03 · 整个 Agent 技术体系由什么构成？ - Technology Landscape
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：技术全景与架构研究
版本：v1.0
更新日期：2026 年 10 月 26 日
核心问题：Agent 技术体系涉及哪些技术领域、核心组件与工程能力？这些技术如何组织为完整的软件架构？
一、研究概述
Agent 技术体系并不是由某个独立模型、开发框架或执行引擎构成的单一技术，而是一套围绕智能能力、智能体执行、软件系统运行与平台化管理形成的综合技术体系。
从技术构成来看，一个现代 Agent 应用可能同时涉及大语言模型、模型 API、Prompt Engineering、工具调用、上下文管理、Agent Runtime、任务编排、数据库、消息队列、权限控制、系统监控以及前端应用等不同技术。
这些技术来自人工智能、软件工程、分布式系统、数据工程和产品开发等多个领域。
为了建立清晰的研究结构，本知识库将 Agent 技术体系组织为四个核心领域：
AI → Agent → Agent System → Agent Platform
四个领域分别回答不同层次的问题：
| 技术领域 | 核心问题 | 研究对象 |
|---|---|---|
| AI | 智能能力如何产生和使用？ | 模型、推理、模型工程、知识检索 |
| Agent | 智能体如何围绕目标进行决策与行动？ | Agent 内部能力、行为机制、开发方法 |
| Agent System | 如何构建能够稳定运行的 Agent 软件系统？ | 基础设施、运行引擎、编排、工程保障 |
| Agent Platform | 如何构建通用的 Agent 开发与管理平台？ | 平台技术架构、管理能力、产品功能 |
需要注意，这四个领域是研究分类，而不是四个必须独立部署的软件层。
实际开发中，不同技术职责可以由同一个程序、框架或服务实现，也可以根据系统规模拆分为多个独立组件。
二、Agent 技术体系的整体技术地图
从研究范围来看，整个技术体系可以组织为以下结构：
Agent 全栈技术体系
│
├── 01 · AI · 人工智能
│ │
│ ├── AI Fundamentals · 人工智能基础
│ │ └── 人工智能基础、机器学习、深度学习、生成式 AI
│ │
│ ├── Model Architecture · 模型架构
│ │ └── 神经网络、Transformer、LLM、多模态、训练与推理
│ │
│ ├── Model Engineering · 模型工程
│ │ └── Model API · 模型接口、Prompt · 提示词、Context Window · 上下文窗口、Structured Outputs · 结构化输出
│ │ Function Calling · 工具调用、Model Routing · 模型路由、Deployment · 部署、Optimization · 优化
│ │
│ └── Knowledge & Retrieval · 知识与检索
│ └── Embeddings · 嵌入、Vector Database · 向量数据库、Retrieval · 检索、RAG · 检索增强生成、Knowledge Base · 知识库
│
├── 02 · Agent · 智能体
│ │
│ ├── Fundamentals · 基础
│ │ └── 定义、组成、能力、类型、执行机制、生命周期
│ │
│ ├── Internal Architecture · 内部能力结构
│ │ ├── A1 Identity & Role · 身份与角色
│ │ ├── A2 Model · 模型
│ │ ├── A3 Instructions · 指令
│ │ ├── A4 Context · 上下文
│ │ ├── A5 Memory · 记忆
│ │ ├── A6 Knowledge · 知识
│ │ ├── A7 Tools · 工具
│ │ ├── A8 Skills · 技能
│ │ ├── A9 Planning & Reasoning · 规划与推理
│ │ └── A10 Permissions & Constraints · 权限与约束
│ │
│ └── Development & Practice · 开发与实践
│ └── Design · 设计、Configuration · 配置、Implementation · 实现、Testing · 测试、Case Studies · 案例研究
│
├── 03 · Agent System · 智能体系统
│ │
│ ├── Fundamentals · 基础
│ │ └── 定义、组成、运行机制、类型、成熟度、架构原则
│ │
│ ├── Technical Architecture · 技术架构
│ │ ├── L1 Infrastructure · 基础设施
│ │ ├── L2 Platform Services · 基础软件服务
│ │ ├── L3 Model Services · 模型服务
│ │ ├── L4 Agent Engine · 执行引擎
