当 Manus 这类 Agent 产品今年引爆市场时，人们的兴奋点并非“它更聪明”，而是它解决了一个长期困扰企业的难题——如何在工具多、意图杂、异常频发的场景下，用更低成本实现灵活的任务执行。要理解这一点，我们需要从 Agent 的“诞生逻辑”说起。  

一、为什么需要 Agent？Workflow 搞不定的“复杂性爆炸”

大模型虽强，却天生有缺陷：它依赖训练数据，无法直接获取外部实时信息（尤其是垂直领域数据），更无法自主决策“何时调用什么工具”。早期解决方案是 Workflow（如 RAG）——通过人工编写的规则（if/else、循环、重试） orchestrate 工具调用。但企业真实场景中，复杂度来自三类“不可穷举”：  
• 数据源激增：从公网到 A/B 公司私有数据，工具数量指数级增长；  

• 意图组合爆炸：用户问题可能涉及多工具联动（如“查北京天气+腾讯股价+总结”）；  

• 异常情况频发：工具调用失败、参数错误、结果校验不通过……  

若用 Workflow 处理，需为每个场景写死分支逻辑，最终导致“分支爆炸+维护爆炸”——开发一个复杂 Agent 的成本曲线会陡峭到难以承受。  

Agent 的价值正在于此：它将原本由工程师在开发期写死的控制流（路由、工具选择、重试），迁移到运行时由模型动态决策。代价是多轮推理、更多 Token 消耗和更高延迟，但换来了开发与维护成本的显著下降——新增工具时，只需配置 MCP 服务器，无需修改所有 Agent 代码；工具调用失败时，模型可自主重试或调整策略。  

简言之，Agent 不是“更聪明的模型”，而是用时间与成本换架构简洁度的工程优化。  

二、Agent 进化史：从 ReAct 到 Skills，模型能力驱动的范式迭代

Agent 的落地依赖三大技术支柱的成熟，其发展脉络清晰可见：  

1. 2022 年：ReAct 框架——推理与行动的“启蒙”

ReAct（《ReAct: Synergizing Reasoning and Acting in Language Models》）首次提出“思考→行动→观察→再思考”的循环框架，让模型在解决问题时能动态调整策略。但早期缺乏标准化工具调用能力，需手动实现工具识别（如提示词工程或微调），效率低下。  

2. 2023 年 6 月：Function Calling（FC）——工具调用的“标准化”

OpenAI 推出 Function Calling，将工具调用固化为模型的基础能力：开发者预定义工具（名称、描述、参数），模型根据用户问题自动匹配并输出结构化调用指令（如 JSON）。这标志着 Agent 从“实验室玩具”走向“工程可用”——工具调用不再依赖人工规则，而是由模型自主决策。  

3. 2024-2025 年：MCP——工具集成的“解耦”

当企业拥有 10 个 Agent 和 20 个工具时，传统 FC 需为每个 Agent 单独配置工具（200 个集成点），维护成本极高。MCP（Model Context Protocol）通过“客户端-服务器”架构标准化工具接入：工具开发者只需实现 MCP 服务器，Agent 作为客户端即可调用所有符合协议的工具。集成点从 N×M 骤降至 N+M，彻底解决“工具爆炸”的维护难题。  

4. 2025 年 10 月：Skills——工具使用的“SOP 化”

工具增多后，模型常因“乱调用、错调用”导致体验差。Anthropic 提出的 Skills 技术，将“如何用工具完成任务”的 SOP（标准操作流程）沉淀为可复用的模块（含说明文档、脚本、资源）。模型执行任务时，会先扫描 Skills 库，按需加载匹配的 SOP，直接按步骤调用工具——相当于给 Agent 装了“操作手册”，大幅提升稳定性。  

三、核心技术拆解：FC、MCP、Skills 如何协同？

• Function Calling：定义工具的“元数据”（名称、描述、参数），让模型知道“有哪些工具可用”；  

• MCP：解决工具的“集成问题”，通过标准化协议让 Agent 轻松接入海量工具；  

• Skills：解决工具的“使用问题”，用 SOP 规范模型调用工具的步骤，减少随机性。  

三者协同下，Agent 能高效处理复杂任务。例如用户问“查北京天气+腾讯股价+总结”，流程变为：  
1. 模型通过 FC 识别需调用“天气查询”“股价查询”工具；  
2. MCP 服务器提供工具的具体实现（如对接气象 API、金融数据接口）；  
3. Skills 中的“信息查询 SOP”指导模型按顺序调用工具、整合结果并生成总结。  

四、ReAct 框架：Agent 的“大脑”如何运转？

ReAct 是 Agent 的核心编排层，模拟人类解决复杂问题的认知过程：思考（Thought）→行动（Action）→观察（Observation）→再思考。其中，“Thought”常通过思维链（CoT）展开——模型先分解问题、推导步骤，再执行行动。例如回答“公司请假流程”时：  
• Thought：先查《员工手册》中“请假流程”相关内容；  

• Action：调用 search_docs("请假流程")；  

• Observation：找到“提交申请→主管审批→HR 备案”的步骤；  

• Thought：整理步骤，生成清晰回答；  

• Final Answer：输出流程说明。  

CoT 的引入有效降低幻觉，让 Agent 的思考过程可追溯、可验证。  

结语：Agent 的本质是“工程范式的进化”

市场对 Agent 的兴奋，本质是对“用架构换效率”的认可——它用更多 Token 和时间，换来了企业场景下的低维护成本与高灵活性。从 ReAct 到 Skills，Agent 的进化始终依赖模型能力的突破（如工具调用精度、逻辑推理能力），而 2025 年后模型的长足进步（推理、上下文长度、工具调用微调），让 Agent 从“概念”走向“可用”。  

未来，随着记忆系统等模块的完善（如本地向量数据库），Agent 或将真正成为“数字世界的通用助手”——但核心逻辑不变：用 Token 换架构，用成本换效率。