这篇是我给自己整理的一份 Agent 架构笔记,也分享给对这个话题感兴趣、想把整体结构理清楚的朋友。
我希望过一段时间再回来读时,仍然能顺着文章理解整个系统:模型负责什么,工具、上下文和记忆各放在哪里,程序又怎样把一次次调用组织成持续运行的任务。
文章先从两张总图开始,一张梳理逻辑组成,一张梳理工程分层,再沿着图中的组件逐步展开。框架对比放在后面,等整体结构清楚了,再看不同项目各自提供了什么。
如果你也正在梳理这些概念,欢迎一起读下去,也欢迎分享不同的理解和实践经验。
1 整体架构:从逻辑关系到工程分层
逻辑视角:LLM 与 Harness 如何组成 Agent
一个工具型 LLM Agent 可以概括为:LLM 提供推理与决策能力,Harness 组织并执行整个任务过程。
LLM 根据输入理解目标、分析已有信息,生成回答、计划或工具调用请求。Harness 则准备模型输入、发起推理、分发工具调用、收集执行结果、维护状态,并决定继续运行还是返回用户。当前 LangChain Agents 文档使用了“Model + Harness”的表达;OpenAI 的 Codex Agent Loop 解析则从实际运行过程说明了这种分工。
本文采用广义的 Harness:围绕模型、使其能够执行任务的运行系统。它包括工具接入、上下文组织、记忆读写、任务编排和执行循环。具体实现可以很小,也可以逐渐发展出完整的会话、存储和执行环境。

逻辑组成:Agent 包含 LLM 与 Harness;Harness 内列出 Tools/MCP、Context、Memory、Orchestrator,以及 Agentic Loop 的感知、决策、行动、反思四个环节。嵌套框表示组成关系,具体执行过程在后文展开。
从这张图看,Harness 内部可以按四组职责理解:
| 组件 | 主要回答的问题 | 与模型的关系 |
|---|---|---|
| Tools / MCP | 系统可以读取什么、执行什么,怎样接入外部能力 | 模型提出调用,执行器完成操作并返回结果 |
| Context | 本轮推理应该提供哪些信息 | 直接形成模型当前的输入 |
| Memory | 哪些信息需要保存,后续怎样取回 | 被选中的记忆重新进入上下文后,才能参与本轮推理 |
| Orchestrator / Runner | 当前执行哪一步,怎样安排调用、协作和结束 | 协调模型、工具与状态,推进 Agentic Loop |
LLM 与 Harness 的能力相互影响。模型需要足够的推理和工具使用能力;Harness 需要把正确的信息和可用动作提供给模型。工具结果没有回填、任务约束没有进入上下文,都会使后续决策缺少依据。
Lilian Weng 在 LLM Powered Autonomous Agents中用 Planning、Memory、Tool Use 整理 Agent 的主要能力;Simon Willison 则用围绕目标循环使用工具描述其基本运行形态。前者适合建立组件地图,后者适合抓住执行主线。它们可以共同帮助理解这张逻辑图。
工程视角:Application、Framework、Runtime 与 Foundation
逻辑组件说明“需要哪些能力”,工程分层进一步说明“这些能力怎样由软件实现”。可以把系统整理为四层:

工程分层:上层定义业务与控制方式,下层提供运行机制和基础资源。这是一张职责图,同一个项目可以覆盖多层,也可以把多层代码放在同一进程中。
Application Layer:业务应用层。
这一层面对实际用户和业务场景,例如智能助手、代码助手、业务自动化。它定义任务入口、领域规则、交互方式和完成条件。对话界面、任务面板和业务系统集成都在这里体现。
应用层决定的是“让 Agent 为谁完成什么工作”。模型与工具即使相同,业务规则和交付要求不同,也会形成不同应用。
Agent Framework:开发框架层。
框架提供开发者组织 Agent 的抽象和接口,通常包括:
- Agent Definition:角色、Instructions、模型与工具配置。
- Tool Integration:本地工具、MCP 接入,以及 Skills 等任务指导的集成。
- Orchestration:流程、条件路由、任务分解与 Agent 协作。
- Memory Abstraction:消息、上下文、会话与记忆的访问接口。
