Agent 最佳实践
本文总结构建 AI Agent 时的设计与工程最佳实践。
工具设计
单一职责
每个工具只做一件事，参数清晰、返回结构化，便于模型理解和调用。
错误信息
工具失败时返回可读的错误描述，便于模型决定重试、换工具或向用户说明。
权限与安全
- 限制工具可访问的数据和操作范围
- 对敏感操作做二次确认或权限校验
- 避免将用户输入直接拼接到系统命令中
Prompt 设计
角色与能力
在 System Prompt 中明确 Agent 的角色、可使用工具及适用场景。
输出格式
对需要结构化输出的场景，在 Prompt 中约定 JSON Schema 或示例，减少解析失败。
可观测性与调试
- 开启
verbose=True观察 Thought/Action/Observation - 记录每次工具调用的参数与结果
- 使用 LangSmith 等平台做 Trace 分析
成本与性能
- 控制
max_iterations和单轮 token 上限 - 对高频工具结果做缓存
- 长对话使用摘要记忆减少上下文长度
与现有技术结合
- RAG：为 Agent 提供知识库检索能力
- MCP：标准化工具定义，便于跨客户端复用
- A2A：实现多应用、多 Agent 协作