AI Agent 是什么？—— 一文理解 LLM、Memory、Skills、Tools、MCP、Workflow:Context

Ai Agent 流程

1.AI Agent到底是什么

AI Agent(Artificial Intelligence Agent 智能体袋里) 到底是什么？

不是模型不是模型不是模型

个人理解:

AI Agent 是一种能力 一个能自主理解,规划,执行并完成任务的智能袋里

AI 编程 Agent（最成熟）

2. 智能体组成说明

一个完整的 AI Agent 并不是只有一个 LLM，而是由多个模块协同工作完成任务。

整体组成如下：

• LLM（Large Language Model，大语言模型）
• Prompt（提示词）
• Memory（记忆）
• Context（上下文）
• Skill（技能）
• Tool（工具）
• MCP（Model Context Protocol）
• Workflow（工作流）
• Feedback（反馈）

整体关系如下：

User │ ▼Prompt（目标） │ ▼ AI Agent │ ┌─────────────┼─────────────┐ │ │ │ ▼ ▼ ▼ WorkflowMemoryTools / MCP （流程） （记忆） （执行能力） │ │ │ └─────────────┼─────────────┘ ▼Context（工作上下文） │ ▼LLM（模型推理） │ ▼Result │ ▼ Feedback │ ▼更新 Memory（可选）

2.1 LLM（Large Language Model）

LLM（Large Language Model）即大语言模型，可以理解为 Agent 的大脑。

它负责：

• 理解自然语言
• 推理分析
• 代码生成
• 内容生成
• 决策

常见模型：

• GPT-5.5
• Claude Opus / Sonnet
• Gemini 2.5 Pro
• Qwen3
• DeepSeek

2.2 Prompt（提示词）

Prompt 可以理解为：

例如：

修复 Android Crash优化 SiteReport PDF生成 Google Play 截图

Prompt 是整个任务的入口。

2.3 Memory（记忆）

Memory 是 Agent 的长期记忆。

负责保存：

• 用户偏好
• 项目知识
• 历史任务
• 编码规范
• 企业知识
• 历史聊天

例如：

用户主要开发 Android项目采用 MVVM使用 Material3

这些内容都会长期保存，在后续任务中再次利用。

2.4 Context（上下文）

Context 并不是 Memory。

它表示：

通常由下面几部分组成：

Prompt+Memory 检索结果+当前聊天+项目代码+Tool 输出+MCP 返回的数据

最终组成：

Context

LLM 真正工作的对象就是 Context。

可以理解为：

2.5 Skill（技能）

Skill 可以理解为：

例如：

Android Skill：

• MVVM
• Material3
• Repository

PDF Skill：

• HTML 模板
• 分页
• 图片布局

Google Play Skill：

• SEO
• 标题优化
• 截图规范

Skill 回答的是：

2.6 Tool（工具）

Tool 是 Agent 真正能够调用的执行能力。

例如：

• Git
• Terminal
• Gradle
• Browser
• ADB

例如：

执行：./gradlew assembleRelease

真正执行的是：

Terminal Tool

Tool 回答的是：

2.7 MCP（Model Context Protocol）

MCP 全称：

Model Context Protocol

它并不是 Tool。

而是：

例如：

支持：

• Figma
• GitHub
• Firebase
• Notion
• Slack

通过 MCP：

Agent 才能够访问这些外部系统。

所以：

2.8 Workflow（工作流）

Workflow 可以理解为：

例如：

分析↓修改↓编译↓测试↓提交

Workflow 回答的是：

2.9 Feedback（反馈）

Feedback 用于：

例如：

编译失败↓继续修改↓再次编译↓直到成功

真正的 AI Agent 都会形成一个完整的反馈闭环。

3. AI Agent 使用流程

AI Agent 完成一次任务的大致流程如下：

用户(User) │ ▼ Prompt（提出任务） │ ▼Agent（理解任务目标） │ ▼Workflow（制定执行流程） │ ▼ 检索 Memory + 调用 Tools / MCP │ ▼构建 Context（工作上下文） │ ▼ LLM（推理、分析、决策） │ ▼Tool（执行具体操作） │ ▼Result（输出结果） │ ▼Feedback（结果反馈优化） │ ▼Memory（保存长期有价值的信息）

流程说明

总结