腾讯云：一文讲透从0构建AI Agent
一句话概括
以 LLM→API→Context→Tool Calling→Agent Loop→MCP/Sub-Agent/Skill 概念全景图开篇，给出 Agent = LLM + Tools + Loop 公式，按四阶段递进上代码：单次对话、history 数组多轮维护、Function Calling 工具注册表、引入 ReAct 循环。
实践内容
Agent 公式
Agent = LLM + Tools + Loop
四阶段递进
- 单次对话 —— 最简单的 LLM 调用
- history 数组多轮维护 —— 维护对话历史实现多轮
- Function Calling 工具注册表 —— 注册工具让 LLM 调用
- ReAct 循环 —— 推理-行动-观察循环
无状态本质
LLM 本质是无状态的，每次调用都是独立的。上下文管理是 Agent 的核心挑战。
三种上下文管理策略
- 滑窗 —— 保留最近 N 轮对话
- 摘要 —— 对历史对话生成摘要
- RAG —— 检索增强生成
摘录
以 LLM→API→Context→Tool Calling→Agent Loop→MCP/Sub-Agent/Skill 概念全景图开篇，给出 Agent = LLM + Tools + Loop 公式，按四阶段递进上代码：单次对话、history 数组多轮维护、Function Calling 工具注册表、引入 ReAct 循环。
点出无状态本质、上下文窗口、滑窗/摘要/RAG 三种上下文管理策略。
涉及实体
- Claude-Code —— Claude Code 的 Agent Loop 实现
涉及主题
我的评注
“Agent = LLM + Tools + Loop”这个公式简洁有力。四阶段递进的学习路径也很清晰——从最简单的单次对话开始，逐步增加多轮维护、工具调用和 ReAct 循环。