02 · Agent 的能力由哪些部分构成？ - Internal Architecture

所属知识库：Agent 全栈技术地图
所属领域：02 · Agent
所属章节：02 · Agent 的能力由哪些部分构成？ - Internal Architecture
文档类型：章节导读
版本：v1.1
更新日期：2026 年 10 月 28 日
核心问题：一个 Agent 的内部能力如何形成、组织、运行、扩展与约束？Identity & Role、Model、Instructions、Context、Memory、Knowledge、Tools、Skills、Planning & Reasoning 和 Permissions & Constraints 分别依赖哪些技术机制、数据结构与实现方式？这些能力如何通过信息流、控制流和状态流相互协作，最终形成能够完成复杂任务的 Agent？

章节导读

本章承接 Fundamentals 的七篇基础研究，开始从 Agent 的整体运行原理进入其内部技术架构，系统研究支撑 Agent 理解任务、处理信息、形成决策、调用工具、积累经验和执行行动的核心能力。

一个 Agent 能够完成任务，并不是因为大语言模型单独具备了所有能力。模型提供理解、推理与生成等基础能力，但 Agent 的实际行为还受到角色定义、行为指令、上下文组织、长期记忆、外部知识、工具接口、技能组织、任务规划及权限约束等多种机制的共同影响。这些机制相互连接，在运行过程中持续交换信息、更新状态并触发行动，最终形成 Agent 的整体能力。

本章将 Agent 的内部能力划分为十个研究维度：Identity & Role、Model、Instructions、Context、Memory、Knowledge、Tools、Skills、Planning & Reasoning，以及 Permissions & Constraints。它们分别回答 Agent 是谁、依靠什么进行认知、遵循什么规则、如何使用当前信息、如何保存经验、如何获取外部知识、如何执行操作、如何复用专业能力、如何规划行动，以及如何受到约束等问题。

需要明确的是，这十个维度是一套面向技术研究和工程设计的功能划分，并不意味着每个 Agent 都必须具有十个独立的软件模块。实际系统可能将多个能力集成在同一个运行时中，也可能将某项能力拆分为多个服务、组件或独立 Agent。不同实现方式的差异，正是本章需要进一步研究的内容。

与前一章侧重整体认知不同，本章将重点研究每项能力背后的技术原理、具体运行机制、关键数据结构、算法策略、模块架构和工程实现。研究不仅需要解释某项能力是什么、为什么需要它，还应尽可能说明它在系统中如何工作，输入如何转化为输出，状态如何发生变化，以及如何通过代码、接口和运行时机制实现。

本章最终希望建立一套跨模型、跨框架、跨应用场景的 Agent 内部架构分析方法，为后续 Agent 的设计、开发、调试和技术选型提供系统性的知识基础。

一、章节定位与核心研究问题

1.1 从整体运行原理进入内部技术机制

在 Fundamentals 中，我们已经从 Agent 的定义、组成、核心能力、执行机制、类型、设计方法和生命周期七个方面，建立了对 Agent 的整体认识。

这些研究主要回答：

• Agent 是什么，与普通大语言模型应用有什么区别？
• Agent 由哪些基本部分组成？
• Agent 如何感知环境、形成决策并执行行动？
• Agent 可以采用哪些架构与运行模式？
• 如何从整体上设计和管理一个 Agent？

但当我们真正开始开发 Agent 时，还需要回答更加具体的问题。

例如，Agent 为什么能够在不同任务中保持稳定的角色定位？模型如何获得当前任务的有效信息？长期记忆应当保存在哪里，如何决定写入和检索？当多个工具都能完成同一操作时，Agent 如何选择？任务执行到一半发生中断时，哪些状态必须保存？模型提出的操作又如何转化为受到权限约束的实际执行？