│ │ ├── L5 Orchestration & Collaboration · 编排与协作
│ │ └── L6 Application · 应用
│ │
│ └── Engineering & Governance · 工程与治理
│ ├── H1 Observability · 可观测性
│ ├── H2 Security · 安全
│ ├── H3 Evaluation · 评估
│ ├── H4 State Management · 状态管理
│ ├── H5 Configuration · 配置
│ ├── H6 Human-in-the-Loop · 人在回路
│ ├── H7 Reliability · 可靠性
│ ├── H8 Resource Management · 资源管理
│ ├── H9 Data Governance · 数据治理
│ ├── H10 Testing & Validation · 测试与验证
│ ├── H11 Deployment & Operations · 部署与运维
│ └── H12 Policy & Governance · 策略与治理
│
└── 04 · Agent Platform · 智能体平台
│
├── Fundamentals · 基础
│ └── 定义、组成、架构、类型、生命周期、设计原则
│
├── Technical Architecture · 技术架构
│ ├── P1 Control Plane · 控制平面
│ ├── P2 Execution Plane · 执行平面
│ ├── P3 Agent Registry · Agent 注册
│ ├── P4 Agent Development Services · Agent 构建与开发服务
│ ├── P5 Deployment & Runtime Management · 部署与运行管理
│ ├── P6 Workflow Management · 工作流管理
│ ├── P7 Resource & Integration · 资源与集成
│ ├── P8 Platform API & SDK · 平台 API 与 SDK
│ ├── P9 Extensibility & Ecosystem · 扩展与生态
│ ├── P10 Platform Data & Assets · 平台数据与资产
│ ├── P11 Multi-tenancy & Isolation · 多租户与隔离
│ └── P12 Platform Governance · 平台治理
│
├── Product Architecture · 产品架构
│ ├── F1 Agent Creation · Agent 创建
│ ├── F2 Agent Configuration · Agent 配置
│ ├── F3 Agent Development & Testing · 开发与测试
│ ├── F4 Agent Publishing & Sharing · 发布与共享
│ ├── F5 Workspace & Project Management · 工作空间与项目
│ ├── F6 Agent Execution · Agent 执行
│ ├── F7 Agent Collaboration · Agent 协作
│ ├── F8 Agent Monitoring · Agent 监控
│ ├── F9 Agent Management · Agent 管理
│ ├── F10 Artifact & Delivery Management · 产物与交付
│ ├── F11 Developer Experience · 开发者体验
│ └── F12 Platform Administration · 平台管理
│
└── Engineering & Practice · 工程实践
└── Case Studies · 案例研究、Technology Selection · 技术选型、System Design · 系统设计
Development Roadmap · 开发路线、Deployment · 部署、Testing · 测试这张技术地图展示的是整个知识库的研究范围。
接下来需要进一步理解每个领域内部的技术组成，以及不同领域之间的衔接方式。
三、AI：智能能力基础
AI 是现代 LLM Agent 的主要智能能力来源。
在本知识库中，AI 板块重点研究与 Agent 开发直接相关的模型原理、模型调用和知识检索技术。
3.1 AI Fundamentals：人工智能基础
这一部分负责建立基本概念，包括：
- 人工智能、机器学习与深度学习的关系；
- 人工智能技术的主要发展阶段；
- 生成式人工智能的基本原理；
- AI 模型的能力与局限。
它解决的是理解 Agent 技术所需的基础认知问题。
3.2 Model Architecture：模型架构
模型架构研究 AI 模型如何构建、训练和运行。
| 编号 | 技术主题 | 核心研究内容 |
|---|---|---|
| M1 | Model Fundamentals | 模型的基本组成、参数与计算机制 |
| M2 | Neural Networks | 神经网络结构、训练与信息处理 |