LangGraph、OpenAI Agents SDK、Google ADK 都会出现在这一层的开发选择中,但它们提供的抽象和默认执行方式不同。框架层的共同作用,是让开发者能够表达任务结构,而不必每次从模型 API 的原始请求开始组装。
Agent Runtime:运行时执行层。
Runtime 负责把配置和流程真正运行起来。Runner 发起模型调用、执行工具、处理返回结果;状态管理维护当前任务和 Session;Scheduler 安排任务与并发;Checkpoint 支持持久化和恢复;权限、审批与沙箱约束实际执行。
Framework 与 Runtime 最容易混淆。可以用“定义”和“运行”区分:框架描述有哪些节点、工具和路由,运行时推进这些节点,保存状态,并处理暂停、恢复与结束。许多 SDK 同时提供两者,因此分层不等于必须选择两个独立产品。
Foundation Layer:基础能力层。
底层提供模型推理服务、Tools / APIs、数据库、文件系统和检索知识能力。上层通过接口使用这些资源。图中将 Database / RAG 放在这一层,是从“可接入的知识能力”观察系统;RAG 的完整处理流程仍可能由应用和框架组织。
视角对应:同一组件怎样落到工程结构中
逻辑图与工程图不能逐块对号入座。一个逻辑职责经常由多层代码共同实现:
| 逻辑对象 | 工程中的主要落点 |
|---|---|
| LLM | Foundation 提供推理服务,Framework 封装模型接口,Runtime 发起调用 |
| Tools / MCP | Framework 注册和适配能力,Runtime 分发执行,基础服务完成真实操作 |
| Context | Application 提供业务约束,框架或中间件组织信息,Runtime 加入当前状态和结果 |
| Memory | 上层决定保存与检索策略,框架提供接口,底层文件或数据库保存数据 |
| Orchestrator / Agentic Loop | 框架表达控制结构,Runtime 推进执行,应用规定目标与完成条件 |
因此,阅读一个 Agent 项目时,可以先找模型入口、工具入口、状态和控制循环,再看项目如何把这些职责封装成模块。产品名称相似,内部承担的工作也可能差别很大。
2 核心组件:Tools、Context、Memory 与 Orchestrator
Tools 与 MCP:把外部能力接入执行过程
Tool 是 Agent 可以使用的一项具体能力。它可以查询信息,也可以改变环境:搜索文档、读取文件、运行程序、调用业务 API 都属于这一范围。
一个工具通常包含三个部分:名称与描述、输入参数结构、实际执行函数。模型看到前两者,生成调用请求;Harness 找到对应实现,传入参数,取得结果,再把结果送回模型。Function Calling 提供结构化请求形式,真实操作仍由程序完成。
MCP 解决的是能力接入与通信问题。宿主管理模型和任务,通过 MCP Client 连接 MCP Server,发现服务提供的能力并发起调用。Server 可以暴露 tools,也可以提供 resources 和 prompts。具体角色见 MCP 官方架构说明。
理解工具接入时,需要分清以下三种对象:
| 对象 | 提供什么 | 在系统中的位置 |
|---|---|---|
| Tool / API | 一项可执行或可查询的能力 | 行动接口与实际服务 |
| MCP | 发现、访问和调用能力的协议 | 宿主与能力提供方之间的连接 |
| Skill | 一类任务的指导、流程和相关资源 | 按需进入上下文,指导怎样使用现有能力 |
这三者可以组合。Skill 说明处理任务的方法,模型据此选择工具,Harness 再通过本地函数或 MCP 完成调用。把它们统一列在 Tool Integration 下,是从框架集成入口观察,并不表示它们具有相同的技术形态。
工具设计还会影响决策质量。职责清楚、参数有区分度、结果包含必要信息的工具,能让模型更容易判断何时使用、怎样继续。若工具一次返回大量无关内容,Context 也需要承担更多筛选工作。Chip Huyen 的 Agents将工具视为扩展知识和行动能力的重要入口,这也解释了工具为什么是架构中的核心部分。
Context:组织模型本轮实际能看到的信息
Context 是本次模型调用的有效输入。模型作出判断时,能依据的是这些输入和已有模型能力,而不是应用中所有已经保存的数据。
