AI应用（AI Agent）开发新范式

　　LLM扮演着认知核心，也就是“大脑”的角色。它负责处理所有与“思考”相关的任务：

　　理解意图：当用户用自然语言提出复杂需求时，LLM负责精准地理解其背后的真实意图。

　　规划任务：它能将一个模糊的目标（如“分析销售数据”）分解成一系列清晰、有序的步骤。

　　AIAgent赋予了LLM“手和脚”，让“思考”得以转化为“行动”。如果说LLM负责“思考做什么”，那么AIAgent则负责“如何去完成”：

　　工具调用：这是AIAgent最关键的能力。它可以根据LLM的规划，去调用各种外部工具来执行任务，例如查询数据库、调用公司内部系统的API、访问互联网、读写文件等。

　　任务执行与编排：Agent负责管理整个任务流程，确保LLM规划的步骤被逐一、准确地执行。

　　与环境交互：它能将执行结果（如数据库查询返回的数据）反馈给LLM，供其进行下一步的思考和决策，形成一个“思考-行动-观察-再思考”的闭环。

　　MCP的出现，很好的解决了构建AIAgent技能系统的痛点问题：

　　规范化了多者的协同关系：MCP协议规范约束了用户、AIAgent、LLM、后端服务四者之间的系统关系。

　　AIAgent和后端服务快速对接：无需后端服务改造，也无需AIAgent改造，无需了解和解析后端服务接口的返回格式。

　　MCP服务是企业AI应用的基石。它将企业零散的IT资产和服务，转化为AI可以理解和调用的标准化能力，从而为上层的AIAgent源源不断地输送技能。

点击复制链接查看完整PDF研报

阿里云计算 计缘