Agent 的五大核心模块：从「能循环」到「能工程化」
一、背景
读过专栏里的 AI Agent 基本循环 后，你已经知道：Agent 本质是 感知 → 规划 → 行动 → 观察 的闭环。但在真实产品里，我们还要回答：这一坨逻辑该拆成哪些可替换、可测试、可运维的块？
业界常把 Agent 系统拆成 五大核心模块（命名略有出入，但骨架一致）：
- 规划（Planning）——把目标变成步骤与决策顺序。
- 记忆（Memory）——短期上下文与长期知识的读写与检索。
- 工具与行动（Tools / Action）——可调用的外部能力与安全边界。
- 执行与观察（Execution & Observation）——真正发起调用、解析结果、写回状态。
- 约束与治理（Guardrails / Control）——预算、停止条件、权限、人在回路。
本文与 基本循环 的关系：循环描述「时间上的行为」，五大模块描述「空间上的职责划分」——同一套事，两个视角；做架构图、分工接口、排障时，模块视角更顺手。
二、核心概念和核心原理（详细解答 + 通俗解释）
（一）模块一：规划（Planning）
- 通俗解释：用户说「帮我把这周会议纪要做成待办」，模型不能一上来就乱调日历——要先想清楚 先查哪些信息、再调哪些工具、失败时怎么改路线。
- 详细解答：规划可以是 隐式（ReAct 里每步一句 Thought）或 显式（先输出完整计划再逐步执行，Plan-and-Execute）。工程上要处理 计划过时（用户中途改需求）、计划过长（需摘要或子任务）以及 与上下文窗口的博弈（计划占 token）。
要点：规划模块的输出应是 可验证的中间产物（步骤列表、当前子目标），便于日志与回放，而不是只有一段自然语言独白。
（二）模块二：记忆（Memory）
通俗解释：人办事会「记得刚才工具返回了啥」，也会「记得你是偏好 Markdown 还是表格」——Agent 也一样。
详细解答：常见分层包括：
- 工作记忆：当前对话 + 本轮工具 trace（强相关、短寿命）。
- 会话级摘要：窗口快满时压缩历史，保留决策与结论。
- 长期记忆：向量库、用户画像表、组织知识库（需 引用与溯源，避免把噪声当事实）。
要点：记忆不是堆满就好——检索时机、写入门槛、冲突消解（新旧偏好）要和规划模块协同，否则「记太多」会 带偏下一步规划。
（三）模块三：工具与行动（Tools / Action）
- 通俗解释：没有工具，Agent 只是聊天；有了 HTTP、SQL、工单 API、浏览器自动化，才能改真实世界的状态。
- 详细解答：与专栏 Function Calling 与 MCP 直接对应：Schema（名字、参数类型、说明）是模型选工具的接口文档；权限（OAuth、服务账号、只读库）要在工具层收口，而不是交给模型「自觉」。
要点：工具要 原子化且可组合：太粗难以纠错，太细则步骤爆炸。高危操作（支付、删数据）应 单独工具 + 强制二次确认或审批流。
（四）模块四：执行与观察（Execution & Observation）
- 通俗解释：规划说「查天气」，工具定义了
get_weather(city)，执行层负责：序列化参数、发请求、处理超时、把 JSON 变成模型可读的 observation。 - 详细解答：这一层是 基本循环里「行动 + 观察」的工程化落地：统一 重试策略、错误码语义、tool_call_id 与日志对齐；观察结果必须 原文或可审计摘要 写回上下文，避免模型 编造未发生的工具输出（幻觉的一种）。
要点：执行层越 确定性（超时、幂等、结构化错误），规划层越稳定。
（五）模块五：约束与治理（Guardrails / Control）
通俗解释：再聪明的 Agent 也需要 红绿灯：最多跑多少步、花多少钱、哪些域名能访问、要不要等人点「确认」。
详细解答：典型控制面包括：
- 预算：最大步数、最大工具调用次数、token/费用上限。
- 停止条件：任务完成判定、用户中止、无法恢复错误。
- 安全：提示注入防护、工具级 RBAC、敏感数据脱敏。
- 人在回路（HITL）：关键节点暂停，等待人工输入或审批。
要点：治理应是 策略可配置 的（按租户/场景），而不是写死在提示词里一段「请你注意安全」。
（六）五大模块如何协作（一张心智图）
可以把一次用户请求想成流水线：
用户目标 → 规划（选路线）→ 读记忆（补事实）→ 选工具（行动意图）→ 执行与观察（拿真结果）→ 写记忆 / 更新状态 → 治理层全程掐预算与权限 → 循环直到停止条件。
模块之间 边界清晰 时，你可以单独升级：换更强的规划模型、换向量库实现记忆、换 MCP 接入新工具，而不必重写整条链路。
三、补充进阶知识点（易懂不晦涩）
1. 单 Agent 里五块全栈 vs 多 Agent 分工
多 Agent 时，常见做法是 每个子 Agent 仍具备五模块的子集（例如研究员 Agent 重记忆与检索，执行 Agent 重工具与执行），由 编排层 再做上一层规划。2. 与 RAG 的交界
「检索」既可视为 工具，也可视为 记忆模块的读取路径——选型看你要 可观测的独立步骤（工具）还是 透明的上下文注入（记忆）；很多系统两者兼有。3. 可观测性
产品级 Agent 建议为每个模块打 结构化事件（plan_version、memory_hit、tool_latency、guardrail_trigger），否则线上「为什么跑偏」几乎不可复盘。4. 和专栏其他文章的关联
MCP 主要落在工具与执行；基本循环 贯穿执行与观察；提示注入与安全 是治理模块的纵深；结构化输出 便于规划与工具参数的稳定解析。
四、文章知识总结
- 背景：五大模块是 Agent 工程拆分视角，与 时间循环视角互补。
- 规划：隐式/显式计划、计划可验证性与过期处理。
- 记忆：工作 / 会话 / 长期分层，注意噪声与带偏。
- 工具：Schema、权限、原子性与高危隔离。
- 执行与观察：确定性、真实 observation、trace 对齐。
- 约束与治理：预算、停止、安全、人在回路、可配置策略。
- 核心逻辑：模块边界清晰，系统才可迭代；治理与执行层越硬，规划层越敢用强模型。
总结：把 Agent 想成一家小公司——规划是作战室，记忆是档案室，工具是外包能力，执行是前台接单，治理是财务与合规。五块都弱，只会「很会聊」；五块都稳，才敢上生产。