上下文通常由几类信息组成:
| 信息 | 作用 |
|---|---|
| 系统与业务指令 | 规定行为要求、任务范围和输出形式 |
| 用户目标 | 说明本次要完成什么,以及用户新增的要求 |
| 工具定义 | 告诉模型可以使用哪些能力、怎样表达参数 |
| 对话与任务状态 | 保留当前进度、已知信息和仍需处理的问题 |
| 检索资料与记忆 | 补入本次任务相关的外部信息 |
| 工具执行结果 | 告诉模型上一项行动实际得到什么 |
Context 管理需要持续做四件事:选择相关信息、安排输入结构、随执行更新内容,以及在空间不足时裁剪或压缩。系统保存的数据很多,不代表每轮都应该全部发送。当前目标、关键约束和最近有用的观察,通常比重复历史更值得保留。
工具结果也应保留可继续使用的结构。调用标识、来源、执行状态和必要片段,可以帮助模型将结果与原请求对应起来。长文件和日志则可以保存在外部,当前上下文只附相关内容与读取位置。Anthropic 的 Context Engineering 分享详细讨论了信息选择、压缩与按需读取。
Memory:让信息跨步骤和跨会话保留
Memory 关注信息怎样延续。Context 关注当前可见内容,Memory 关注哪些信息需要留下,以及未来怎样找回。
理解记忆时,可以区分三个范围:
| 范围 | 常见内容 | 主要用途 |
|---|---|---|
| 当前任务状态 | 目标、进度、计划、待处理事项 | 支持这项任务继续执行 |
| 会话历史 | 消息、工具调用和返回结果 | 恢复交互过程、保留任务中的观察 |
| 跨会话长期记忆 | 稳定偏好、项目知识、可复用经验 | 供后续不同会话使用 |
这些信息可以存成文件、结构化记录、数据库条目或可检索文档。向量库只是其中一种检索手段。需要精确定位当前任务时,任务 ID 和结构化状态往往更直接;需要根据语义找回相关资料时,检索索引更有用。
记忆要影响当前决策,还必须经过读取和选择,重新进入 Context。写入侧则需要判断什么值得保留、来源是什么、是否已经过期,以及新旧信息是否冲突。把每条对话都保存下来,解决了历史保留问题,但没有自动完成有效记忆管理。
LangGraph 的 Persistence 文档提供了一个具体区分:checkpoint 保存线程内执行状态,store 用于跨线程共享信息。它们分别服务于运行延续和信息复用。阅读其他框架的 Memory 模块时,也应看清模块实际保存的是对话、检索文档,还是可恢复的任务状态。
Orchestrator:组织任务、路由与协作
Orchestrator 是系统中的编排控制部分。它协调什么时候调用模型、怎样处理模型输出、把工具请求交给谁,以及任务何时继续、交接或结束。
编排策略可以由代码、图结构或模型参与表达。固定流程用代码规定节点与条件;动态 Agent 可以让模型选择下一项行动;多 Agent 系统还需要安排任务分解、结果汇总和控制权交接。
Agentic Loop 则描述这些控制在运行中反复发生的过程。Orchestrator / Runner 驱动循环,LLM 在循环内提供决策,工具带来环境反馈。两者是“控制组件”与“运行过程”的关系,无需在架构中另造两个独立服务。
编排也与 Scheduler 有不同侧重:编排关心“下一步做什么、交给谁”,调度关心“何时运行、允许多少并发、使用哪些执行资源”。在简单程序里,这些代码可以放在一起;任务多起来以后,职责差异就会影响模块设计。
协作时还要区分两种控制方式。把子 Agent 作为工具调用,主 Agent 取得结果后继续整合;handoff 则把当前处理权交给接收者。OpenAI Agents SDK 的编排说明将这两种形式分别描述。是否采用多 Agent,首先取决于任务是否有值得分开的职责,而不是角色越多越完整。
3 Agentic Loop:ReAct、计划执行与反馈循环
ReAct:让推理、行动和观察交替推进
ReAct: Synergizing Reasoning and Acting in Language Models由 Yao 等人提出。它的核心是把推理与外部行动交织:模型利用已有信息形成判断,执行行动取得观察,再根据观察调整后续判断。
它常被表达为 Thought → Action → Observation。其中 Thought 属于推理,Action 是对环境采取的动作,Observation 是环境返回的信息。下一次推理利用这些新信息,避免始终沿着最初假设继续。