| M3 | Transformer Architecture | Attention、Token、位置编码与 Transformer |
| M4 | Large Language Models | 大语言模型的架构、能力与基本机制 |
| M5 | Multimodal Models | 文本、图像、音频等不同模态的处理 |
| M6 | Pre-training & Post-training | 预训练、指令微调、偏好优化等方法 |
| M7 | Inference & Decoding | 模型推理、Token 生成与解码策略 |
| M8 | Model Evaluation | 模型能力、性能、可靠性与局限评估 |
对于 Agent 开发而言，理解模型架构的主要价值是掌握模型的能力边界和运行特征，而不一定需要自行训练基础模型。
3.3 Model Engineering：模型工程
模型工程研究开发者如何在实际软件中使用和管理 AI 模型。
| 编号 | 技术主题 | 核心研究内容 |
|---|---|---|
| E1 | Model API | 模型接口、请求与响应、SDK |
| E2 | Prompt Engineering | 提示词结构、指令设计与输入管理 |
| E3 | Context Window | 上下文窗口、Token 预算与上下文组织 |
| E4 | Structured Outputs | JSON Schema、结构化生成与结果验证 |
| E5 | Function Calling | 工具调用描述、参数生成与调用协议 |
| E6 | Model Routing | 模型选择、路由、回退与多模型策略 |
| E7 | Model Deployment | 开源模型部署、推理服务与运行环境 |
| E8 | Inference Optimization | 延迟、吞吐、缓存、Token 成本与性能优化 |
模型工程是连接 AI 与 Agent 的重要技术领域。
例如，Agent 需要通过 Model API 访问模型，通过 Prompt Engineering 组织输入，通过 Structured Outputs 获得可处理的数据，并通过 Function Calling 生成工具调用请求。
需要区分的是，Function Calling 主要解决模型如何表达工具调用意图；实际工具执行仍然需要由 Agent 或 Agent System 的软件机制完成。
3.4 Knowledge & Retrieval：知识与检索
这一部分研究如何让 AI 应用利用模型参数之外的信息。
| 编号 | 技术主题 | 核心研究内容 |
|---|---|---|
| K1 | Parametric Knowledge | 模型参数中的知识及其局限 |
| K2 | Embeddings | 文本等信息的向量表示 |
| K3 | Vector Databases | 向量存储、索引与相似度搜索 |
| K4 | Information Retrieval | 关键词检索、语义检索、混合检索与排序 |
| K5 | Retrieval-Augmented Generation | 检索增强生成的架构与流程 |
| K6 | Knowledge Base | 文档处理、知识组织、索引与更新 |
| K7 | Retrieval Evaluation | 检索相关性、召回、回答质量与评估 |
这一领域为 Agent 的外部知识获取提供技术基础。
但知识检索并不等于 Agent Memory。知识库主要组织可检索的信息资源，而 Agent Memory 更关注与 Agent 执行经历、用户交互或持续状态相关的信息保存和使用。
四、Agent：智能体的内部技术结构
Agent 是整个技术体系的核心研究对象。
本板块主要研究如何围绕目标组织模型、指令、工具和其他能力，使其能够参与实际任务执行。
4.1 Agent Fundamentals：基础概念
首先需要理解 Agent 的定义、组成、核心能力、类型、执行机制和生命周期。
这一部分重点回答：
- 什么样的软件可以被称为 Agent？
- Agent 与普通 LLM 应用有什么区别？
- Agent 如何根据目标决定行动？
- Agent 有哪些常见的组织形式？
- 如何设计一个 Agent？
这些内容为后续研究 Agent 内部架构建立基础。
4.2 Internal Architecture：内部能力结构
本知识库采用 A1–A10 十个技术主题研究 Agent 的内部能力。
| 编号 | 技术主题 | 核心职责 |
|---|---|---|
| A1 | Identity & Role | 定义 Agent 的身份、角色与任务定位 |
| A2 | Model | 为 Agent 提供模型能力 |
| A3 | Instructions | 定义行为指令、规则与约束 |
| A4 | Context | 组织当前任务所需的信息 |
| A5 | Memory | 保存和利用历史信息与经验 |
| A6 | Knowledge | 获取和使用外部知识资源 |
| A7 | Tools | 调用外部工具并执行操作 |
| A8 | Skills | 组织和复用专业任务能力 |
| A9 | Planning & Reasoning | 形成计划、进行推理和选择行动 |
