如果你去问三家 AI 公司他们的 Agent 产品是什么，你会得到三个完全不同的答案。OpenAI 说 Agent 就是能调用工具的 LLM；Anthropic 说，且慢，大部分你们所谓的 Agent 根本不是 Agent，只是预设的工作流；LangChain 却在文档里轻描淡写：Agent 就是一种用 LLM 决定控制流的系统。三个定义，一个比一个抽象，一个比一个让人困惑。我最早以为 Agent 就是个能自动完成任务的聊天机器人，直到有一天我同时看了这三家的文档，才发现他们对“什么是 Agent”这件事，连基本共识都还没完全达成。
但诡异的是，如果你仔细读他们的技术文档和产品，会发现他们其实在说同一件事——只是从不同层次、不同视角切入。这篇文章，我试图把这三家的定义摊开，然后找出那个被所有人默认接受、但很少被说透的“核心共识”。
OpenAI：Agent 就是 LLM + 工具 + 指令
OpenAI 对 Agent 的定义最直白也最工程化。在 OpenAI Agents 文档 里，第一句话就是：“An agent is a large language model (LLM) with instructions and tools.” 翻译过来：Agent 就是一个带指令和工具的大语言模型。这个定义几乎没有门槛：你给 ChatGPT 加上一个搜索工具，它就是 Agent；你让它能调用代码解释器，它就是 Agent。OpenAI 后来推出的 Assistants API 和 Agents SDK 都是沿着这个思路：把工具调用、状态管理、多轮对话打包成一个“Agent 运行时”，让开发者可以快速搭建。
这个定义有它的好处——简单、可操作。但问题也很明显：如果任何一个能调用工具的 LLM 都叫 Agent，那 Agent 这个词就失去了区分度。一个带搜索插件的 ChatGPT 和一个能自主规划、反思、多步执行的系统，完全不是一个级别的东西，但按 OpenAI 的分法，它们都叫 Agent。我一开始觉得 OpenAI 太懒惰了，后来才意识到，他们是从产品角度出发的：他们想让你觉得，只要用了他们的 API，你就能轻松拥有“Agent”。这是一种商业上的包容性定义，而不是技术上的严格分类。
Anthropic：工作流和真正的 Agent 是两码事
Anthropic 的态度截然相反。在 2024 年底发布的 Building effective agents 文章中，他们花了大量篇幅强调一个观点：大多数被吹成“Agent”的系统，其实只是“工作流（workflow）”。工作流是通过预定义代码路径来编排 LLM 和工具，而真正的 Agent 是让 LLM 动态地指导自己的过程和工具使用，对自己的任务完成方式保持控制。用他们的话说：“Agents are systems where an LLM dynamically directs its own processes and tool usage, maintaining control over how it accomplishes tasks.”
这个区别很关键。工作流就像一条流水线：第一步做 A，第二步做 B，第三步做 C，LLM 只是在每个步骤里被调用一下。而 Agent 没有硬编码的路径，它自己决定什么时候该做什么，能根据中间结果调整计划。Anthropic 甚至给出了一个简单粗暴的判断标准：“如果系统里 LLM 只是被用来执行预定义的步骤，那它就不是 Agent。” 这相当于把 OpenAI 定义里的大部分“Agent”都划到了工作流范畴。我一开始觉得 Anthropic 有点学究气，但仔细一想，他们是对的——如果不区分控制权的归属，我们就没法讨论 Agent 的可靠性、安全性问题。因为一个真正自主决策的系统，和一个按照剧本走的系统，失控的风险完全不同。
LangChain：Agent 是控制流决策者，连工具都可以没有
LangChain 作为中间件框架，对 Agent 的定义又抽象了一层。在 LangChain 文档 中，Agent 被定义为：“An agent is a system that uses an LLM to decide the control flow of an application.” 它只关心一件事：控制流由 LLM 决定。至于工具有没有、外部环境怎么交互，那是另外的概念。LangChain 把“工具”和“Agent”解耦了：Agent 是大脑，工具是手脚，两者可以独立设计。
这个定义比 Anthropic 的更宽泛，但又比 OpenAI 的更精确。它不要求系统必须有工具，甚至不要求系统必须自主完成一个任务——只要 LLM 决定了下一步走哪个分支，那就是 Agent 行为。我一开始觉得这太宽泛了，但后来写一个简单的多轮对话路由时，突然理解了：一个根据用户意图把请求分发给不同处理器的 LLM，其实就符合这个定义。它没有工具，没有多步推理，但它确实在动态决定控制流。LangChain 的定义把 Agent 从“高级 AI”的神坛上拉了下来，让它变成了一个纯粹的控制流概念。
嘴上吵得凶，身体却很诚实：三家共享的四个核心共识