这种组织方式适合下一步取决于环境反馈的任务。模型不必一开始列完全部行动,但需要在多次调用中保持目标和进度。原论文也讨论了不同推理频率,并非要求每个行动前都生成一大段分析。
现代结构化工具调用可以实现相似闭环:模型返回工具名与参数,Runtime 执行并回填,模型再作下一次决策。ReAct 是组织推理与行动的范式,Function Calling 是表达调用的接口;产品无需把完整思维链展示出来,才能保留这种行动反馈结构。
Plan-and-Execute:把全局计划与局部执行分开
Plan-and-Execute 将任务组织分成两个层次:Planner 形成较高层的计划,Executor 完成当前步骤。执行结果可以交给 Replanner,判断剩余计划是否需要改变。
这种结构把“整体要完成哪些事”和“眼前一步怎样执行”分开。计划保存目标之间的依赖,执行器可以只接收当前步骤相关的上下文。执行器本身还可以是一个工具型 Agent,在局部继续运行自己的循环。
LangChain 在 2023 年的介绍中将这一架构与 BabyAGI、Plan-and-Solve 的启发联系起来;2024 年的实现说明进一步展示了执行后的重规划。这里讨论的是一类架构,不是一篇同名论文规定的唯一实现。

执行范式:两种结构都利用反馈。区别在于是否将全局计划独立维护,以及计划与局部执行怎样分工;Plan-and-Execute 的执行器中也可以使用 ReAct。
显式计划更方便分配任务、查看进度和保持全局结构,也增加了生成与维护计划的工作。逐步决策更直接地吸收新观察,但每次行动都可能需要重新调用模型。选择时应看任务长度、依赖关系和环境变化,没有必要把两者理解成前后替代的版本。
工程闭环:感知、决策、行动与反思
从运行过程看,可以用四个功能环节整理 Agentic Loop:

执行循环:感知把新信息带进系统,决策选择下一步,行动取得新结果,反馈与反思检查进展。反思可以融入下一轮决策,也可以在需要时单独执行。
感知:取得当前任务相关的信息。
这里的感知包括接收用户输入、读取工具结果、获取环境状态,以及从记忆和检索服务中补充资料。Context 组件将这些信息整理成当前可用输入。因此,在 LLM Agent 中,感知经常表现为信息获取与上下文组装。
决策:选择继续行动或返回结果。
LLM 根据当前输入选择工具、生成参数、调整计划,或者给出回答。Orchestrator 负责接收这些输出,并根据控制规则进入相应分支。
行动:通过执行器作用于外部环境。
Runtime 将调用交给本地函数、命令环境或 MCP 服务。执行后的数据、错误和状态被记录,成为下一轮可用观察。模型负责提出行动,执行器负责实际完成这一交接。
反思:利用结果检查和调整后续行为。
这里包括判断结果是否满足目标、计划是否仍然合适,以及还缺少什么信息。检查可以来自规则、测试、工具反馈或模型评价。简单循环中,它可能直接融入下一次模型决策;复杂任务也可以增加独立评价与修正环节。
Reflexion 论文展示了更明确的设计:根据任务反馈生成文字反思,并把反思保存在情节记忆中,供后续尝试使用。它通过语言反馈影响下一次决策,而不是直接更新模型权重。
“感知、决策、行动、反思”在本文中是一种功能划分,帮助理解各组件如何参与闭环。它不要求四个独立 Agent,也不要求每轮都额外调用一次反思模型。
Runner 实现:把组件连接成可持续运行的循环
将前面的职责放回程序,可以得到下面的结构伪代码。它用于展示调用顺序,不是某个 SDK 的可直接运行示例。
state = initialize_task(task)
while not state.stopped:
context = build_context(task, state, memory)
decision = llm(context, tool_schemas)
if decision.final_output is not None and not decision.tool_calls:
return finish(decision.final_output, state)
observations = execute_tools(decision.tool_calls)
state.record(decision, observations)