这些问题已经超出了 Agent 整体概念的范畴，进入内部架构与工程实现层面。

因此，本章将 Agent 视为一个由多种技术机制协同构成的任务执行系统，进一步拆解其内部能力。

1.2 本章的核心研究问题

本章围绕一个核心问题展开：

一个 Agent 的内部能力如何形成、组织、运行、扩展与约束？

这一问题可以进一步分解为四个研究层次。

第一层：身份与行为定义。

Agent 如何获得明确的角色定位、任务职责和行为规则？这些定义如何进入模型调用过程，并在多轮交互和长期任务中保持一致？

主要涉及 Identity & Role、Instructions。

第二层：认知与信息组织。

Agent 如何依靠模型理解任务和生成决策？当前信息如何组织成模型可以处理的上下文？历史经验如何保存和检索？外部知识如何被获取、验证和利用？

主要涉及 Model、Context、Memory、Knowledge。

第三层：能力扩展与行动组织。

Agent 如何将模型产生的行动意图转化为实际工具调用？如何将工具、知识和流程组织为可复用的专业技能？如何分解目标、安排任务顺序，并根据执行反馈调整计划？

主要涉及 Tools、Skills、Planning & Reasoning。

第四层：权限与执行约束。

Agent 的行动能力如何受到授权、策略、资源限制和运行时检查的约束？如何确保模型提出的操作只有在满足执行条件时才能真正发生？

主要涉及 Permissions & Constraints。

这四个层次提供了一种理解内部能力的视角，但不代表严格的运行顺序。

例如，规划可能在检索知识之前发生，也可能根据检索结果重新执行；工具调用可能改变上下文和任务状态；权限检查则可能贯穿整个行动过程。

因此，理解 Agent 内部架构，既需要研究各个能力模块，也需要研究它们之间的动态协作关系。

1.3 本章研究的三个技术视角

为了避免将内部架构简单理解为十个功能模块的集合，本章将贯穿使用三个技术视角。

信息流（Information Flow）

研究信息如何在用户输入、模型、上下文、记忆、知识来源和工具结果之间传递、筛选、转换与使用。

例如，外部文档如何经过检索、解析和证据提取进入模型上下文。

控制流（Control Flow）

研究系统如何决定下一步执行什么操作，以及模型决策、规划逻辑、工具调用和运行时控制之间如何协作。

例如，Agent 如何从“需要更多资料”的判断，进入工具选择、参数生成、调用执行和结果处理。

状态流（State Flow）

研究 Agent 在执行过程中有哪些状态需要保存、更新、恢复和共享，以及不同状态分别由什么机制管理。

例如，当前对话上下文、长期记忆、研究进度、工具执行状态和任务检查点之间有什么区别。

这三个视角共同构成后续专题研究内部机制的重要方法。

二、章节研究结构

本章设置十个专题，分别研究 Agent 内部架构中的十个核心能力维度。

编号	研究专题	核心研究问题	重点技术机制
A1	Identity & Role	Agent 如何定义身份、职责、目标与角色边界？	角色契约、身份绑定、任务路由、角色切换与交接
A2	Model	Agent 如何获得理解、推理、决策与生成能力？	模型调用、推断机制、结构化输出、工具选择与模型路由
A3	Instructions	如何定义、组织和执行 Agent 的行为指令？	指令层级、冲突处理、作用域、Prompt 装配与执行控制
A4	Context	Agent 如何管理当前任务所需的信息？	上下文装配、Token 预算、信息选择、压缩与状态恢复
A5	Memory	Agent 如何形成、保存、检索和更新记忆？	记忆生命周期、写入策略、记忆整合、检索排序与持久化
A6	Knowledge	Agent 如何获取、验证和利用外部知识？	知识需求识别、检索路由、RAG、证据提取与知识整合
A7	Tools	Agent 如何发现、选择、调用工具并处理执行结果？	工具协议、参数生成、调用调度、结果解析与错误恢复
A8	Skills	Agent 如何组织和复用专业技能？	技能定义、发现、加载、组合、执行与版本管理
A9	Planning & Reasoning	Agent 如何推理、规划并动态调整行动？	任务分解、规划算法、状态评估、行动选择与反馈控制
A10	Permissions & Constraints	如何限制 Agent 的权限和行为边界？	能力授权、策略执行、运行时校验、审批与资源限制