| A10 | Permissions & Constraints | 限制可执行操作与行为边界 |
这十个主题描述的是 Agent 设计中需要研究的能力维度，并不意味着每个 Agent 都必须实现十个独立模块。
例如，一个简单 Agent 可能只需要模型、指令、上下文和工具调用；复杂 Agent 则可能增加长期记忆、知识检索、技能管理和规划机制。
4.3 Development & Practice：设计与开发
Agent 开发需要将上述能力组织为可执行的软件逻辑。
主要涉及：
- 根据任务需求定义 Agent 的目标和职责。
- 配置模型、指令、工具及相关资源。
- 选择适当的 Agent Framework 或自行实现执行逻辑。
- 设计执行循环、状态处理和终止条件。
- 通过测试与评估验证 Agent 的任务完成能力。
Agent 的内部能力与执行机制密切相关，但 Agent 的逻辑定义不一定与 Runtime 的具体实现完全一致。
因此，本知识库将 Agent 的能力设计与 Agent System 的运行引擎分别研究。
五、Agent System：完整软件系统的技术架构
Agent System 研究如何将一个或多个 Agent 与其他软件组件组织为能够实际运行的系统。
与 Agent 内部结构相比，Agent System 更关注系统边界、软件组件、运行机制和工程保障。
本知识库采用两组互补的研究框架：
L1–L6：纵向技术架构。
H1–H12：横向工程能力。
前者研究系统由哪些主要技术层次组成，后者研究系统在运行过程中需要满足哪些工程要求。
5.1 Technical Architecture：六层纵向架构
| 层级 | 技术领域 | 核心职责 | 典型技术 |
|---|---|---|---|
| L1 | Infrastructure | 提供计算、网络和存储资源 | 云服务器、容器、GPU、对象存储 |
| L2 | Platform Services | 提供通用基础软件服务 | 数据库、缓存、消息队列、认证、任务服务 |
| L3 | Model Services | 提供模型接入与调用管理 | Model Gateway、API Client、模型路由 |
| L4 | Agent Engine | 驱动 Agent 的执行过程 | Agent Runtime、Harness、Agent Loop |
| L5 | Orchestration & Collaboration | 组织任务流程与多 Agent 协作 | Workflow Engine、Task Orchestration、Agent Communication |
| L6 | Application | 将 Agent 能力提供给用户或外部系统 | Web App、API、CLI、Bot、业务集成 |
这六层构成一个用于分析 Agent System 的纵向参考模型。
L1 · Infrastructure
基础设施提供系统运行所需的计算、网络和存储资源。
例如，Agent System 可以运行在本地计算机、云服务器、容器环境或 Kubernetes 集群中。
如果使用远程模型 API，系统不一定需要自行部署 GPU 推理基础设施。
L2 · Platform Services
基础软件服务为系统提供通用的工程能力。
例如，数据库用于存储任务与配置，缓存用于提升访问性能，消息队列用于异步任务处理，身份认证服务用于管理用户和访问权限。
这里的 Platform Services 指基础软件服务，不等于 Agent Platform。
L3 · Model Services
模型服务负责连接和管理 AI 模型。
它可以提供统一模型接口、模型路由、调用控制、错误处理和使用统计等能力。
这一层与 AI Model Engineering 密切相关，但研究视角不同：AI 侧重模型调用技术本身，Agent System 侧重模型服务如何融入完整系统。
L4 · Agent Engine
Agent Engine 是驱动 Agent 实际执行的核心机制。
典型内容包括 Agent Runtime、Agent Harness、执行循环、工具调度、执行控制和运行状态处理。
它负责将 Agent 的目标、配置和行为逻辑转化为实际执行过程。
L5 · Orchestration & Collaboration
编排与协作层负责组织任务执行关系。
对于复杂任务，系统可能需要将任务拆分为多个步骤，协调不同 Agent，管理执行依赖，或者通过工作流控制任务顺序。
并不是所有 Agent System 都需要多 Agent 协作。单 Agent 系统也可能使用工作流编排。
L6 · Application
应用层负责将 Agent System 的能力提供给用户或外部软件。
例如，网页应用、桌面程序、移动应用、聊天机器人、命令行工具或 API 服务，都可以作为 Agent System 的应用入口。
应用层通常负责用户交互、任务提交、结果展示和业务集成。
5.2 Engineering & Governance：十二个横向工程能力
纵向架构解释系统如何构成，但完整系统还需要满足可靠运行、安全控制和持续维护等要求。