if should_review(state):
state.update(review_progress(task, state))这段循环中,build_context 对应感知与输入组织,llm 对应决策,execute_tools 对应行动,结果记录和按需检查支撑后续调整。Memory 是可读取的外部信息,State 保存当前运行过程,Runner 协调调用顺序。
OpenAI Agents SDK 的 Runner 文档提供了具体落地:调用模型、处理工具请求或 handoff、追加结果,直到取得最终输出或达到运行边界。其他框架可以用图、事件或插件实现相近职责。实际工程还需要为工具执行、状态保存和结束条件补上对应机制,这些属于 Runtime 的工作。
4 Workflow 与 Agent:按控制范围选择执行方式
核心区别:预定义的流程骨架与运行时自主组织
Workflow 主要由开发者定义节点、依赖和执行路径,LLM 可以作为其中的生成、分类或评价步骤。Agent 则在既定能力与约束内,让模型依据运行结果,更自主地组织后续行动。
两者的差别不在于有没有模型,也不能只靠有没有循环或条件分支判断。Anthropic 的架构分享将 routing、orchestrator-workers、evaluator-optimizer 等都列入 workflow 模式,其中同样可能包含模型判断。
更有用的判断是:流程骨架预先规定到什么程度,模型运行时能在多大范围内改变行动路径。
| 比较维度 | Workflow 的常见侧重 | Agent 的常见侧重 |
|---|---|---|
| 控制结构 | 预先规定节点和依赖关系 | 根据目标与观察动态选择行动 |
| 模型职责 | 完成流程中的某类步骤或局部判断 | 参与下一步行动、工具与计划的组织 |
| 路径变化 | 在已有流程和分支内推进 | 可以根据新信息重新组织行动序列 |
| 状态管理 | 保存流程变量和节点进度 | 还需维护多轮观察、计划及当前行动状态 |
| 调试重点 | 哪个步骤、分支或输入出了问题 | 为什么选择该行动,观察是否足够,何时继续或结束 |
组合方式:在确定流程中保留必要的自主性
许多应用会组合两种结构。外层 Workflow 固定任务入口、结果校验和交付格式,中间某个节点运行 Agent,由它完成需要动态决策的部分。反过来,Agent 也可以调用一个确定的子流程,将稳定步骤作为工具复用。

控制方式:Workflow 中可以出现 LLM;Agent 的自主循环也可以放进更大的固定流程。图中比较的是行动路径怎样确定。
这也解释了常见模式为何能相互组合。Chaining 固定步骤顺序;Routing 将输入送到合适路径;Parallelization 并行处理可分开的任务;Orchestrator-workers 分解与委派工作;Evaluator-optimizer 使用反馈修正结果。它们提供的是组织方法,实际系统可以选择其中一部分,而不是把所有模式都叠在一起。
选择依据:任务结构、反馈与运行成本
可以按以下顺序确定结构:
| 任务条件 | 更值得先考虑的方式 |
|---|---|
| 输入、步骤和输出形式已经明确 | 单次模型调用或固定 Workflow |
| 只有部分步骤需要根据结果决定下一步 | Workflow 中嵌入 Agent |
| 行动路径难以预先列出,需要持续观察环境 | 工具型 Agent 循环 |
| 目标较长、步骤有依赖,需要保持整体进度 | 显式计划配合执行循环 |
| 子任务边界清楚,可以独立完成并汇总 | 按需增加委派或多 Agent 协作 |
结构越动态,越需要观察模型选择、工具结果和状态变化,运行成本也会随调用方式改变。选择的依据应是动态决策带来的价值。已有流程能够清楚表达的部分,可以继续由程序控制;需要根据新观察调整的部分,再交给模型。
5 框架对比:开发接口、编排运行时与预置 Harness
分类依据:先看主要提供哪一层能力
“Agent 框架”经常被用来统称不同项目。为了选择方便,可以先分成三种侧重:
- 开发框架 / SDK:提供 Agent、工具、消息、配置与协作接口,让开发者搭建应用。
- 编排框架 / Runtime:强调状态、控制流和执行生命周期,让开发者掌握运行过程。
- 预置 Harness:把循环、工具、上下文、会话等组合成可直接使用或改造的执行骨架。
