The-Evolution-of-AI-Agents

# The-Evolution-of-AI-Agents 从 API Call-Function Call-MCP-Skill-Harness Engineer的整体Agent框架感知、发展历程及具体代码示例，用于教学。具体内容见The-Evolution-of-AI-Agents.ipynb。不想下载看notebook也可以看我上传到线上的版本https://cloudstudio.net/a/35025415654944768/edit。 # AI Agent 是怎么一步步长出来的？ 这份笔记按**时间顺序**讲一件事：人们怎么从「只会聊天的模型」，一路走到「能接工具、能接系统、能工程化落地」的 Agent。 **在 Cloud Studio 上**：先运行下一格 `!pip install` 装好依赖；直接调用填好的 **DeepSeek API Key**。天气仍用 **Open-Meteo**，无需天气密钥。若将笔记本公开，务必删掉密钥。 **你需要会什么**：会点「Run All」或按顺序运行单元格即可，如果需要自己构建属于自己的Agent，还需要会写下函数。 # 培训目的 1、目的是建立对Agent的数据交互直觉，知道所有的架构比方Harness、Skill、MCP、Function call是具体如何和大模型进行交互的。 2、不管说什么开源框架，比方近期很火的Hermes和之前很火的Openclaw，都是基于下文所说的基本单元概念构建的，希望大家在看了这篇文档后，都能学会根据自己的需求构建自己的Agent，以及不管未来媒体鼓吹什么概念，能够理解他本质上是啥。‘ **大模型除了prompt和output以外，没有任何东西了** ## 发展时间线一览 1. **调大模型 API**：程序像把一段话发给云端模型，拿回一段文字。 2. **Function Call（工具调用）**：人们并不满足模型只能输出文本，需求模型输出结构化的「调哪个函数、参数是什么」——程序负责真正执行。 3. **MCP**：**一句话**：标准化的Function Call——把 Function Call 的接法（发现工具、传参、回传结果）做成**标准协议**，方便不同主题与工具服务互接；能力上还是「会调用工具」，没有新魔法。 4. **Skill**：**一句话**：本质上是会选择调用的prompt模板———把「这类活该怎么干」写成**可复用说明书**（何时用、步骤、约束、输出风格），通常塞进 **system** 或独立文档，让模型行为**稳定、可复制**。 5. **Harness Engineer（驾驭工程）**：提示词、工具、记忆、评测、监控、安全——**成套工程**装起来才能稳定上线。 由时间线看，是从「会说话」———（API调用）到「会办事」———（Function Call），再到「标准对接」——（MCP）和「经验沉淀」——(Skill)，最后到「能做交付的系统」——（Harness Engineer）。 由工程上来说是从Prompt Engineer（提示词工程）—— Context Engineer（上下文工程）——Harness Engineer（驾驭工程），本质上还是围绕提示词做文章，所以我们说前面说**大模型除了prompt和output以外，没有任何东西了**，下一步我们会在实际代码中具体体现。 从流程上来讲是最终是需要实现从需求——Agent——自主交付。 大家可以想一下，大模型像燃料，塞进了名叫Function Call的气缸里——它第一次开始和真实世界开始交互，开始做功，用Skill把多个气缸组成了一个发动机，构成了汽车最关键的零件，光有发动机是不够的，你需要轮胎，转向器，刹车，油门，方向盘等等等等，才能真正构建一辆汽车，这些零配件，就是Harness Engineer。 下面我们按这个顺序，用**几段短代码**把关键几步跑通。