这些要求通常贯穿多个技术层次，因此采用横向能力域进行研究。
| 编号 | 技术领域 | 核心研究问题 |
|---|---|---|
| H1 | Observability | 如何观察、追踪和诊断系统运行？ |
| H2 | Security | 如何保护系统、数据、工具和执行环境？ |
| H3 | Evaluation | 如何评估 Agent System 的任务完成质量？ |
| H4 | State Management | 如何保存、恢复和管理任务状态？ |
| H5 | Configuration | 如何管理系统配置与版本？ |
| H6 | Human-in-the-Loop | 如何让人类参与监督、审核和干预？ |
| H7 | Reliability | 如何处理失败、重试、超时与故障恢复？ |
| H8 | Resource Management | 如何管理资源、并发、成本和预算？ |
| H9 | Data Governance | 如何管理数据访问、存储、保留和生命周期？ |
| H10 | Testing & Validation | 如何测试和验证系统行为？ |
| H11 | Deployment & Operations | 如何部署、发布、升级和运维系统？ |
| H12 | Policy & Governance | 如何制定和执行系统治理策略？ |
横向工程能力并不是独立于六层架构之外的另一套软件系统。
例如，H2 Security 可能同时涉及 L2 的身份认证、L4 的工具权限、L5 的执行审批和 L6 的用户访问控制。
同样，H4 State Management 可能同时涉及 Agent Runtime、工作流引擎和数据库。
因此，六层纵向架构与十二个横向能力域之间存在交叉关系。
六、Agent Platform：通用平台的技术与产品架构
Agent Platform 研究如何将 Agent 的创建、配置、运行和管理能力抽象为可复用的服务。
与 Agent System 相比，Agent Platform 更强调多应用复用、统一管理、生命周期控制和用户产品能力。
本知识库从技术架构、产品架构和工程实践三个方面展开。
6.1 Technical Architecture：平台技术架构
| 编号 | 技术领域 | 核心职责 |
|---|---|---|
| P1 | Control Plane | 统一管理平台配置、资源和控制操作 |
| P2 | Execution Plane | 承载 Agent 任务和执行过程 |
| P3 | Agent Registry | 注册、存储和管理 Agent 定义与版本 |
| P4 | Agent Development Services | 提供 Agent 构建与开发服务 |
| P5 | Deployment & Runtime Management | 管理部署、实例与运行生命周期 |
| P6 | Workflow Management | 管理任务流程与工作流执行 |
| P7 | Resource & Integration | 统一接入模型、工具和外部资源 |
| P8 | Platform API & SDK | 提供统一的 API 与 SDK |
| P9 | Extensibility & Ecosystem | 支持插件、扩展与第三方集成 |
| P10 | Platform Data & Assets | 管理平台数据、产物与共享资产 |
| P11 | Multi-tenancy & Isolation | 管理多租户、组织与工作空间隔离 |
| P12 | Platform Governance | 管理平台权限、资源配额和治理策略 |
其中，Control Plane 与 Execution Plane 是理解平台架构的重要概念。
Control Plane 主要负责管理 Agent 定义、配置、权限、运行策略和资源分配等控制信息。
Execution Plane 主要负责实际承载 Agent 任务执行。
两者可以在逻辑上分离，但不一定需要部署为完全独立的软件系统。
6.2 Product Architecture：平台产品功能
平台技术架构解决后台能力如何实现，产品架构则解决用户如何使用这些能力。
| 编号 | 产品功能 | 用户需要完成的操作 |
|---|---|---|
| F1 | Agent Creation | 创建新的 Agent |
| F2 | Agent Configuration | 配置模型、指令、工具和能力 |
| F3 | Agent Development & Testing | 开发、调试和测试 Agent |
| F4 | Agent Publishing & Sharing | 发布、共享和复用 Agent |
| F5 | Workspace & Project Management | 组织和管理工作空间与项目 |
| F6 | Agent Execution | 启动、暂停、操作和控制任务 |
| F7 | Agent Collaboration | 组织多个 Agent 协作 |
| F8 | Agent Monitoring | 查看任务状态、执行过程和结果 |
| F9 | Agent Management | 管理 Agent 版本与生命周期 |
