#模块七：Agent、工具调用、工作流编排与协议知识点

• Q73 什么是 Agent？它和普通 Chatbot 的区别是什么？：知识点包括 observe-think-act 循环；外部环境交互；多步决策而非单轮生成。
• Q74 ReAct 的基本思想是什么？：知识点包括 reasoning + acting 交替；先想再调工具；用 observation 驱动下一步。
• Q75 tool calling / function calling 的作用是什么？：知识点包括把自然语言决策映射成结构化 API 调用；让模型可执行真实动作；提升可控性。
• Q76 workflow 和 autonomous agent 的差别是什么？：知识点包括路径是否预定义；决策是否动态；错误恢复与状态管理复杂度。
• Q77 memory 在 Agent 中通常有哪些类型？：知识点包括 working/episodic/semantic/procedural；短期上下文与长期记忆；何时写入何时检索。
• Q78 MCP 想解决什么问题？：知识点包括统一工具接入协议；减少每个工具的专用适配成本；模型与外部能力解耦。
• Q79 如何区分“工作流自动化”和“真正的 Agent 系统”？：知识点包括是否基于反馈动态改路；是否自主选工具；是否存在长期状态与闭环。
• Q80 ReAct、Plan-and-Execute、Reflexion 各自适合什么任务？：知识点包括单步探索、多步规划、失败后反思；不同方法的控制粒度与成本。
• Q81 Agent 乱调工具、循环执行、不结束，怎么诊断？：知识点包括工具 schema、状态机、终止条件、观察质量、奖励或评测定义。
• Q82 如果要做 Multi-Agent，怎么决定拆几个 agent？：知识点包括角色分工是否清晰；上下文隔离是否有益；协作开销是否值得。
• Q83 MCP / A2A 的价值是什么？为什么 2026 年大家关心？：知识点包括协议化生态；多 agent 协作标准化；工具与模型平台化。
• Q84 Agent memory 该保留什么、不该保留什么？：知识点包括长期稳定偏好和值得复用经验；避免写入噪声、错误、敏感数据；记忆淘汰和校验机制。