【大模型基础设施工程】19：Agent 框架工程

Agent通过规划、执行和反思完成任务，涉及LangChain、AutoGen等框架。

Agent的演进经历了多个阶段，从ReAct到Agentic Reasoning，逐步内化推理过程。

核心概念包括Agent、Task、Tool、Memory和State，分别定义了Agent的基本构成。

短期记忆和长期记忆的设计影响Agent的上下文处理能力，采用不同的存储方式。

多Agent协作模式有多种拓扑结构，适用于不同的任务需求。

记忆系统如MemGPT和Letta提供了持久化上下文的能力，增强了Agent的智能。

工程中面临的挑战包括错误累积、工具选择错误和不可观测性，需通过设计和监控来解决。

协议化（如MCP和A2A）促进了Agent之间的互操作性，提升了系统的灵活性和可扩展性。

沙箱环境确保Agent的安全性，防止潜在的恶意操作。

评测机制是确保Agent性能的重要环节，需建立有效的评测集和回归测试机制。