人工智能的集成方式已从简单的单向指令，演变为动态且能自我修正的系统。早期的实现依赖于线性链——即一个提示直接生成输出——而现代人工智能则依赖于自主智能体具备推理和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）以支持循环执行。这意味着智能体可以执行一项操作、评估结果，并循环返回以纠正自身的错误。
智能体的四大支柱
- 自主性：无需持续的人类干预即可独立运行的能力。
- 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保持状态。
- 推理：基于当前数据，运用逻辑判断下一步的最佳行动方案。
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
哪项特征是将人工智能视为“智能体”而非简单“链”的关键？
问题2
模型上下文协议（MCP）在智能体工作流中如何发挥作用？
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，未发现技术论文。
智能体的响应：该智能体识别出此前失败搜索的“记忆”，并利用其“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，未发现技术论文。
智能体的响应：该智能体识别出此前失败搜索的“记忆”，并利用其“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：
该智能体利用其 推理能力将输出与原始目标进行评估，同时依赖其 记忆（状态）来确认通用搜索工具已被耗尽。
该智能体利用其 推理能力将输出与原始目标进行评估，同时依赖其 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：
模型上下文协议（MCP）充当标准化的垂直连接器，使智能体能将数据库作为工具使用。
模型上下文协议（MCP）充当标准化的垂直连接器，使智能体能将数据库作为工具使用。