背景
上一篇文章说了ChatGPT的界限, 为了弥补ChatGPT做不到的事情,才有了这篇文章
完整 AI Agent 系统架构
User
│
▼
┌─────────────────┐
│ API Gateway │
└─────────────────┘
│
▼
┌─────────────────┐
│ Agent Controller│
└─────────────────┘
│
┌─────────────┼─────────────┐
▼ ▼ ▼
*Planner *Tool Router *Memory
│ │ │
▼ ▼ ▼
*Workflow Tool System Storage
Engine │ │
│ │ │
▼ ▼ ▼
*Skills MCP Tools Vector DB
│
▼
External APIs
模块1：Agent Controller（系统大脑）
作用：
控制整个 AI 任务流程
职责：
- 接收用户请求
- 调用 Planner
- 执行 Tool
- 更新 Memory
- 返回结果
流程：
User Query
│
▼
Controller
│
▼
Plan → Execute → Observe → Loop
这其实是经典 Agent Loop：
while not done:
think
act
observe
这种思想来自：
ReAct Agent
模块2：Planner（任务规划器）
Planner 的作用：
把复杂任务拆分成多个步骤
例如用户问：
帮我分析最近5个AI公司融资情况并写报告
Planner生成：
Plan:
- 搜索AI融资新闻
- 提取公司名称
- 查询融资金额
- 汇总数据
- 生成报告
输出：
{
"steps":[
"search_news",
"extract_companies",
"get_funding_data",
"generate_report"
]
}
Planner 可以用：
LLM
或者：
State Machine
模块3：Tool Router（工具路由）
作用：
决定调用哪个工具
例如：
用户问题：东京天气
Router：
weather_api
用户问题：查用户订单
Router：
database_query
Router策略：
方法1
LLM Router
LLM判断tool
方法2
Embedding Router
query embedding
→ tool embedding
→ 相似度
方法3
规则 Router
if "weather"
→ weather tool
生产系统通常：
LLM + rule
模块4：Tool System（工具系统）
工具是 AI 系统最重要的能力。
工具分类：
1 API工具
例如：
weather API
stock API
crypto API
2 数据库工具
例如：
SQL query
Vector search
3 系统工具
例如：
send email
create calendar
file read
4 计算工具
例如：
Python
code interpreter
典型 Tool schema：
{
"name": "search_news",
"description": "search latest news",
"parameters": {
"type":"object",
"properties":{
"query":{"type":"string"}
}
}
}
模块5：Skills（技能系统）
Skills 是：
工具组合
例如：
Skill：
Research Report
内部流程：
search
extract
analyze
summarize
Skill其实是：
mini workflow
例如：
skill_generate_report()
Skill优点：
- 提高复用
- 降低Agent复杂度
模块6：Memory（记忆系统）
AI系统必须有长期记忆。
Memory分三种：
1 Short Term Memory
当前对话。
例如：
conversation history
2 Long Term Memory
用户信息：用户偏好, 用户背景, 历史行为
存储：
- Redis
- Database
3 Semantic Memory
知识记忆：
embedding, vector db
例如：
文档
笔记
知识库
常用：
Pinecone
Qdrant
Weaviate
模块7：RAG（知识检索）
优势: 减少 hallucination
详细请看我之前的文章
模块8：Workflow Engine
复杂任务需要：
工作流引擎
例如：
Step1
Step2
Step3
支持：
- retry
- timeout
- branch
- parallel
开源方案：
Temporal
Apache Airflow
Prefect
模块9：MCP（工具标准化）
未来趋势：
Model Context Protocol
作用：
统一工具接口
例如：
filesystem
browser
database
所有工具都用 MCP 暴露。
Agent调用：
MCP Client
关于作者
我是Louis,一名长期从事iOS与AI相关工程实践的工程师,也是一个正在探索产品与商业可能性的准创始人.
这里的文章,更多是我在项目中用过,踩过坑,反复验证过的东西,而不是为了流量而写的“快内容”.
☕ 打赏
如果这篇文章对你有帮助,欢迎请我喝一杯咖啡☕️
GitHub Sponsors（推荐）You can support my work via PayPay by searching my PayPay ID:
PayPay ID: luochuan
你的支持会让我有更多时间,把真实项目中的经验持续整理和分享出来.
不打赏也完全没关系,感谢你读到这里.
联系与合作
如果你:
· 正在做iOS App / AI / 自动化相关的项目
· 对技术选型、架构设计、产品落地有困惑
· 或希望进行技术交流、合作探讨
欢迎通过以下邮箱联系我:
luochuanad@gmail.com
