01 · AI、Agent、Agent System、Agent Platform 有什么区别？ - Definitions

所属知识库：Agent 全栈技术地图
所属领域：00 · Agent 技术体系是什么？ - Overview
文档类型：基础概念与边界研究
版本：v0.1
更新日期：2026 年 10 月 26 日
核心问题：四个概念分别是什么？它们的本质区别、判断标准和边界在哪里？

一、研究概述

AI、Agent、Agent System 和 Agent Platform 是现代人工智能应用开发中经常出现的四个概念。它们彼此关联，但描述的是不同层次、不同性质的技术对象。

AI 是一个广泛的技术领域，研究如何让计算系统实现通常需要智能才能完成的任务。Agent 是一种能够围绕目标感知信息、进行决策并采取行动的计算实体。Agent System 是支持一个或多个 Agent 完成任务的完整软件系统。Agent Platform 则是提供 Agent 创建、配置、执行、部署和管理能力的通用软件平台。

理解这些概念，需要区分三个问题：智能能力从哪里来？智能能力如何参与行动？如何将这种行动能力组织成可运行、可管理的软件系统？

在本知识库中，我们采用以下研究路径：

AI → Agent → Agent System → Agent Platform

这是一条从智能技术基础到智能体、系统工程和平台化建设的研究路径，并不意味着四者构成严格的包含关系，也不意味着所有 AI 应用都必须经历这四个阶段。

二、四个核心概念的定义

2.1 AI：什么是人工智能？

AI（Artificial Intelligence，人工智能）是研究和构建能够执行通常需要人类智能参与的任务的计算系统及相关技术的领域。

AI 涵盖机器学习、深度学习、自然语言处理、计算机视觉、知识表示、规划与搜索等不同技术方向。

在现代 Agent 开发中，最常见的智能能力来源是大语言模型（Large Language Model，LLM）和多模态模型。这些模型能够处理输入信息，生成文本或其他形式的输出，并在一定程度上完成推理、分析、分类、规划等任务。

需要特别区分：AI 不等于大语言模型，AI 模型也不等于 Agent。

大语言模型是 AI 技术的一种实现，而 Agent 是一种能够利用模型或其他决策机制参与行动的计算实体。

例如，一个通过 API 接收用户问题并返回文本答案的语言模型应用，可以属于 AI 应用，但不一定构成 Agent。

2.2 Agent：什么是智能体？

Agent（智能体）是能够在一定环境中获取信息，依据目标或任务要求作出决策，并通过行动影响环境或推进任务的计算实体。

从人工智能研究的广义定义来看，Agent 并不一定依赖大语言模型。传统智能体可以通过规则、搜索、规划算法或其他决策机制实现。

本知识库重点研究的是现代 LLM-based Agent（基于大语言模型的智能体）。

这类 Agent 通常结合以下能力：

• 目标与指令：明确需要完成的任务、行为要求和约束。
• 模型能力：利用模型理解信息、生成内容和辅助决策。
• 上下文管理：维护当前任务所需的信息。
• 工具使用：调用 API、执行代码、检索数据或操作外部系统。
• 执行控制：根据任务状态和工具反馈决定下一步行动。
• 状态与记忆：根据需要保存执行进度、历史信息或长期知识。

这些是常见能力，并不代表所有 Agent 都必须具有独立的记忆模块、规划模块或完整的工具系统。

Agent 与普通模型调用的主要区别，在于它是否承担了围绕目标选择和执行行动的职责。

例如，一个能够根据用户任务自主选择检索工具、获取资料、分析结果，并决定是否继续搜索的研究 Agent，比单次调用模型生成研究摘要的应用具有更明确的智能体特征。

2.3 Agent System：什么是智能体系统？

Agent System（智能体系统）是将一个或多个 Agent 与执行环境、模型服务、工具、状态管理及其他必要的软件组件组织起来，以完成特定任务或业务目标的软件系统。

Agent 描述的是智能执行单元，而 Agent System 描述的是支持该执行单元实际运行的完整系统。

一个 Agent System 可能包含：

• Agent 定义及其运行实例；
• 模型访问与调用服务；
• Agent Runtime 或 Agent Harness；
• 工具与外部系统集成；
• 任务调度与执行控制；
• 状态、上下文和数据管理；
• 必要的安全、监控、评估与故障处理机制；
• 面向用户或其他系统的交互接口。

