---

1. Agent架构图例

一句话概括工作流程：用户提问 → Agent 构造上下文 → LLM 判断是否用工具 → Agent 执行工具 → 结果回注 → LLM 生成最终答案

2. 工作流程文字说明

2.1. 输入 User Prompt

用户输入自己的问题，如：女朋友肚子疼怎么办？

• 流程开始
• 输入是自然语言

2.2. 构建Prompt

Agent 会将用户输入加工为一个完整的 Prompt，其中包含：

• System Prompt 系统提示词，角色设定
• Memory 历史对话信息
• 用户的当前问题
• Tool Schema 可用工具列表

目的是让LLM知道：

• 自己是谁
• 能做什么（有哪些工具）
• 当前任务是什么

2.3. 调用 LLM（模型推理）

Agent 把构造好的 Prompt 发给大模型，模型会返回两种可能：

• 普通文本回答：多喝热水
• Tool Call（结构化输出）：

{
  "type": "call",
  "name": "web_browse",
  "args": {
    "url": "https://xxx.com"
  }
}

注意：模型不会真的调用工具，只是“建议调用”

2.4. Tool Call 解析（Agent 决策）

Agent 接收到 LLM 输出后，会做：

• 判断是不是 tool call
• 解析 JSON / function call
• 提取：
  • 工具名（name）
  • 参数（args）
• 参数校验（防止乱调用）

注意：Agent 才是“执行者”，模型只是“建议者”

2.5. 调用 MCP Server（执行工具）

如果需要调用工具：Agent 会通过 MCP 协议发送请求（本质类似：HTTP API）

Tool: web_browse
Args: { url: xxx }

2.6. MCP Server 返回结果（Tool Result）

工具执行完成后返回数据，可能是：

• JSON（最常见）
• HTML（网页内容）
• Text（文本）
• Binary（文件）

例如：

{
  "title": "...",
  "content": "..."
}

2.7. 结果注入上下文（Context Injection）

Agent 不会直接把结果给用户，而是：把 Tool Result 加入 Prompt

• 用户问题 + 工具返回结果

然后重新组织成新的输入给 LLM （关键机制），LLM 必须“看到工具结果”才能生成正确答案

2.8. 再次调用 LLM（生成最终回答）

Agent 再次调用模型：

• 输入
  • 原问题
  • 工具结果
• 输出
  • 更准确、更有依据的回答

例如：

根据查询结果，可能是胃部不适，建议……

2.9. 返回最终答案给用户

Agent 将模型最终生成的回答返回给用户

• 流程结束

3. 流程内可多轮循环

如：LLM → Tool → LLM → Tool → LLM …