【谷歌】2025年Agents与基础应用白皮书_42页_4mb

报告摘要

代理人白皮书总结

核心内容

本白皮书探讨了生成式人工智能代理（Agent）的概念、结构和应用。代理是一种能够利用工具和外部信息来完成复杂任务的程序，其能力远超单一语言模型（LM）的限制。代理通过认知架构进行推理、规划和决策，能够自主执行任务并实现目标。

主要观点

代理的定义
代理是一种应用，通过观察世界并使用工具来实现目标。它们能够独立于人类干预执行任务，甚至在没有明确指令的情况下进行推理和决策。
模型的作用
在代理中，模型是决策的核心。它可以是通用型、多模式或微调后的语言模型，用于执行推理任务并决定何时使用工具。模型可以使用如ReAct、Chain-of-Thought（CoT）或Tree-of-Thoughts（ToT）等框架进行推理。
工具的类型与功能
工具是代理与外部世界交互的关键。它们可以是扩展、函数调用或数据存储：
- 扩展：允许代理无缝调用外部API，例如Google Flights API。
- 函数调用：在客户端执行，提供对API调用的额外控制，适用于安全限制、异步操作或数据转换场景。
- 数据存储：为代理提供对结构化和非结构化数据的访问，支持检索增强生成（RAG）等应用。
编排层
编排层是代理的核心组件，负责信息处理、推理和决策。它通过循环机制（如ReAct）来引导代理执行任务，确保代理能够根据当前状态和外部信息动态调整策略。
代理 vs. 模型
模型和代理在功能上有显著区别：
- 模型基于训练数据进行推理，无法与外部世界交互。
- 代理利用工具扩展其能力，能够访问实时数据并执行现实世界中的操作。
有针对性的学习方法
为了提升模型在代理环境中的表现，可以采用以下方法：
- 上下文学习：通过提供提示、工具和示例，让模型在推断时“即兴学习”。
- 基于检索的上下文学习：从外部数据中动态检索相关信息，以增强模型的推理能力。
- 基于微调的学习：使用特定任务的数据集对模型进行微调，以优化其工具使用能力。
代理的实现与应用
代理可以通过开源工具如LangChain和LangGraph快速构建原型。Google的Vertex AI平台提供了一个完全托管的环境，允许开发人员轻松集成代理、工具、数据存储等组件，以构建生产级应用。

关键信息

代理通过使用工具扩展其能力，能够完成模型无法独立完成的任务。
编排层是代理实现复杂任务的关键，负责信息处理、推理和决策。
工具分为扩展、函数调用和数据存储三类，每种工具适用于不同的场景。
有针对性的学习方法（如上下文学习、基于检索的上下文学习和微调）有助于提高代理的性能和准确性。
LangChain和LangGraph等库为代理开发提供了便利的工具，而Vertex AI平台则简化了生产级代理的构建和部署。

示例与实现

代理可以使用ReAct框架进行多步骤推理，例如搜索航班信息并获取目的地地址。
示例扩展如Code Interpreter允许代理生成并执行代码。
函数调用示例展示了如何将自然语言输出转换为结构化格式（如JSON）以便客户端处理。
数据存储通过向量搜索使代理能够检索并处理外部信息，从而支持RAG应用。

未来展望

代理的发展前景广阔，随着工具和推理能力的提升，它们将能够解决更复杂的问题。
“代理链接”战略方法将推动多代理系统的发展，通过结合不同领域的专家代理，实现更全面和高效的任务执行。
构建复杂的代理系统需要迭代和实验，以适应不同业务需求和组织目标。

工具总结

工具类型	执行位置	用例
扩展	代理端	与API端点交互，多跳规划，使用预构建扩展（如代码解释器）
函数调用	客户端	安全限制、异步操作、数据转换、避免部署额外基础设施
数据存储	代理端	访问结构化和非结构化数据，实现RAG应用

参考文献

Shafran, I., Cao, Y. 等，2022年，'ReAct: Synergizing Reasoning and Acting in Language Models'. 链接
Wei, J., Wang, X. 等，2023年，'Chain-of-Thought Prompting Elicits Reasoning in Large Language Models'. 链接
Wang, X. 等，2022年，'Self-Consistency Improves Chain of Thought Reasoning in Language Models'. 链接
Diao, S.等，2023年，'使用思维链的主动提示，针对大型语言模型'. 链接
Zhang, H.等，2023年，'语言模型中的多模态思维链推理'. 链接
Yao, S.等，2023年，'思维树：大型语言模型的刻意问题解决'. 链接
Long, X., 2023, '大型语言模型指导的思维树'. 链接
Google. 'Google Gemini 应用程序'. 链接
Swagger. 'OpenAPI规范'. 链接
Xie, M., 2022, '在上下文学习中如何工作? 理解与传统监督学习的区别的框架'. 链接
Google Research. 'ScaNN (可扩展最近邻)'. 链接
LangChain. 'LangChain'. 链接