十个专题按照从基本定义、认知基础、信息组织到能力扩展、行动决策和执行约束的逻辑展开。

但在真实系统中，这些能力往往同时参与任务执行。

2.1 一个研究 Agent 的完整执行过程

以研究助理 Agent 为例。

用户提出任务：

“研究三种 Agent 框架的长期任务恢复机制，并形成一份具有技术依据的选型报告。”

这一任务可能经历以下过程：

任务接收与角色确定。 Agent 根据自身角色契约，确认当前任务属于技术研究范围，并按照研究规范确定输出要求。

任务理解与信息组织。 模型理解用户目标，读取当前上下文，识别已有资料和待解决的问题。

历史经验与外部知识获取。 Agent 查询相关项目记忆，判断哪些问题需要进一步研究，再通过搜索和文档读取工具获取外部知识。

任务规划与工具执行。 Agent 将研究目标分解为多个子问题，选择合适的工具执行检索、代码阅读或测试，并根据结果调整后续步骤。

证据整合与结果生成。 Agent 将获得的证据组织成结构化信息，比较不同技术路线，形成具有来源支持的结论。

状态更新与经验保存。 系统保存研究进度、证据关系和必要的长期记忆，为后续任务继续执行提供基础。

权限与执行控制。 在整个过程中，系统根据授权和策略决定 Agent 能否访问某些数据、执行代码、修改文件或调用外部服务。

这个过程并不是一次模型调用能够独立完成的。

它涉及多个能力模块之间的信息交换、状态更新和控制决策。

2.2 内部能力如何形成协作闭环

可以将上述过程抽象为：

用户目标
   │
   ▼
Identity & Role
确定职责与任务定位
   │
   ▼
Instructions
提供行为规则与工作要求
   │
   ▼
Context
装配当前任务信息
   │
   ▼
Model
理解、推理与提出行动
   │
   ▼
Planning & Reasoning
确定下一步任务
   │
   ├──────────► Memory
   │             获取历史经验
   │
   ├──────────► Knowledge
   │             获取外部证据
   │
   ├──────────► Skills
   │             加载专业流程
   │
   └──────────► Tools
                 执行外部操作
                     │
                     ▼
              Permissions & Constraints
              检查授权与执行条件
                     │
                     ▼
                 执行结果
                     │
                     ▼
              更新 Context 与任务状态
                     │
                     └────► 返回 Model

