市名称"}
                },
                "required": ["city"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "send_email",
            "description": "发送邮件",
            "parameters": {
                "type": "object",
                "properties": {
                    "to": {"type": "string"},
                    "subject": {"type": "string"},
                    "body": {"type": "string"}
                },
                "required": ["to", "subject", "body"]
            }
        }
    }
]

# 实际函数实现
def get_weather(city):
    return f"{city}当前温度 25°C，晴"

def send_email(to, subject, body):
    print(f"发送邮件到 {to}: {subject}")
    return "邮件已发送"

# Agent 循环
def run_agent(user_message):
    messages = [
        {"role": "system", "content": "你是一个智能助手，可以使用工具帮助用户完成任务。"},
        {"role": "user", "content": user_message}
    ]

    while True:
        response = client.chat.completions.create(
            model="gpt-4o",
            messages=messages,
            tools=tools
        )

        choice = response.choices[0]

        # 如果 AI 没有调用工具，直接返回
        if not choice.finish_reason == "tool_calls":
            return choice.message.content

        # 执行工具调用
        messages.append(choice.message)
        for tool_call in choice.message.tool_calls:
            func_name = tool_call.function.name
            args = json.loads(tool_call.function.arguments)

            if func_name == "get_weather":
                result = get_weather(**args)
            elif func_name == "send_email":
                result = send_email(**args)

            messages.append({
                "role": "tool",
                "tool_call_id": tool_call.id,
                "content": result
            })


# 使用 Agent
result = run_agent("帮我查一下北京的天气，然后把结果用邮件发送到 [email protected]")
print(result)

Agent 框架对比

框架 语言 特点 适合场景
LangChain Python/JS 最流行，生态丰富 复杂 Agent
CrewAI Python 多 Agent 协作 团队任务
AutoGen Python Microsoft 出品 多 Agent 对话
OpenAI Assistants API 托管服务 快速原型

16IDC 观察

AI Agent 是 AI 应用的下一个演进方向。2026 年我们已经看到 Agent 在客服、数据分析和自动化运营中的实际应用。对于网站开发者来说，Function Calling 是最容易上手的 Agent 构建方式——不需要额外框架，直接通过 API 即可实现。