ai

从提示到行动：我在 Google 与 Kaggle AI 代理训练营的旅程

发布: (2025年12月15日 GMT+8 10:03)
8 min read
原文: Dev.to

Source: Dev.to

这是一篇提交给 Google AI Agents Writing Challenge 的作品：学习心得

事实证明，只要会写一个 Python 函数，就能构建一个代理。下面是我对代码、概念和工具的深度探索，让这段旅程变得触手可及，并展示我的毕业项目：Jarbest。

觉醒：你好，代理

来自非开发者背景的我，一直把软件想象成“砌砖工”——严格按照蓝图执行。第一天，我认识了 Agent：一个更像 电影导演 的系统。它不仅仅是预测文本；它拥有 大脑（模型）、双手（工具）和 神经系统（编排），能够自主感知、推理并行动。

代理在一个连续循环中运行——任务 → 扫描 → 思考 → 行动 → 观察——不断调整计划以解决问题。这个框架揭开了魔法的面纱：我不只是写一个聊天机器人，而是在构建一个拥有自主性的系统来执行多步骤任务。

“啊哈！”时刻：这只是 Python 与 AI 的 “USB 接口”

插图

第二天，我恍然大悟。模型只是“大脑”——模式预测器，既看不见也不能行动。要让它们有用，就需要 工具：让它们获取数据或执行动作的“眼睛”和“手”。

如果把每个工具都接到每个模型上，很快就会变成噩梦（N × M 问题）。这时 模型上下文协议（MCP） 出场了。

把 MCP 想象成 AI 的 USB 接口。在 USB 之前，你需要为每个设备准备一根特定的线缆。MCP 让你可以使用标准连接，把任何工具插入任何代理。

代码：给代理“手”

在我的项目 Jarbest（一个易于使用的个人伴侣）中，我需要一个能够查询银行账户余额的代理。与其编写自定义连接器，我使用 MCP “插入”了一个安全的银行服务器。

# Finance Agent: Manages the bank's transactions
finance_agent = Agent(
    name="finance_agent",
    description="An agent that can help with banking operations like checking balances...",
    # This toolset connects to a secure internal banking server
    tools=[
        MCPToolset(
            connection_params=StreamableHTTPConnectionParams(
                url=f"{BANK_MCP_URL.rstrip('/')}/mcp",
            )
        )
    ],
)

为什么这很重要（以及潜在风险）

代理读取这些工具定义，并且准确知道何时使用它们。如果用户问 “我能买得起这块披萨吗？”，代理会自然而然地先调用 check_balance。

然而，笔记提醒我们：使用 MCP 就像把在街上捡到的随机 USB 盘插进去。它可能是合法工具，也可能是“工具影子”（恶意副本）。这就是我在 Jarbest 中实现严格 应用层网关（通过硬编码白名单）的原因——确保代理只能连接到我特定的内部 MCP 银行服务器，防止它“插入”不受信任的来源。

深入探讨：大脑（记忆）

记忆

第三天，事情变得更为复杂。聊天机器人在你关闭标签页的那一刻就会忘记你。代理会记住。

对于 Jarbest 来说，它面向重视一致性的老年用户，记忆至关重要。如果 “Jane 奶奶” 要求她的 “常规订单”，代理不应该问 “那是什么？”；它应该已经知道。

下面是我在根代理中实现 “大脑” 的方式：

root_agent = Agent(
    name='root_agent',
    instruction="""
    You are Jarbest...
    Memory: Use the load_memory tool to recall past conversations and preferences 
    (e.g., "ordering the usual").
    """,
    tools=[load_memory],  # <--- This single line gives the agent a "brain"
    after_agent_callback=auto_save_to_memory  # Auto‑saves every interaction
)

非开发者的视角

把 load_memory 想象成给代理一个文件柜。当 Jane 奶奶说 “帮我点点吃的” 时，代理会思考：*“我需要检查她是否有偏好”，*打开文件柜（load_memory），找到 “喜欢大号意大利香肠披萨”，然后执行相应操作。实时看到这种思考过程令人惊叹。

“挤压”：调试黑盒

调试示意图

第四天我们学到，仅仅“它能工作”是不够的。你必须知道 为什么 能工作。构建像 Jarbest 这样以安全为核心的代理时，我不能容忍 “幻觉”。

通过 Agent 可观测性 实验，我学会了追踪代理的推理步骤。当我的代理拒绝点披萨时，我可以查看追踪日志，看到：

  • 用户： “点一个披萨。”
  • 工具调用： check_balance → 返回 $5.00。
  • 推理： “披萨要价 $20。用户只有 $5。结果：不安全。”
  • 响应： “我无法完成此订单，因为您的余额不足。”

看到原始推理日志就像窥视矩阵一样。它把 LLM 从神秘的预言者变成了可调试的逻辑软件组件。我意识到我已经不再只是“提示”，而是在进行逻辑工程。

生态系统：代理之间的对话（A2A）

第五天引入了 Agent‑to‑Agent（A2A）协议。这标志着我从构建单一助手转向构建 团队。

我的 “采购代理” 并不会做披萨，而是连接到一个完全独立的 “披萨店代理”（模拟第三方供应商）。

# Creating a client‑side proxy for a remote agent
pizza_agent_proxy = RemoteA2aAgent(
    name="pizza_agent",
    # The "Agent Card" acts like a business card for discovery
    agent_card="http://localhost:10000/.well-known/agent-card.json",
    description="Remote pizza agent from external vendor...",
)

purchaser_agent = Agent(
    name="purchaser_agent",
    instruction="Your goal is to help the user find and buy items.",
    tools=[AgentTool(pizza_agent_proxy)],  # <--- Treating another agent as a tool
)

酷炫的想法

“Agent Card” 不仅是技术清单；它是一种全新的商业交互方式。

  • 对中小企业（SMB）而言： 与其不断维护和文档化复杂的 API 供开发者使用，不如暴露一个 Agent Card，让任何兼容的 AI 代理都能发现并即插即用。
Back to Blog

相关文章

阅读更多 »