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 ```typescript 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 ```typescript 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 ```typescript 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 ```typescript 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 ```typescript 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： ```typescript 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。