Anthropic：Agents 的设计之道与年度总结

什么是 agentic systems？

原标题：Anthropic：Agents 的设计之道与年度总结
文章来源：特工宇宙
内容字数：11666字

高效构建AI Agents：Anthropic的经验与建议

人工智能领域正经历着前所未有的发展，大型语言模型(LLM)和智能体(Agents)的结合，为自动化和效率提升带来了巨大潜力。Anthropic公司，作为Claude等安全可靠AI模型的研发者，在与众多行业客户合作构建LLM和Agents的过程中，积累了丰富的经验。本文将分享Anthropic的宝贵见解，并为开发者提供构建高效、有价值的Agents的实用建议。

什么是Agents？两种Agentic Systems的架构区分

“Agent”的定义并非一成不变。它可以指完全自主运行的系统，也可以指遵循预定义工作流程的规范化系统。Anthropic将所有这些都归类为“Agentic Systems”，但强调了两种关键架构的区别：Workflows和Agents。

Workflows (工作流): 通过预先定义好的代码路径来编排大模型和工具的系统。其流程固定，步骤清晰。

Agents (智能体): 由大模型动态规划自身处理流程和工具使用，能够自主控制如何完成任务的系统。其流程灵活，具有自主决策能力。

何时（以及何时不）使用Agents

在使用LLM构建应用时，应优先考虑简洁性。只有在任务复杂性无法通过简单方案解决时，才考虑构建Agentic Systems。因为Agentic Systems通常会带来延迟和成本的增加，需要仔细权衡利弊。

框架的选择与使用

许多框架可以简化Agentic Systems的开发，例如LangChain的LangGraph、Amazon Bedrock的框架、Rivet和Vellum等。这些框架简化了底层任务，降低了开发门槛。

然而，框架也可能引入额外的抽象层，增加调试难度，甚至导致过度设计。Anthropic建议开发者从直接使用LLM API开始，只有在必要时才使用框架，并确保理解框架的底层代码。

构建Blocks、Workflows和Agents

Anthropic总结了构建Agentic Systems的常见模式，从简单的组合工作流到自主的Agents系统，逐步递进。

增强型大语言模型 (Augmented LLM)

这是Agentic Systems的基本构建模块，通过添加检索能力、工具调用和记忆功能来增强LLM的能力。Anthropic建议使用Model Context Protocol (MCP)简化工具集成。

Workflows模式

Anthropic介绍了三种常见的Workflows模式：

• Prompt Chaining (提示链): 将任务分解为一系列步骤，每个步骤由LLM处理前一步的输出。
• Routing (路由): 对输入进行分类，并引导至相应的专门任务。
• Parallelization (并行): LLMs同时处理任务的不同部分，然后汇总输出。
• Orchestrator-workers (协调者-工作者): LLM动态分配任务给worker LLMs，并整合结果。
• Evaluator-optimizer (评估器-优化器): 一个LLM生成响应，另一个LLM评估并提供反馈，形成迭代循环。

Agents模式

Agents能够自主规划和行动，并根据环境反馈进行调整。Anthropic强调了Agents在处理复杂、开放式问题上的优势，但也提醒开发者注意其成本和潜在风险，建议在沙盒环境中进行充分测试。

组合和定制

上述模式并非相互排斥，开发者可以根据实际需求进行组合和定制。成功的关键在于持续评估和迭代优化。

构建Agents的三大原则

Anthropic总结了构建Agents的三大核心原则：

• 保持简单： 在设计中避免不必要的复杂性。
• 优先考虑透明度： 清晰地展现Agents的规划步骤。
• 精心设计Agent-Computer Interface (ACI)： 通过全面的工具文档和测试，确保工具的易用性和可靠性。

实践中的Agents案例

Anthropic分享了两个成功的Agents应用案例：客户支持和编程辅助，展示了Agents在需要对话、行动和明确成功标准的场景中的价值。

插件工具的提示词工程

本文还详细介绍了如何对工具进行提示词工程，以优化Agents与工具的交互，强调了良好的Agent-Computer Interface (ACI)设计的重要性。

总结

构建成功的LLM应用的关键在于构建合适的系统，而非追求最复杂的系统。从简单的Prompt开始，逐步添加复杂性，并始终关注性能评估和迭代优化。遵循Anthropic提出的原则，开发者可以构建出强大、可靠、易维护且值得信赖的Agents。

联系作者

文章来源：特工宇宙
作者微信：
作者简介：Agent Universe，专注于智能体的AI科技媒体。