这些类别可以交叠。LangGraph 官方就同时使用 framework 和 runtime 描述自身;Agents SDK 和 ADK 既提供开发接口,也包含运行循环。分类的作用是确定选型入口,而不是给每个项目划定唯一归属。
| 项目 | 主要定位 | 默认提供的核心结构 | 更适合先研究的需要 |
|---|---|---|---|
| LangGraph | 显式状态编排框架与 Runtime | 状态、节点、边、checkpoint、暂停恢复 | 希望精确控制路径与状态 |
| OpenAI Agents SDK | 轻量 Agent 开发 SDK,包含 Runner | Agent、工具、handoff、session、tracing | 希望从通用工具循环和协作抽象起步 |
| Google ADK | 覆盖构建与运行生命周期的 Agent 框架 | Agent、workflow、Runner、工具、会话及开发工具 | 希望用成套工具链组织 Agent 应用 |
| Qwen-Agent | 面向工具型 LLM 应用的开发框架 | 模型与工具抽象、Assistant、函数调用、RAG | 基于 Qwen 或兼容模型服务构建助手 |
| DeepSeek Harness / DSH | 插件化、预先组装的 Harness | 模型适配、工具、循环、会话与不同运行配置 | 从现成执行环境起步,再替换内部能力 |
| Pi | 极简、可扩展的 Harness 与运行组件 | Agent Core、Coding Agent、会话与扩展机制 | 研究精简执行骨架,或嵌入自己的产品 |
LangGraph:用显式状态和图控制运行过程
LangGraph以状态、节点和边表达程序。节点处理一段任务,状态保存节点之间需要共享的数据,边和路由决定下一步进入哪里。节点内部可以调用模型,也可以执行普通代码。
它适合需要掌握控制结构的系统:哪些步骤固定、哪些步骤让模型判断,何时暂停,恢复后从哪里继续。持久化、人工介入和流式事件都围绕这套状态执行模型组织。
LangGraph 提供的是组装能力。开发者仍要定义状态、节点与路由,构建适合任务的 Agent 行为。它可以独立使用,无需先采用 LangChain 的高层 Agent 接口。
开发 SDK:Agents SDK、Google ADK 与 Qwen-Agent
OpenAI Agents SDK:以 Agent 和 Runner 组织工具循环。
Agents SDK用 Agent 定义指令、模型与工具,由 Runner 推进执行。专家协作可以采用 agents as tools 或 handoff,会话、guardrails 和 tracing 则提供相应的运行支持。
这里需要写全 Agents SDK。基础 openai 客户端主要封装模型 API,Agents SDK 在其上提供 Agent 的运行与协作抽象。对于希望尽快接起标准循环、再逐步增加业务能力的开发者,这种入口比较直接。
Google ADK:将 Agent 开发与运行工具放在一套体系中。
Google ADK提供 Agent、工具、工作流、Runner、Session、Memory 和开发调试等能力。它支持确定流程与模型驱动的组合,也面向评估和部署提供配套入口。
ADK 适合希望在一套体系中组织多 Agent 应用和开发生命周期的场景。它对 Gemini 与 Google 生态有较多集成,但并不限于单一模型。实际能力仍应按所用模型、语言和工具组合确认。
Qwen-Agent:围绕模型与工具抽象构建助手。
Qwen-Agent提供模型、工具与 Agent 的基础抽象,包含 Assistant、函数调用、MCP、文档检索与 Code Interpreter 等能力,并附带应用示例。它可以接入 DashScope,也支持 OpenAI 兼容的模型服务。
它的入口适合基于 Qwen 或自部署服务构建工具助手和文档应用。阅读时要看模块实际作用:例如其 Memory 模块包含文件管理与检索职责,不能仅凭名称推断它已经承担完整的会话持久化和执行恢复。
预置 Harness:DSH 与 Pi 如何提供执行骨架
DeepSeek Harness:通过插件组合运行能力。
DeepSeek Harness / DSH是 DeepSeek AI 的官方开源项目。它以 Cordis 为基础,把模型适配、工具注册、会话记录、Agent Loop 等组织成可组合的插件;不同 profile 决定启动哪些能力。
