Deep Dive: AI Agent 与 Skills — 让 AI 从「能说」到「能做」

Topic: AI Agents, Skills & Tools (Level 5) Category: AI Architecture Level: 中级 Series: AI 小白学习系列 Last Updated: 2026-03-09

中文版

1. 概述

到目前为止你学到的 LLM 只能做一件事：生成文本。但真正有用的 AI 需要能执行操作：搜索文件、查数据库、调 API、发邮件、改代码。AI Agent 就是这样的系统 —— 它不仅能”说”，还能”做”。

Agent = LLM（大脑）+ Skills/Tools（手脚）+ Memory（记忆）+ Planning（规划）

你正在使用的这个 GitHub Copilot CLI 就是一个 AI Agent！它的 grep、powershell、edit、web_fetch 等工具就是它的 Skills。

2. 核心概念

2.1 AI Agent vs 普通聊天机器人

维度 普通聊天机器人 AI Agent
能力 只能对话 对话 + 执行操作
决策 被动回答问题 主动规划并执行任务
工具 无 可调用外部工具/API
记忆 仅当前对话 可持久化存储信息
例子 基础 ChatGPT 对话 GitHub Copilot CLI、AutoGPT

2.2 Skills / Tools / Function Calling

这三个概念紧密相关：

Function Calling = 底层机制（LLM 请求调用函数的能力）
      ↑
    Tools = 具体的可调用函数（搜索、编辑、执行命令）
      ↑
    Skills = 一组相关 Tools 的集合（文件操作 Skill、网络诊断 Skill）
      ↑
   Plugins = Skills 的更高级封装（Semantic Kernel 中的概念）

工作流程：

用户："帮我找出所有包含 error 的日志文件"
  │
  ▼
LLM 分析意图 → 决定使用 grep 工具
  │
  ▼
发出 Tool Call: { "tool": "grep", "args": { "pattern": "error", "glob": "*.log" } }
  │
  ▼
框架执行 grep 命令 → 返回结果
  │
  ▼
LLM 根据结果生成回答："找到 3 个文件包含 error..."

2.3 MCP（Model Context Protocol）

MCP 是 Anthropic 推出的开放标准，可以理解为 AI 的 USB-C 接口：

没有 MCP:                          有了 MCP:
                                   
ChatGPT ──自定义──▶ Notion          ChatGPT ──┐
ChatGPT ──自定义──▶ GitHub          Claude  ──┤
Claude  ──自定义──▶ Notion            VS Code ──┼── MCP ──▶ Notion
Claude  ──自定义──▶ GitHub          Cursor  ──┤         ▶ GitHub  
VS Code ──自定义──▶ Notion                    └──       ▶ Database
                                               ▶ 任何 MCP Server
每个组合都要单独开发               开发一次 MCP Server，所有 AI 都能用

MCP 定义了三种原语：

  • Tools：可执行的函数（查询、操作）
  • Resources：数据源（文件、数据库 schema）
  • Prompts：交互模板（预定义的提示词）

2.4 Multi-Agent（多智能体协作）

复杂任务可以由多个 Agent 分工协作完成：

用户需求："分析这个 pcap 文件并写一份报告"

┌──────────────┐    ┌──────────────┐    ┌──────────────┐
│ Agent 1      │    │ Agent 2      │    │ Agent 3      │
│ 网络分析专家  │───▶│ 数据整理专家  │───▶│ 报告撰写专家  │
│              │    │              │    │              │
│ 解析 pcap    │    │ 提取关键指标  │    │ 生成结构化报告│
│ 识别异常流量  │    │ 整理时间线    │    │ 添加建议      │
└──────────────┘    └──────────────┘    └──────────────┘

2.5 Human-in-the-Loop（人机协作）

对于敏感操作，AI 提议但人类最终决定：

AI: "我建议删除这 50 个过期文件，以下是列表：[...] 是否确认？"
人类: "确认" 或 "不，保留 2024 年之后的文件"
AI: 根据人类反馈调整执行

3. 你身边的 Agent 实例

Agent Skills/Tools 你用它做什么
GitHub Copilot CLI grep, glob, powershell, edit, view, web_fetch, sql 搜文件、改代码、跑命令、查文档
ChatGPT with Plugins 联网搜索、代码执行、DALL-E 画图 搜索最新信息、运行代码
Claude with MCP 连接本地文件、数据库、GitHub 操作你的开发环境
Microsoft Copilot Office 365 集成（Word、Excel、PPT） 自动写文档、做 PPT

4. 小结 & 下一步

🎉 Level 5 完成！ 你现在理解了：

  • ✅ AI Agent = LLM + Skills + Memory + Planning
  • ✅ Function Calling 是 AI 调用工具的底层机制
  • ✅ MCP 是 AI 连接外部系统的标准协议
  • ✅ Multi-Agent 让多个 AI 分工协作
  • ✅ Human-in-the-Loop 确保安全

📚 下一课：[Level 6] AI 开发实战 — 学习如何用 API 和框架构建自己的 AI 应用。

5. 参考资料

English Version

1. Overview

The LLMs you’ve learned about can only generate text. But useful AI needs to take actions: search files, query databases, call APIs, send emails, edit code. AI Agents are systems that can both “talk” AND “do.”

Agent = LLM (brain) + Skills/Tools (hands & feet) + Memory + Planning

The GitHub Copilot CLI you’re using right now IS an AI Agent! Its grep, powershell, edit, web_fetch are all Skills.

2. Core Concepts

Concept What It Is Analogy
Agent AI system that can plan and execute tasks A smart employee who works independently
Skills/Tools External functions AI can call The employee’s specific abilities
Function Calling LLM’s ability to request tool invocation The nervous system connecting brain to hands
MCP Standardized protocol for AI-tool connections USB-C port — one standard for all connections
Multi-Agent Multiple Agents collaborating on complex tasks A team of specialists working together
Human-in-the-Loop Human approval for sensitive operations Manager signing off on important decisions

3. Summary & What’s Next

📚 Next: [Level 6] AI Development Hands-on — Building your own AI applications with APIs and frameworks.

4. References