2025年作為 AI Agent 元年，越嚟越受各界關注。本文試圖系統性講解——由定義、作用、核心構成、技術架構，再到同 MCP Server 嘅關係，為讀者提供一個前瞻性嘅視角去理解佢。
一、乜嘢係 AI Agent？
AI Agent（人工智能體），通俗講，就係一個能夠「自主理解、決策、執行任務」嘅人工智能系統。
它唔只係一個被動答問題嘅語言模型，而係一個具備以下特徵嘅主動智能體：
- 理解目標（Goal Understanding）
- 能夠理解用戶意圖，而唔係淨係回應文字輸入。
- 自主決策（Autonomous Reasoning）
- 能夠自己規劃任務步驟（例如用 ReAct 或 Plan‑Act 框架）。
- 調用工具 / 與環境互動（Tool Use & Environment Interaction）
- 可以調用 API、數據庫、檔案系統，甚至機械人設備。
- 記憶與反思（Memory & Reflection）
- 可以保存歷史信息、回顧過去決策並改進。
- 持續運行（Persistent Execution）
- 可以長時間運行，而唔係一次對話（例如 AutoGPT、OpenDevin）。
二、AI Agent 嘅作用
簡單嚟講：LLM 係大腦，Agent 係大腦加埋身體。
三、AI Agent 嘅主要構成模組
現代 AI Agent 通常由以下五個核心部分組成（亦係 LangChain、LlamaIndex、CrewAI 等框架嘅基本設計）：
1️⃣ 語言模型（LLM）
智能核心，負責理解任務、推理同生成指令。
常見模型：GPT‑4、Claude 3、Gemini、DeepSeek‑V2、Mistral 等。
2️⃣ 記憶（Memory）
儲存歷史對話、任務上下文、長期知識。
常見形式：
- 短期記憶：會話緩存；
- 長期記憶：向量資料庫（例如 Pinecone、MongoDB Atlas Vector Search）。
3️⃣ 工具 / 動作系統（Tools / Actions）
Agent 可透過函數調用外部系統：
- 瀏覽器 / 網頁搜索；
- 數據庫 / API；
- Shell 命令；
- 檔案系統；
- 其他智能體。
（喺 OpenAI 體系中稱為 “Function calling” 或 “Actions”。）
4️⃣ 規劃器（Planner）
將複雜任務拆解為多個步驟（task decomposition）；
可使用 ReAct、Tree‑of‑Thought、Graph‑of‑Thought 等算法。
5️⃣ 環境（Environment）
Agent 運行嘅上下文（可以係 Web、CLI、IDE 或企業系統）。
呢個係 Agent 感知外部世界嘅“介面層”。
四、MCP Server 與 AI Agent 嘅關係
MCP（Model Context Protocol）係 Anthropic 喺2024年底提出嘅一個 LLM 同外部系統溝通嘅新標準協議，主要目的係讓大型語言模型（LLM）以標準化嘅方式訪問外部工具、數據源同上下文信息。佢定義咗一套通訊協議，令模型喺執行任務時可以動態呼叫本地或遠端資源，例如數據庫、API、文件、代碼執行環境等。
你可以咁理解：
MCP Server 係一種標準化嘅“插件通訊協議”。
佢定義咗智能體同外部系統嘅介面，例如：
- 文件讀寫 (
fsserver) - HTTP 請求 (
httpserver) - Shell 命令執行 (
shellserver) - 自定義 API 調用 (
customserver)
例如：
npx @modelcontextprotocol/server-http
就可以令一個 Agent 透過 MCP 協議訪問互聯網，而唔需要暴露 API 密鑰。
✅ 核心作用：
- 令智能體「好似人一樣」訪問世界（數據、API、系統）
- 提供安全、可控嘅工具調用層
- 可與唔同 LLM 相容（GPT、Claude、Gemini、DeepSeek 等）
五、Agent + MCP 嘅典型工作流程
- 用戶輸入任務：
「幫我查下 DeepSeek 最新模型嘅開源倉庫，並總結主要特性。」
- LLM（Agent 大腦）理解任務 → 生成計劃：
- 調用網絡搜索；
- 獲取倉庫信息；
- 分析 README；
- 輸出報告。
- MCP Server 提供工具層：
mcp_http→ 執行網絡請求；mcp_fs→ 讀取臨時檔案；mcp_shell→ 調用命令。- Agent 匯總結果 → 輸出自然語言報告。
六、總結：AI Agent 與 MCP 嘅未來方向
🔹一句話總結：
LLM 係大腦，Agent 係大腦+行動系統，MCP 係 Agent 與世界嘅通訊協議。