| F10 | Artifact & Delivery Management | 管理任务产物与交付成果 |
| F11 | Developer Experience | 通过 API 与 SDK 集成平台能力 |
| F12 | Platform Administration | 管理用户、权限、资源和平台设置 |
技术架构与产品架构之间存在映射关系，但不是一一对应关系。
例如，F6 Agent Execution 可能同时依赖 P2 Execution Plane、P5 Deployment & Runtime Management 和 P6 Workflow Management。
而 P7 Resource & Integration 可能同时支持 Agent 创建、配置、执行和管理等多个产品功能。
6.3 Engineering & Practice：平台工程实践
Agent Platform 的开发不仅涉及技术组件，还需要考虑实际的软件产品建设过程。
主要包括：
- 研究现有 Agent Platform 的架构与产品设计；
- 根据目标用户和使用场景选择技术框架；
- 设计平台整体系统架构；
- 制定分阶段开发路线；
- 部署、运维和持续升级平台；
- 通过测试、评估和用户反馈持续改进。
平台化建设应根据实际需求逐步展开，而不是一开始就实现所有技术和产品模块。
七、四大技术领域如何连接？
前面的内容按照研究领域介绍技术组成，但在实际软件系统中，这些技术需要通过接口和执行机制相互连接。
可以通过以下简化架构理解：
用户 / 开发者
│
▼
Agent Platform
┌────────────────────────┐
│ Agent 创建、配置与管理 │
│ 运行控制、监控与治理 │
└────────────┬───────────┘
│
▼
Agent System
┌────────────────────────────────────────────────┐
│ │
│ L6 Application │
│ │ │
│ ▼ │
│ L5 Orchestration & Collaboration │
│ │ │
│ ▼ │
│ L4 Agent Engine │
│ │ │
│ ▼ │
│ Agent │
│ │ │
│ ├─────────────┬─────────────┐ │
│ │ │ │ │
│ ▼ ▼ ▼ │
│ Model Tools Context │
│ │ │ │ │
│ ▼ ▼ ▼ │
│ L3 Model 外部服务 状态与数据 │
│ Services │
│ │ │
│ ▼ │
│ AI Model │
│ │
│ L2 Platform Services │
│ L1 Infrastructure │
│ │
│ H1–H12 Engineering & Governance │
└────────────────────────────────────────────────┘这是一张逻辑关系示意图，不代表严格的请求调用顺序或物理部署结构。
在实际系统中，Agent Runtime 可能直接调用模型服务和工具；任务编排可能负责启动多个 Agent；平台也可能通过独立接口管理运行在其他环境中的 Agent System。
7.1 AI 与 Agent 的连接
主要通过模型调用接口实现。
Agent 使用模型处理任务信息、生成内容或提出行动建议。
涉及的关键技术包括 Model API、Prompt Engineering、Context Window、Structured Outputs 和 Function Calling。
7.2 Agent 与 Agent System 的连接
主要通过 Agent Runtime、Agent Harness 和其他执行机制实现。
Agent 的定义与行为逻辑被加载到执行环境中，由系统负责模型调用、工具执行、状态更新和任务控制。
7.3 Agent System 与 Agent Platform 的连接
主要通过平台控制接口、运行接口和管理服务实现。
Agent Platform 可以负责 Agent 注册、配置、启动、监控、权限和生命周期管理。
Agent System 可以由平台直接承载，也可以独立运行并通过 API 与平台连接。
7.4 纵向架构与横向工程能力的连接
横向工程能力贯穿 Agent System 的多个层次。
例如，一次工具调用可能同时涉及：
- L4 Agent Engine：决定并执行工具调用；
- H2 Security：验证工具访问权限；
- H1 Observability：记录调用过程；
- H7 Reliability：处理超时与重试；
- H8 Resource Management：控制调用次数和成本。
这说明技术架构不仅需要明确组件之间的调用关系，还需要考虑执行过程中涉及的工程约束。
八、通过一个实际案例理解完整技术体系
假设需要构建一个自动化行业研究系统。
用户输入研究主题后，系统需要收集资料、分析信息、形成结论、撰写报告，并允许用户查看执行过程和最终结果。
8.1 AI 技术
系统使用大语言模型进行资料理解、内容分析和报告生成。