该图用于说明逻辑关系，而非严格的软件调用顺序。

例如，权限检查通常应在受控操作真正执行之前完成，而不是在工具已经执行之后才发生；Memory 和 Knowledge 也可能在上下文装配阶段被调用。

在实际架构中，还需要由 Agent Runtime 或相应的执行框架负责组织模型调用、状态保存、工具调度和执行恢复。

本章研究十项内部能力，而 Runtime 的整体实现将在后续开发与实践研究中进一步展开。

三、关键概念与研究边界

十个专题之间存在紧密联系，也容易出现概念重叠。

因此，本章需要建立明确的功能边界，避免在后续研究中重复解释相同内容。

3.1 Identity & Role 与 Instructions

Identity & Role 主要描述 Agent 的身份、职责、目标和角色边界。

Instructions 主要描述 Agent 在执行任务时需要遵循的行为规则、工作要求和操作指引。

角色可以通过指令表达，但角色定义不等于完整的指令系统。

例如，“技术研究助理”是一种角色定位；“所有关键技术结论必须标明证据来源”则是一项行为要求。

两者在运行时可能共同进入模型上下文，但需要在逻辑上分别管理。

3.2 Model 与 Planning & Reasoning

Model 提供语言理解、推理、生成和行动建议等基础能力。

Planning & Reasoning 关注如何在任务执行过程中组织推理、分解目标、选择行动并根据反馈调整策略。

模型可以承担规划工作，但规划并不必然由单次模型调用完成。

复杂 Agent 还可能使用状态机、搜索算法、任务图或外部规划器组织执行过程。

因此，研究 Model 时重点关注模型本身的能力与调用机制；研究 Planning & Reasoning 时重点关注任务层面的决策过程与执行组织。

3.3 Context、Memory 与 Knowledge

这三个概念都与信息有关，但关注的问题不同。

Context 关注当前模型调用能够看到和使用的信息，以及这些信息如何在有限上下文窗口中组织。

Memory 关注历史信息、经验和长期状态如何被保存、更新，并在后续任务中重新利用。

Knowledge 关注 Agent 如何识别知识需求、访问外部信息来源、检索证据并形成知识支持。

同一条信息可能依次经历多个机制。

例如，一份技术文档最初位于外部知识库中；Agent 检索相关内容后，将证据装配进当前 Context；任务结束后，又可能把稳定的研究结论保存为项目记忆或知识资产。

因此，三者的区别主要在于功能职责，而不完全取决于信息的物理存储位置。

3.4 Tools 与 Skills

Tools 提供具体的外部操作接口，使 Agent 能够执行搜索、读取文件、调用 API、运行代码等操作。

Skills 则将完成某类任务所需的知识、规则、流程和工具使用方法组织为可复用的能力单元。

一个 Skill 可以调用多个 Tool；一个 Tool 也可以被多个 Skill 使用。

例如，“搜索网页”是一种工具能力，而“开展技术文献研究”可能是一项包含检索、筛选、阅读、比较和写作步骤的技能。

研究 Tools 时重点关注调用协议、参数生成、执行过程和结果处理；研究 Skills 时重点关注能力封装、加载、组合与复用。

3.5 Instructions 与 Permissions & Constraints

Instructions 可以要求 Agent 遵守规则，但不能天然保证所有规则都会被执行。

Permissions & Constraints 需要进一步研究哪些操作被允许、哪些操作需要审批，以及如何通过运行时机制实施限制。

例如，指令可以要求 Agent 在修改文件之前获得确认，但真正可靠的执行控制还需要在文件修改操作发生前检查授权条件。

因此，指令约束与实际权限控制需要分别研究，并在运行时协同工作。

3.6 Internal Architecture 与其他研究领域

本章主要研究单个 Agent 的内部能力结构及其协作机制。

多个 Agent 之间的任务分配、通信协议、协同决策和共享状态，将在后续 Agent System 领域展开。

Agent 的集中部署、实例调度、版本管理、运营监控和平台治理，则属于 Agent Platform 的研究范围。

需要注意，这些研究领域并非完全隔离。

例如，角色定义和状态管理既会影响单个 Agent，也会影响多 Agent 系统。

本章将重点解释这些能力在单个 Agent 内部如何实现；涉及跨 Agent 协作时，只讨论与当前专题直接相关的机制，并将系统级问题留给后续研究。

四、研究方法与质量要求

本章将按照《Agent 全栈技术地图》研究规范 v1.2 开展专题研究。

研究重点是建立对技术机制的深入理解，而不是追求章节数量、术语覆盖率或功能清单的完整程度。

4.1 六层技术研究框架

每篇专题原则上从六个层次展开研究。

研究层次	研究重点	需要解决的问题
概念、背景与定位	技术定义、发展背景、问题与边界	为什么需要这项技术？
技术原理与运行机制	核心原理、算法、执行过程和状态变化	这项技术具体如何工作？
技术架构与数据组织	模块、接口、数据结构、信息流与控制流	系统如何组织和实现这些机制？
代表性技术路线	论文、框架、开源项目及其技术差异	有哪些实现方法，为什么这样设计？
工程实现与实践验证	代码、配置、接口、测试与实际运行	如何把技术原理转化为可运行系统？
局限、评估与发展	失败机制、性能、成本、适用边界	技术在哪些条件下有效或失效？

