人工智能集成的演进已从简单的单向指令，转向动态且可自我修正的系统。早期实现依赖于 线性链——即提示直接导向输出——而现代人工智能则依赖于 自主智能体 具备推理与环境交互能力的智能体。
核心转变：从链式结构到图结构
早期框架（如最初的LangChain）基于顺序逻辑运行。如今，我们采用 图架构 （LangGraph）以实现 循环执行。这意味着智能体可以执行一项操作，评估结果，并回溯以纠正自身错误。
智能体的四大支柱
- 自主性： 无需持续人工干预即可自主运行的能力。
- 工具使用： 通过MCP等协议连接外部API或数据库。
- 记忆： 通过状态模式在多个步骤间维持状态。
- 推理： 基于当前数据，运用逻辑判断下一步最佳行动方案。
纵向与横向集成
- 模型上下文协议（MCP）： 相当于人工智能的“USB-C”，为模型与特定数据工具之间提供纵向连接。
- 智能体对智能体（A2A）： 实现横向通信，使不同智能体能够协商并共享任务。
概念逻辑：状态与节点
问题 1
哪项特性是将人工智能视为“智能体”而非简单“链式结构”的关键？
问题 2
模型上下文协议（MCP）在智能体工作流中如何运作？
案例研究：自动化深度研究报告
阅读以下情景并回答问题。
一个智能体被指派研究“2025年量子计算突破”。
挑战： 初始搜索仅提供表面新闻，未找到技术论文。
智能体响应： 智能体识别其先前失败搜索的“记忆”，并利用“推理”能力，通过MCP服务器将工具从通用搜索切换至特定研究数据库。
挑战： 初始搜索仅提供表面新闻，未找到技术论文。
智能体响应： 智能体识别其先前失败搜索的“记忆”，并利用“推理”能力，通过MCP服务器将工具从通用搜索切换至特定研究数据库。
Q
1. 哪项具体能力使智能体意识到首次搜索不充分？
答案：
智能体利用其 推理 能力将输出与原始目标进行比对，并依靠其 记忆（状态） 来确认通用搜索工具已被耗尽。
智能体利用其 推理 能力将输出与原始目标进行比对，并依靠其 记忆（状态） 来确认通用搜索工具已被耗尽。
Q
2. 哪项技术使智能体能无缝连接到专业研究数据库？
答案：
该 模型上下文协议（MCP） 作为标准化的垂直连接器，使智能体能够将数据库作为工具使用。
该 模型上下文协议（MCP） 作为标准化的垂直连接器，使智能体能够将数据库作为工具使用。