可能涉及 Model API、Prompt Engineering、Structured Outputs、Embeddings 和 RAG。
8.2 Agent 技术
可以设计研究 Agent、分析 Agent、写作 Agent 和审核 Agent。
每个 Agent 根据任务职责配置不同的指令、模型、工具、知识和执行策略。
但是否采用多个 Agent，应当根据任务复杂度和实际效果决定。
8.3 Agent System 技术
系统需要提供任务入口、执行引擎、工具接口、状态管理、工作流编排和报告输出。
如果任务执行时间较长，还可能需要异步任务队列、持久化状态、失败重试和运行监控。
8.4 Agent Platform 技术
如果希望支持多个研究项目、不同 Agent 配置、多个工作空间以及统一的任务管理，可以进一步建设 Agent Platform。
平台允许用户创建 Agent、配置模型和工具、管理任务流程、查看执行状态，并对不同 Agent 的运行资源进行管理。
这一案例说明，完整 Agent 产品的实现通常需要多个技术领域协同，而不是仅依靠某一个模型或 Agent Framework。
九、如何使用这张技术地图？
这张技术地图可以用于三个方面。
9.1 用于技术学习
当遇到一个新技术概念时，首先判断它主要属于哪个研究领域，再进入相应专题。
例如：
- Transformer → AI / Model Architecture
- Prompt Engineering → AI / Model Engineering
- Agent Memory → Agent / Internal Architecture
- Agent Harness → Agent System / Agent Engine
- Multi-Agent Orchestration → Agent System / Orchestration & Collaboration
- Agent Registry → Agent Platform / Technical Architecture
对于跨领域技术，应当根据研究视角建立多个关联，而不是重复编写完全相同的内容。
9.2 用于系统架构设计
在设计 Agent 应用时，可以通过技术地图检查系统是否具备完成任务所需的能力。
例如，先明确 Agent 的目标、模型和工具，再确定运行引擎、模型服务、状态存储、任务编排和应用接口，最后评估安全、可靠性、监控和部署要求。
不需要机械地实现所有技术模块，而应根据实际需求选择必要组件。
9.3 用于技术选型与项目评估
技术地图可以帮助比较不同 Agent Framework、Agent Runtime、Agent System 和 Agent Platform 的能力范围。
例如，研究某个 Agent Framework 时，可以判断它主要解决 Agent 定义、工具调用、执行循环还是任务编排问题。
研究某个 Agent Platform 时，则可以进一步判断它是否提供 Agent Registry、Agent Builder、Runtime Management、Workflow Management 和 Platform Governance 等能力。
这种方式有助于避免仅凭产品名称判断其技术定位。
十、核心结论
Agent 技术体系涉及四个核心研究领域：
AI、Agent、Agent System 和 Agent Platform。
AI 提供智能计算能力，Agent 将这些能力用于目标驱动的决策与行动，Agent System 组织 Agent 及相关软件组件完成实际任务，Agent Platform 将通用的创建、运行和管理能力抽象为可复用的平台服务。
从具体技术构成来看：
- AI 包含模型架构、模型工程和知识检索等技术。
- Agent 包含身份、模型、指令、上下文、记忆、知识、工具、技能、规划与权限等能力主题。
- Agent System 包含六层纵向参考架构，以及十二个横向工程能力域。
- Agent Platform 包含十二个平台技术主题、十二个产品功能主题，以及相关工程实践。
这些分类共同构成了本知识库的 Agent 全栈技术地图。
需要强调的是，技术地图是用于理解、设计和评估系统的参考模型，不是所有项目必须遵循的固定架构。实际开发应根据任务需求、系统规模、工程复杂度和资源条件选择适当的技术组合。
十一、关联研究
| 关联文档 | 研究内容 |
|---|---|
| 01 · AI、Agent、Agent System、Agent Platform 有什么区别？ - Definitions | 核心概念与技术边界 |
| 02 · 四者之间是什么关系？ - Architecture Relationships | 能力依赖、架构组成与运行关系 |
| 04 · 如何系统学习和研究 Agent 技术？ - Learning Roadmap | 技术学习顺序与实践路径 |
| 01 · AI | 模型原理、模型工程与知识检索 |
| 02 · Agent | Agent 内部能力与开发实践 |
| 03 · Agent System | 系统技术架构与工程治理 |
| 04 · Agent Platform | 平台技术架构、产品架构与工程实践 |
| 05 · 常见问题 - FAQ | 跨领域技术问题与概念辨析 |