具体系统的组成取决于任务复杂度、运行环境和工程要求，并不存在所有系统必须实现的统一组件清单。

需要明确的是：

Agent System 不等于 Multi-Agent System。

Multi-Agent System（多智能体系统）强调多个 Agent 之间的交互、协作、竞争或协调，是 Agent System 的一种重要组织形式，但不是唯一形式。

一个由单个 Agent、执行引擎、工具服务、状态存储和用户界面组成的应用，也可以构成完整的 Agent System。

2.4 Agent Platform：什么是智能体平台？

Agent Platform（智能体平台）是提供通用能力，用于创建、配置、部署、执行、管理和治理 Agent 及其应用的软件平台。

Agent Platform 的核心价值是将多个 Agent 应用可能重复需要的技术能力和管理功能进行抽象、复用与统一管理。

典型的平台能力包括：

• Agent 创建、注册与配置；
• 模型、工具和知识资源管理；
• Agent 运行环境与实例管理；
• 任务执行、工作流与协作管理；
• 工作空间、用户和权限管理；
• 运行监控、日志与评估；
• 版本、发布和生命周期管理；
• 资源配额、成本控制和平台治理。

Agent Platform 与 Agent System 的区别主要体现在服务对象、复用范围和管理职责。

Agent System 通常围绕具体任务或业务目标组织能力；Agent Platform 则提供可供多个 Agent 或 Agent System 使用的通用构建和运行能力。

例如，一个自动生成行业研究报告的系统属于 Agent System；一个允许用户创建不同研究 Agent、配置模型和工具、管理多个研究项目并监控执行状态的产品，则具有 Agent Platform 的典型特征。

需要注意，平台与系统并非互斥分类。一个 Agent Platform 本身也是软件系统，也可能包含用于平台管理的 Agent。二者的区别在于我们讨论的是具体任务系统，还是提供通用能力的平台。

三、四个概念的核心区别

比较维度	AI	Agent	Agent System	Agent Platform
概念性质	技术领域及其能力体系	智能执行实体	完整软件系统	通用软件平台
核心问题	如何实现智能能力？	如何围绕目标判断和行动？	如何支持 Agent 完成任务？	如何通用化地构建和管理 Agent？
主要关注	模型、算法、训练、推理	目标、决策、工具、行动	架构、执行、集成、工程保障	创建、配置、运行、管理、治理
典型输入	数据、提示词、任务信息	目标、指令、环境信息	用户请求、业务任务、系统事件	用户配置、Agent 定义、管理操作
典型输出	预测、分类、生成内容	行动、工具调用、任务结果	完整任务结果或业务服务	Agent 应用、运行实例、管理能力
是否必须使用 LLM	否	否	否	否
是否必须包含多个 Agent	不适用	否	否	否
是否需要独立平台	否	否	否	平台本身即研究对象
典型实例	语言模型、图像识别模型	研究 Agent、编程 Agent	自动化研究系统	Agent 开发与管理平台

这里的输入、输出是典型表现，不是严格的接口定义。例如，Agent Platform 可以通过 API 提供能力，也可以通过图形界面提供功能。

四、如何判断一个产品或技术属于哪个领域？

实际研究中，经常遇到一个软件同时具有 AI、Agent、Agent System 和 Agent Platform 的部分特征。因此，需要采用分层判断，而不是简单地为整个产品贴上唯一标签。

4.1 判断是否属于 AI 应用

首先判断软件是否使用人工智能技术实现其核心功能。

如果一个应用通过语言模型完成文本生成、分类或问答，那么它可以被归类为 AI 应用。

但使用 AI 并不自动意味着它是 Agent。

例如，一个输入文章后自动生成摘要的工具，即使使用了复杂的大语言模型，也不一定具有 Agent 的行动决策能力。

4.2 判断是否具有 Agent 特征

进一步判断软件是否围绕目标组织决策和行动。

可以关注以下问题：

1. 是否存在明确的任务目标？
2. 是否能够依据当前信息选择下一步行动？
3. 是否能够执行工具调用或其他对任务有实际作用的操作？
4. 是否能够利用行动结果继续推进任务？
5. 是否具备一定程度的自主执行或决策空间？

这些问题构成实用的判断依据，但不是所有 Agent 的严格必要条件。

例如，一个固定调用搜索工具、然后将结果交给模型总结的程序，更接近预先编排的 AI Workflow；如果系统能够根据搜索结果判断是否继续检索、修改查询或调用其他工具，则具有更明显的 Agent 特征。

