Agent、工具调用、Memory、MCP 与工作流

图：生成式 AI Agent 由模型、工具、记忆、规划与外部环境共同构成。 来源：Generative AI agent architecture，作者 Marxav，许可 CC BY-SA 4.0。

知识范围

覆盖规划、工具 Schema、执行循环、状态与记忆、失败恢复、权限、人类确认和 MCP 的连接边界。

学习路线

先把单次工具调用做成确定性闭环，再增加多步状态和恢复；只有任务确实需要动态决策时才引入开放式 Agent 循环。

核心问题

• Agent 与固定 Workflow 的边界在哪里？
• Function Calling 为什么不等于工具已经执行？
• Memory 应保存什么，如何避免污染？

参考资料

• ReAct

应用岗复习重点

• Agent 工具执行：幂等、超时与断点恢复：用创建工单后响应丢失的例子解释重复执行风险，设计幂等键、持久状态、确认绑定和恢复语义。
• 上下文与记忆：让 Agent 保留事实、约束和进度：区分对话历史、任务状态、长期记忆与知识库，设计压缩、检索、失效和隔离规则，解释记忆污染的排查方法。
• MCP、Function Calling 与 Agent 框架分别负责什么：区分模型输出工具请求、应用执行策略和 MCP 连接协议，说明身份传递、工具注册与失败排查的实际边界。

按 重要性清单安排先后；读完后做节点末尾的闭卷检查，再回到对应面试问题。