一、什么是Agent

Agent = LLM + Tool + Runtime

传统LLM（大语言模型）只能根据已有知识回答问题，无法主动访问实时数据或执行外部操作，Agent即为让 LLM 学会调用工具（Tool），完成复杂任务。

二、什么是LLM

Large Language Model(大语言模型)

GPT，Gemini，Claude，DeepSeek，智谱清言等都是LLM，

关键认知：没有人类意义上的意识。它能够表现出较强的推理能力，但这种能力来自训练过程中学到的统计规律，而不是传统程序中的显式逻辑推理。它的强大表现完全来自于海量数据训练后形成的复杂模式匹配，这同时也是 LLM 的局限——模型训练完成之后参数就固定了

目前来看，LLM还是一个概率生成模型。

想必大家还记得gpt3刚兴起的时候，询问大模型一些问题，他会回答：我的知识库截止到XXX日期。

• LLM 无法获得实时信息


• LLM 无法执行操作


• LLM 擅长思考但是无法行动

所以我们需要tool

三、什么是tool

Tool（工具）就是提供给 LLM 使用的外部能力。tool本身不是AI，只是普通程序。

对于 Python 来说：Tool 本质就是一个 Python 函数。凡是通过python可以实现的事情都可以封装成tool。（当然也可以使用其他语言开发tool。）

例如：

• 搜索网页


• 生成execl


• 控制浏览器


• 获取天气

四、LLM 如何使用 tool

真正执行 Tool 的永远不是 LLM，而是宿主程序。LLM 只能返回 Tool Call，请求宿主程序去执行。

还记得我们上面说的 LLM 无法执行操作吗，LLM 是无法真正运行一个tool的，会有一个持续运行的宿主程序（Runtime，例如 Python 程序），负责在用户、LLM 和 Tool 之间传递消息，并协调整个调用流程。

假如我要向LLM询问今日天气，整个流程如下：

① 用户

    │

    ▼

输入："今日天气"



② 宿主程序（Python）

    │

    ├─ 加入 System Prompt

    ├─ 加入历史聊天

    ├─ 加入 Tool 列表

    │

    ▼

③ LLM

    │

    ├─ 理解："天气是实时信息"

    ├─ 判断："需要调用 get_weather"

    │

    ▼

④ 返回 Tool Call

    │

    ▼

⑤ 宿主程序（Python）

    │

    ├─ 解析 Tool Call

    ├─ 找到 get_weather()

    │

    ▼

⑥ Tool（天气 API）

    │

    ├─ 请求天气服务器

    ├─ 返回：

    │   {

    │      "temp": 32,

    │      "weather": "晴"

    │   }

    ▼

⑦ 宿主程序（Python）

    │

    ├─ 把 Tool 结果加入 messages

    │

    ▼

⑧ LLM

    │

    ├─ 根据 Tool 返回结果组织自然语言

    │

    ▼

⑨ 宿主程序（Python）

    │

    ▼

⑩ 输出给用户

更进一步：用户不是直接和 LLM 通信，而是和宿主程序通信。宿主程序负责决定发送什么内容给 LLM，以及如何处理 LLM 的返回。

所以我们的输入：今天的天气

LLM真正收到的是：

System:

你是 ChatGPT。



今天日期：

2026-07-16



用户位于：

东京（如果已知）



可使用工具：

- weather

- search

- python

- image

...



历史聊天：

......

......



User:

今天的天气

五、为什么需要 LangChain

LangChain,一个开发 Agent 的 Python 框架。

通过上面的LLM使用tool的部分我们知道了，一个agent，远不是将LLM和tool堆到一起就可以实现的，所以出现了LangChain：把这些常见能力封装起来。

如果你不使用LangChain开发Agent，你就需要把第四部分查天气用到的每个步骤都加到代码中，使用LangChain本质上就是帮助你写宿主程序。

LangChain有很多模块，以TOOl为例，

@tool

def weather(city):

    pass

一行装饰器。就能变成 Tool。不用自己写 Tool Schema（Tool 的"接口说明书"，告诉 LLM：这个工具叫什么、能干什么、需要哪些参数、参数是什么类型。）。

六、LangChain 和 LangGraph 区别

LangGraph 是一个有状态（Stateful）的工作流框架。并且是建立在 LangChain 之上的工作流框架。

从名字上简单理解，Chain就是链条，Graph就是图，现实任务越来越复杂，已经不是简单的一条链就可以解决的了，可能需要，分支，循环，多Agent协作，LangChain 很难优雅地管理，于是 LangGraph 出现了。