进阶：构建 AI Agent 应用

AI Agent 概述

AI Agent 是能够自主感知环境、做出决策并执行动作的 AI 系统。与简单的问答不同，Agent 可以使用工具、维护状态、多步推理，完成复杂任务。

Agent 架构设计

基本架构

一个典型的 AI Agent 包含以下组件：

┌─────────────────────────────────┐
│           AI Agent              │
│                                 │
│  ┌───────────┐  ┌───────────┐  │
│  │  LLM 大脑  │  │  记忆系统  │  │
│  └─────┬─────┘  └─────┬─────┘  │
│        │              │         │
│  ┌─────┴──────────────┴─────┐  │
│  │        规划系统           │  │
│  └─────────────┬────────────┘  │
│                │                │
│  ┌─────────────┴────────────┐  │
│  │        工具系统           │  │
│  └──────────────────────────┘  │
└─────────────────────────────────┘

核心组件

1. LLM 大脑：负责理解和推理

2. 记忆系统：短期记忆（对话历史）和长期记忆（知识库）

3. 规划系统：将复杂任务分解为步骤

4. 工具系统：调用外部 API 和服务

使用 AI 编程工具开发 Agent

项目初始化

使用 Cursor 或 Claude Code 初始化项目：

创建一个 Next.js 15 项目，用于构建 AI Agent 应用。
技术栈：Next.js + TypeScript + Vercel AI SDK + Prisma

实现 Agent 核心

interface AgentMessage {
  role: "user" | "assistant" | "system";
  content: string;
  toolCalls?: ToolCall[];
}

interface ToolCall {
  name: string;
  arguments: Record<string, unknown>;
  result?: unknown;
}

class AIAgent {
  private messages: AgentMessage[] = [];
  private tools: Map<string, Tool> = new Map();

  async run(userInput: string): Promise<string> {
    this.messages.push({ role: "user", content: userInput });

    while (true) {
      const response = await this.callLLM(this.messages);

      if (!response.toolCalls?.length) {
        return response.content;
      }

      for (const toolCall of response.toolCalls) {
        const tool = this.tools.get(toolCall.name);
        if (tool) {
          toolCall.result = await tool.execute(toolCall.arguments);
        }
      }

      this.messages.push({
        role: "assistant",
        content: response.content,
        toolCalls: response.toolCalls,
      });
    }
  }
}

添加工具

interface Tool {
  name: string;
  description: string;
  parameters: Record<string, ToolParameter>;
  execute: (args: Record<string, unknown>) => Promise<unknown>;
}

const searchTool: Tool = {
  name: "web_search",
  description: "搜索互联网获取信息",
  parameters: {
    query: { type: "string", description: "搜索关键词" },
  },
  execute: async (args) => {
    const results = await fetch(`/api/search?q=${args.query}`);
    return results.json();
  },
};

实战：构建代码审查 Agent

让我们构建一个能自动审查代码的 Agent：

步骤 1：定义 Agent 角色

const systemPrompt = `你是一个代码审查专家 Agent。
你的职责是：
1. 审查代码的安全性问题
2. 检查代码风格和最佳实践
3. 发现潜在的性能问题
4. 提供改进建议

你可以使用以下工具：
- read_file: 读取文件内容
- search_code: 搜索代码库
- run_linter: 运行代码检查工具`;

步骤 2：实现工具

const codeReviewTools: Tool[] = [
  {
    name: "read_file",
    description: "读取指定文件的内容",
    parameters: {
      path: { type: "string", description: "文件路径" },
    },
    execute: async (args) => {
      const content = await fs.readFile(args.path as string, "utf-8");
      return content;
    },
  },
  {
    name: "search_code",
    description: "在代码库中搜索指定模式",
    parameters: {
      pattern: { type: "string", description: "搜索模式" },
    },
    execute: async (args) => {
      // 实现搜索逻辑
    },
  },
];

步骤 3：实现审查流程

async function reviewCode(filePath: string): Promise<ReviewResult> {
  const agent = new AIAgent();

  agent.addTools(codeReviewTools);
  agent.setSystemPrompt(systemPrompt);

  const result = await agent.run(
    `请审查 ${filePath} 文件的代码，关注安全性、性能和代码质量`
  );

  return parseReviewResult(result);
}

部署和优化

使用 Vercel AI SDK

Vercel AI SDK 简化了 AI 应用的开发：

import { streamText, tool } from "ai";
import { openai } from "@ai-sdk/openai";

export async function POST(req: Request) {
  const { messages } = await req.json();

  const result = streamText({
    model: openai("gpt-4o"),
    messages,
    tools: {
      search: tool({
        description: "搜索代码库",
        parameters: z.object({ query: z.string() }),
        execute: async ({ query }) => {
          // 搜索实现
        },
      }),
    },
  });

  return result.toDataStreamResponse();
}

性能优化

1. 流式响应：使用 streaming 提升用户体验

2. 缓存结果：缓存频繁使用的工具调用结果

3. 并行执行：独立的工具调用并行执行

4. 上下文压缩：对话过长时压缩历史消息

总结

构建 AI Agent 应用是 AI 编程的高级应用场景。通过合理设计架构、实现工具系统，并使用 AI 编程工具辅助开发，你可以快速构建出功能强大的 Agent 应用。