4.3 判断是否构成 Agent System

当一个 Agent 需要依赖执行环境、工具服务、模型接口、状态管理等软件组件完成实际任务时，就可以从 Agent System 的角度研究整个解决方案。

判断重点是：

是否存在一个能够承载 Agent 执行并完成特定目标的系统边界？

例如，一个 Agent 可以只是配置文件和运行逻辑；但当它与后端服务、任务队列、工具执行环境、数据库和前端界面共同构成一个可运行应用时，研究对象就不再只是 Agent 本身，而是 Agent System。

系统的完整程度可以不同。简单的本地 Agent 程序与复杂的生产级 Agent 服务都可能属于 Agent System，但工程成熟度存在明显差异。

4.4 判断是否具有 Agent Platform 特征

进一步判断系统是否将 Agent 的创建、配置、运行和管理能力抽象为可复用的通用服务。

重点关注：

1. 是否能够管理多个 Agent 定义或实例？
2. 是否提供通用的创建、配置与运行机制？
3. 是否能够复用模型、工具、知识和执行资源？
4. 是否具备统一的权限、监控或生命周期管理能力？
5. 是否能够支持不同任务或应用，而不只服务于一个固定业务流程？

这些是平台化程度的判断维度，而不是必须全部满足的硬性标准。

一个只有简单 Agent 配置界面的应用，不一定已经构成完整的平台；一个能够支持不同 Agent 应用持续创建、运行和管理的系统，则更符合 Agent Platform 的定位。