如果只看定义，你会觉得他们在各说各话。但如果你去看他们实际构建的系统，会发现他们都默认接受了四个核心要素，只是没人把它们写在同一句话里。
共识一：LLM 是决策引擎。无论哪家，Agent 的“大脑”都是 LLM。它负责理解目标、分析上下文、推理出下一步行动。没有 LLM，就没有 Agent 的智能决策。这一点三家都承认，只是 OpenAI 把它放在定义最前面，Anthropic 强调它应该“动态指导自己的过程”，LangChain 说它“决定控制流”。
共识二：必须能与环境交互。交互的具体形式可以是工具调用、API 访问、代码执行，甚至只是输出文本并等待用户反馈。但 Agent 不能只活在真空里，它必须能感知环境变化并施加影响。OpenAI 的“工具”是显式要求，Anthropic 的工作流/Agent 都涉及工具，LangChain 的 Agent 虽然理论上可以没有工具，但实际用例里几乎都绑定了工具。
共识三：具备一定程度的自主性。这是 Agent 区别于传统聊天机器人的关键。自主性体现在系统能自己规划步骤、选择工具、处理错误，而不是执行一个写死的脚本。Anthropic 对自主性的要求最高，认为 LLM 必须全程保持控制；OpenAI 的自主性是通过工具调用和循环来实现的，虽然它不强调“动态指导”，但实际运行中 Agent 确实在自主决策；LangChain 把自主性提炼为“决定控制流”，本质一样。
共识四：目标是完成一个开放任务。Agent 不是问答机，它的使命是完成一个需要多步交互、有不确定性的任务。比如“帮我订一张下周三去纽约的机票，要最便宜的直飞”——这个任务需要搜索、比较、可能还需要询问偏好，中间有多个分支。三家都默认 Agent 是面向这种开放式目标的，而不是返回一个固定答案。
这四个要素——LLM 决策、交互能力、自主性、开放任务——就是那个被所有人默认接受的核心共识。你可以把 Agent 想象成一台自动驾驶的汽车：LLM 是司机，工具是方向盘和油门，自主性是司机自己决定路线，开放任务是“从 A 到 B”。至于你是叫它“能使用工具的 LLM”（OpenAI）还是“动态指导自己过程的系统”（Anthropic），只是标签不同。
为什么定义分裂？因为 Agent 是一个光谱，不是一个点
我困惑了很久才想通一件事：Agent 不是非黑即白的，它是一个连续的光谱。一端是纯工作流——所有步骤都是硬编码，LLM 只做填空。另一端是纯自主 Agent——LLM 接手一切，自己规划、执行、纠错，人类只给目标。在这之间，有无数的混合形态：主流程固定，但分支由 LLM 决定；工具调用固定，但调用顺序由 LLM 决定；人类在关键节点审批，其余自动。这三家公司之所以定义不同，是因为他们站在光谱的不同位置，瞄准不同的场景。
OpenAI 站在最靠近产品的一端，他们想让你觉得“加上工具就是 Agent”，这样门槛低，人人可试。Anthropic 站在最靠近安全的一端，他们强调“真正的 Agent 必须自主决策”，是为了提醒你：一旦系统能自己决定做什么，你就得考虑失控风险。LangChain 站在中间件的位置，他们需要一种抽象，能兼容光谱上所有的形态，所以定义得最宽泛。
这个光谱意味着，你不需要纠结“我这个系统到底算不算 Agent”。你只需要问自己：我的 LLM 在多大程度上控制着系统的行为？如果它只是偶尔被调用，那你做的是工作流；如果它全程掌舵，那你做的是 Agent。重要的是理解这个光谱，而不是选边站队。
FAQ：三个容易混淆的问题
Agent 和 RAG 有什么区别？
RAG（检索增强生成）是一种技术手段，用来给 LLM 接入外部知识库。Agent 是一种系统架构，用来让 LLM 自主完成任务。一个 Agent 可以用 RAG 作为它的一种工具，但 RAG 本身不是 Agent。很多声称“Agent 应用”的产品，其实只是 RAG 加一个固定流程，没有自主规划，属于工作流范畴。
Agent 和微调模型是什么关系？
微调是让模型更适合特定任务，Agent 是让模型在运行时自主决策。两者可以叠加：你可以微调一个模型，让它更擅长规划，然后把它用作 Agent 的“大脑”。但微调本身不产生 Agent 行为，Agent 的核心是控制流由模型动态决定，与模型是否微调无关。
现在的 Agent 能做到真正自主吗？
不能。当前的 Agent 在复杂任务中仍然容易迷失，出现循环、遗忘目标、幻觉等问题。Anthropic 的文章也建议从简单工作流开始，只有在确实需要时再引入自主决策。所以，绝大多数产品现在都停在光谱的中段——让 LLM 在有限范围内自主，而不是全盘托管。
如果你现在正在设计一个 AI 系统，我的建议是：先别管它叫不叫 Agent。先想清楚，你希望 LLM 在多大程度上控制系统的行为。0% 控制，那是传统软件；100% 控制，那是科幻里的 Agent；中间那 80%，就是我们现在能做的、最务实的 Agent 实践。三家公司的定义，其实都在帮你标注这个光谱上的刻度——只不过，OpenAI 把刻度画在了 10%，Anthropic 画在了 90%，LangChain 画了一张布满整个光谱的网格。
原创文章，作者：guanweilu，如若转载，请注明出处：https://guanweilu.cn/article/47.html