六个层次是研究逻辑，不要求机械对应六个章节。

每篇文章应根据技术特点调整结构与篇幅，将研究资源集中在真正决定该项能力的核心机制上。

4.2 核心技术必须深入具体运行机制

对于每项重要技术，本章将尽可能解释：

• 它解决什么具体问题；
• 运行需要哪些输入和前置条件；
• 内部执行经过哪些步骤；
• 使用什么算法或决策策略；
• 关键数据结构如何设计；
• 模块之间如何交换信息；
• 执行过程中发生哪些状态变化；
• 结果如何影响后续行动；
• 如何通过代码或实验验证；
• 在什么条件下可能失效。

例如，研究 Agent Memory 时，不应仅说明记忆系统能够保存和检索历史信息，还应进一步研究记忆候选如何生成、写入决策如何进行、记忆如何去重与整合、检索评分如何计算，以及结果如何进入模型上下文。

同样，研究 Agent Tools 时，不应仅介绍工具调用的基本概念，还需要深入研究工具描述如何被模型使用、参数如何生成与校验、调用请求如何进入执行器、结果如何返回模型，以及异常和重复执行如何处理。

技术研究的目标是解释机制，而不只是描述能力。

4.3 代表性研究必须进入正文分析

本章将选择具有代表性的学术论文、开源项目和工程实现作为研究对象。

对于核心技术路线，应尽可能研究其设计动机、内部架构、关键算法、执行过程、实验依据及适用边界。

不能仅在参考资料中列出论文或框架名称，也不能只通过一张功能对比表代替技术研究。

例如，研究 Agent Planning 时，不能仅介绍 ReAct、Tree of Thoughts 或其他规划方法的名称与特点，而应进一步解释它们如何组织推理过程、如何产生候选行动、如何评价中间状态，以及为什么适用于不同类型的任务。

对于尚未实际核验的论文细节、代码实现和产品功能，应明确其研究与验证状态。

4.4 工程实践应体现技术实现深度

工程实践将根据研究对象采用不同实现层级。

L1：概念实现。 使用架构图、数据模型、接口定义和伪代码解释设计方案。

L2：最小可运行实现。 使用真实代码和测试案例展示核心机制的实际运行过程。

L3：系统级实现。 进一步研究多模块协作、持久化、异常恢复、集成测试和工程部署条件。

对于适合通过代码验证的核心机制，原则上优先达到 L2。

对于依赖复杂基础设施或外部服务的技术，可以采用详细的 L1 设计，但需要说明尚未实现或验证的部分。

代码示例应尽可能展示真实机制，而不是仅通过简单的数据增删改查模拟复杂能力。

4.5 使用贯穿案例建立专题联系

本章将持续使用研究助理 Agent 作为主要案例。

例如，围绕“完成一份具有技术证据的研究报告”这一任务，分别研究：

• 如何定义研究 Agent 的角色；
• 如何选择和调用模型；
• 如何组织研究规范与指令；
• 如何管理长时间研究过程中的上下文；
• 如何保存项目经验与长期记忆；
• 如何获取和验证外部知识；
• 如何调用搜索、文件和代码工具；
• 如何组织可复用的研究技能；
• 如何规划研究任务与处理反馈；
• 如何限制数据访问和高风险操作。

必要时，还将引入编程 Agent、浏览器操作 Agent 和业务流程 Agent，比较不同任务对内部架构的差异化要求。

贯穿案例的作用是帮助理解技术机制，而不是要求所有专题使用完全相同的示例结构。

4.6 研究质量与验证要求

本章将特别区分四类内容：

原始资料支持的技术事实。 来自实际查阅的论文、官方文档、源代码或其他可靠来源。

基于资料形成的技术归纳。 对不同机制、架构和技术路线进行综合解释。

工程设计方案。 为解决具体问题提出的数据结构、算法、接口或系统设计。

经过实验验证的结果。 通过实际代码运行、测试或实验获得的观察结果。

对于尚未执行的示例、未经测试的代码、无法确认的产品特性，以及仅基于理论推导的工程判断，应明确说明其验证状态。

本章还将避免在每篇专题中重复讨论通用治理要求、基础权限原则或相同的工程检查清单。对于已经充分研究的共性内容，应通过专题间引用建立联系，将篇幅留给当前技术独有的机制和问题。