这种设计适合从完整运行环境开始,再替换某个内部组件。它提供 Web、headless、SDK 等不同入口,开发者需要根据目标选择相应配置。架构文档展示了这些模块之间的关系。当前项目标为 developer preview,接入时应固定所用版本。
Pi:区分可复用 Agent Core 与完整 Coding Agent。
本文的 Pi指 Mario Zechner 发起的项目。pi-agent-core 负责模型与工具循环、状态和事件;pi-coding-agent 在其上加入工具、上下文处理、会话、压缩和扩展,形成可直接使用的 Harness 与终端应用,也可以通过 SDK 嵌入其他产品。
Pi 的特点是核心较精简,许多工作方式通过 extensions、Skills 和配置扩展。理解它时,值得同时阅读作者的原始设计说明与当前仓库:前者解释取舍,后者反映现有能力。例如作者早期文章提到没有内置 MCP,而当前项目已经提供 MCP 支持文档,不能将早期缺省一直当作当前功能表。
选择方法:从需要控制的部分反推实现
六个项目提供的是不同起点,可以按自己的控制需求缩小选择范围:
| 优先需要 | 可以先研究的入口 |
|---|---|
| 显式设计状态、分支与恢复路径 | LangGraph |
| 快速组织通用工具循环、专家调用与交接 | OpenAI Agents SDK |
| 在成套工具链中开发、运行与评估 Agent | Google ADK |
| 围绕 Qwen 或兼容服务构建工具与文档助手 | Qwen-Agent |
| 从插件化的完整运行配置开始改造 | DSH |
| 阅读或复用精简的 Agent Core 与 Coding Harness | Pi |
选定入口后,再核对模型兼容性、工具接入、状态保存、协作方式和部署需求。同一应用也可以组合不同层的能力。真正需要对齐的是逻辑职责:模型拿到什么输入,谁决定下一步,工具在哪里执行,状态怎样保留,以及任务怎样结束。
参考资料:官方文档、论文与作者文章
架构图为本文按上述职责整理的示意图;框架功能依据官方文档与源码,不包含本文实测的性能排名。
架构与工程:建立整体认识
- Anthropic:Building effective agents。理解 Workflow、Agent 及常见组织模式。
- OpenAI:Unrolling the Codex agent loop。观察实际 Harness 怎样调用模型、执行工具和组织上下文。
- LangChain:Agents。参考 Model + Harness 的当前说明。
- LangChain:Runtimes, frameworks, and harnesses。理解该技术栈中的产品层级。
- Lilian Weng:LLM Powered Autonomous Agents。Planning、Memory、Tool Use 的经典组件梳理。
- Chip Huyen:Agents。围绕工具、规划粒度与反思理解系统设计。
- Simon Willison:A useful definition of agents。理解围绕目标循环使用工具的工程心智模型。
执行机制:理解组件和循环
- Yao 等:ReAct。推理与行动交织的原始论文。
- LangChain:Plan-and-Execute Agents,2023。计划与执行分离的早期实现及来源。
- LangChain:Plan-and-Execute Agents,2024。执行、反馈与重规划结构。
- Shinn 等:Reflexion。语言反馈、反思与情节记忆的具体设计。
- MCP:Architecture overview。Host、Client、Server 与能力连接。
- Anthropic:Effective context engineering for AI agents。上下文选择、压缩与按需读取。
- LangGraph:Persistence。Checkpoint 与跨线程 store 的不同用途。
- OpenAI Agents SDK:Running agents。Runner 的实际执行过程。
- OpenAI Agents SDK:Agent orchestration。Agents as tools 与 handoff 的区别。