五、几个容易混淆的相关概念

5.1 AI Model 与 Agent

AI Model 是提供预测、生成或其他智能计算能力的模型。

Agent 是围绕目标组织信息处理、决策和行动的计算实体。

模型可以作为 Agent 的核心能力来源，但 Agent 的行为通常还涉及模型之外的执行逻辑、工具、状态和环境交互。

因此，模型与 Agent 不应直接等同。

5.2 AI Workflow 与 Agent

AI Workflow（AI 工作流）通常指按照预先定义的步骤、条件或依赖关系执行的一系列操作，其中可以包含模型调用。

Agent 更强调在执行过程中依据任务状态动态决定行动。

两者并非互斥：工作流可以调用 Agent，Agent 也可以执行预定义工作流。

实际系统往往采用确定性工作流与 Agent 动态决策相结合的混合架构。

5.3 Agent Runtime 与 Agent

Agent Runtime 是承载 Agent 执行的软件运行机制或环境，通常负责模型调用、执行循环、工具调度、状态处理等工作。

Agent 更偏向任务目标、角色、能力和行为逻辑；Runtime 则负责使这些逻辑能够实际执行。

在某些框架中，Agent 定义与 Runtime 被封装在同一个对象或软件包中，因此二者的工程边界可能并不明显。

5.4 Agent Harness 与 Agent System

Agent Harness 通常指围绕模型或 Agent 建立的执行与控制机制，例如执行循环、上下文组织、工具调用、执行限制和反馈处理。

Agent System 则是包含 Agent、Harness 或 Runtime，以及其他必要软件组件的完整系统。

Harness 的定义在不同项目和技术文档中并不完全一致，有时与 Runtime 高度重叠。

因此，不能将 Harness 简单理解为与 Agent System 平级的系统类型，也不宜将其视为所有系统都必须独立部署的组件。

详细讨论参见：

Q1 - 什么是 Agent Harness，跟 Agent System 有什么区别？

5.5 Agent Framework 与 Agent Platform

Agent Framework（智能体开发框架）通常提供构建 Agent 所需的编程接口、组件和执行抽象。

Agent Platform 则进一步提供运行、管理、治理及面向开发者或用户的通用服务。

两者存在交叉，但通常可以从以下角度区分：

• Framework 主要帮助开发者编写和组织 Agent 程序。
• Platform 主要帮助开发者或用户创建、运行和管理 Agent 应用。

一个平台可以基于某个框架构建，也可以同时支持多个框架。

六、通过一个完整案例理解四者

假设需要开发一个能够自动完成行业研究报告的应用。

用户输入研究主题后，系统需要搜索资料、分析信息、整理结论、撰写报告，并将最终结果交付给用户。

6.1 AI：提供智能能力

系统使用大语言模型理解研究任务、分析资料并生成报告内容。

这里的研究对象是模型本身，以及模型如何通过 API 提供智能能力。

6.2 Agent：承担具体研究任务

可以设计一个研究 Agent，使其能够根据研究目标决定搜索哪些资料、调用哪些工具、如何分析信息，以及何时完成任务。

这里的研究对象是 Agent 的目标、指令、工具、上下文、决策与执行机制。

6.3 Agent System：支持完整研究流程

为了让研究 Agent 实际运行，需要进一步构建完整系统，包括任务入口、模型调用服务、搜索工具、数据库、执行控制、任务状态、日志和报告输出等。

如果采用多个 Agent，还可能需要研究 Agent、分析 Agent、写作 Agent 和审核 Agent 之间的任务编排。

这里的研究对象是整个系统如何组织、执行、管理和保障研究任务。

6.4 Agent Platform：提供通用构建与管理能力

如果希望用户能够创建不同的研究 Agent，为每个 Agent 配置模型和工具，建立多个研究工作空间，并统一查看任务状态、执行记录和结果，就需要进一步考虑平台化设计。

这里的研究对象是如何将 Agent 创建、配置、运行、协作和管理能力转化为通用平台功能。

需要注意：这四个阶段是用于解释概念的研究案例，不代表实际项目必须按照四个独立产品依次开发。

七、概念边界与研究原则

为了保证后续研究的一致性，本知识库采用以下原则。

第一，区分能力、实体、系统与平台。 AI 主要作为智能技术与能力基础进行研究；Agent 作为智能执行实体进行研究；Agent System 作为完整软件系统进行研究；Agent Platform 作为通用构建与管理平台进行研究。

第二，区分逻辑架构与具体实现。 逻辑上不同的技术职责，在实际代码中可能由同一个框架、服务或进程承担。不能仅凭部署数量判断一个系统属于哪个概念。

第三，不以 Agent 数量判断系统类型。 单 Agent 也可以构成 Agent System；多 Agent 也不意味着已经实现完整的平台化管理。

第四，不以是否具备图形界面判断平台属性。 平台可以通过 API、SDK、CLI 或图形界面提供服务。通用能力、复用范围与管理职责比界面形式更重要。

第五，区分研究分类与行业标准。 本知识库采用的四领域框架是为了组织学习与技术研究。不同技术组织对 Agent、Harness、Runtime、Framework 和 Platform 的定义可能存在差异，需要结合具体语境理解。

八、核心结论

AI、Agent、Agent System 和 Agent Platform 分别描述智能技术体系中的不同研究对象。

AI 研究智能能力如何产生和使用；Agent 研究智能实体如何围绕目标进行决策与行动；Agent System 研究如何组织完整的软件系统支持 Agent 完成任务；Agent Platform 研究如何将 Agent 的构建、运行与管理能力抽象为可复用的平台。

四者可以形成由基础技术到平台产品的研究路径，但不构成严格的一一包含关系。

理解这些区别，有助于在后续研究中明确技术职责、系统边界和架构层次，避免将模型、Agent、执行框架、完整系统与通用平台混为一谈。

九、关联文档

文档	关联内容
02 · 四者之间是什么关系？ - Architecture Relationships	进一步研究依赖关系、架构关系与运行关系
03 · 整个 Agent 技术体系由什么构成？ - Technology Landscape	研究完整技术体系的组成与分层
01 · AI	研究模型原理、模型工程与知识检索
02 · Agent	研究 Agent 的能力、结构和运行机制
03 · Agent System	研究系统架构、执行引擎与工程保障
04 · Agent Platform	研究平台技术架构、产品功能与开发实践
Q1 - 什么是 Agent Harness，跟 Agent System 有什么区别？	深入辨析 Harness、Runtime 与 Agent System

十、参考资料

以下资料可作为后续研究和术语校准的起点：

1. Russell, S., & Norvig, P. Artificial Intelligence: A Modern Approach. 人工智能与智能体的经典理论框架。
2. Anthropic. Building Effective Agents. 关于工作流与智能体的区分，以及常见 Agent 系统设计模式。
3. OpenAI. A Practical Guide to Building Agents. 关于现代 LLM Agent 的组成、工具使用与编排方法。
4. Microsoft. Agent Framework Documentation. 关于 Agent、工作流、运行机制及相关开发抽象的技术资料。

这些资料提供不同视角，不意味着它们共同采用本知识库中的四领域分类。