五、预期成果与后续章节的关系

5.1 本章预期形成的研究成果

本章完成后，预期形成三个层面的成果。

第一，建立 Agent 内部能力的技术认知体系。

能够准确区分十项能力维度，理解各自的设计动机、核心机制、技术边界及协作关系。

第二，形成面向架构设计的技术分析能力。

能够根据任务需求判断哪些能力是必需的、哪些可以简化或省略，以及不同模块应如何组织、连接和交换信息。

能够进一步分析技术方案在性能、成本、可靠性、可维护性和扩展性方面的取舍。

第三，形成支持实际开发的技术基础。

能够将研究结论转化为数据结构、模块接口、运行流程、关键算法、实现方案和测试要求，为后续 Agent 开发提供可参考的工程依据。

本章的成果不应仅是一组概念完整的文章，还应逐步形成能够支持技术选型和系统实现的知识体系。

5.2 与 Fundamentals 的关系

Fundamentals 从整体上解释 Agent 是什么、如何运行，以及可以采用哪些设计方式。

Internal Architecture 则进一步拆解整体能力背后的技术机制。

前者帮助建立系统认知，后者帮助理解内部实现。

5.3 与 Development & Practice 的关系

Internal Architecture 研究各项能力的原理、架构与实现方式。

Development & Practice 将在此基础上重新整合这些能力，研究如何围绕具体需求设计、开发、调试、部署和维护 Agent。

例如，本章分别研究 Context、Memory 和 Tools 的实现机制；后续开发实践则需要进一步解决如何在同一个 Agent 中组合这些机制，并建立完整的运行与测试流程。

因此，本章既是基础理论向工程实践的过渡，也是后续实际开发的重要技术依据。

5.4 与 Agent System 和 Agent Platform 的关系

Agent System 将研究多个 Agent 如何组成协作系统，包括角色分工、任务调度、通信协议、共享状态和协同控制。

Agent Platform 将进一步研究 Agent 的平台化管理，包括部署、实例运行、资源调度、版本管理、监控和运营等问题。

本章建立的单 Agent 内部架构知识，将成为理解这些更复杂系统的重要基础。

专题目录

• A1 · Agent 如何定义自己的身份与角色？ - Identity & Role
• A2 · Agent 如何获得认知与推理能力？ - Model
• A3 · Agent 如何定义、编排与执行行为指令？ - Instructions
• A4 · Agent 如何理解和管理当前上下文？ - Context
• A5 · Agent 如何形成、保存和使用记忆？ - Memory
• A6 · Agent 如何获取和使用外部知识？ - Knowledge
• A7 · Agent 如何调用工具并执行操作？ - Tools
• A8 · Agent 如何组织和复用专业技能？ - Skills
• A9 · Agent 如何推理、规划和决定行动？ - Planning & Reasoning
• A10 · 如何限制 Agent 的权限与行为边界？ - Permissions & Constraints

本章研究目标

建立一套系统、深入且面向工程实践的 Agent 内部架构知识体系。

通过十个专题，理解 Agent 的各项能力从哪里来、依赖什么技术机制、如何组织数据与状态、如何进行推理和行动，以及不同机制如何通过信息流、控制流和状态流相互协作。

研究不仅要回答 Agent 具备哪些能力，还要深入解释这些能力如何实现、如何验证、在什么条件下有效，以及如何根据实际任务进行架构设计与技术选择。

最终为后续 Agent Development & Practice、Agent System 和 Agent Platform 的研究与开发奠定技术基础。