Google 的智能体入门白皮书非常棒

2024 年 9 月，Google 的一群研究者发布了一份 智能体白皮书.

这份白皮书没有特别有争议或新颖的内容。

但它很好地定义了一组与智能体相关的术语。

它定义了什么是智能体、什么是工具，还提出了几个值得讨论的有趣定义。

我认为它是这个领域极好的入门材料，因此值得介绍。

“智能体”的定义

先从最有价值的部分——定义——开始：

智能体是“通过观察世界，并利用可用工具对世界采取行动，尝试实现目标的应用”。

这个定义听起来合理，不过按它来看，恒温器当然也算智能体。

白皮书还很有帮助地区分了智能体与模型。

其中有一张很清晰的表格：

• 模型受限于训练数据中的信息，而智能体可以访问外部系统。
• 智能体能够访问聊天历史，从而随时间向上下文中补充信息。

换句话说，模型本身不能成为智能体。智能体是一个包含记忆、推理、规划和工具调用的系统。

不过，白皮书也避免严格定义智能体。引言中有一句有趣的话，称这些因素的组合“唤起了智能体的概念”。

基本上，如果它闻起来像 agentic ，那它很可能就是智能体。

编排层

白皮书还指出，编排层对智能体非常重要。

编排层控制智能体如何“接收信息、进行内部推理，并用推理结果指导下一项决策或行动”。

换句话说，它就是我在 Vercel AI SDK 教程.

“工具”的定义

几乎所有人都同意，一个系统要成为 agentic ，必须能够访问工具。

白皮书把工具定义为“弥合智能体内部能力与外部世界之间的鸿沟”。

它比大多数工具定义更进一步，实际划分了两类工具：扩展和函数。

扩展

扩展用于增强智能体能力。文中以调用 API 为例，例如获取天气或查询两地之间的路线。

可以把扩展理解为智能体无需询问即可执行的操作。

它们类似典型工具定义：通过示例告诉智能体如何使用工具，并说明成功调用所需的参数。

函数

函数不同于扩展。教 LLM 使用它们的方式完全相同，但工具调用的控制权属于用户，而非智能体。

以删除数据库中的帖子为例。智能体所在系统可能没有删除权限，而且出于各种原因，你也可能不想授予它该权限。

因此，智能体不会自行删除，而是告诉用户“删除这篇帖子”。

这就是白皮书定义的函数：“调用实际 API 端点的逻辑和执行从智能体移出，交还给客户端应用。”

这样做可能有几个原因：

• 如前所述，你不想赋予智能体执行这些操作的权限
• 你希望进行 human-in-the-loop 评审
• 或者希望在构建智能体时复用现有 API 端点

总结一下：扩展由智能体执行工具，函数则由客户端执行工具。

我的看法

这个定义有些奇怪。我一直不太喜欢把新概念挂在如此常用的词上。开发者本来就知道什么是函数，而函数与扩展的界限也不够清楚。

白皮书随后提到 Google Vertex AI 平台，因此函数与扩展的区别可能是该平台中的关键概念。

作为教学手段，我确实喜欢这种划分，但不确定自己是否会采用这套定义。

总结

总体而言，Google 的白皮书是很好的领域入门材料，也为讨论增加了几个有趣定义。

文中还有使用 LangChain 和 Python 的示例等更多内容，值得亲自阅读。

希望你喜欢这篇总结，我们下篇再见。