← BackFrom AI Learning
AI Basics & Roles
一、核心角色定义
1. 大模型（LLM）
职责：选择工具、归纳总结
核心能力：
根据用户意图判断需要调用哪些工具
对工具返回的结果进行归纳、提炼、格式化输出
生成最终面向用户的自然语言回答
2. 工具（Tools）
职责：执行具体的、外部化的任务
示例：
查询天气
计算器（数学计算）
搜索引擎
数据库查询
特点：提供外部能力，本身不做决策和总结
3. 平台（Platform）
职责：串联整个交互流程
作用：
接收用户输入
将请求转发给大模型
解析大模型的工具调用指令
调度并执行对应的工具
将工具结果回传给大模型
最终把大模型的回答呈现给用户
二、完整交互流程示例
用户输入：上海今天天气
用户 ──→ 平台："上海今天天气"
↓
平台 ──→ 大模型："上海今天天气" + 可用工具列表（天气查询、计算器）
↓
大模型 ──→ 平台：调用天气查询（指令）
↓
平台 ──→ 工具：执行天气查询
↓
工具 ──→ 平台：返回天气查询结果
↓
平台 ──→ 大模型：返回工具调用结果
↓
大模型 ──→ 平台："上海天气如下……"（回答）
↓
平台 ──→ 用户："上海天气如下……"
流程总结
| 步骤 | 执行方 | 动作 |
|---|---|---|
| 1 | 用户 | 提出问题 |
| 2 | 平台 | 转发请求 + 工具上下文 |
| 3 | 大模型 | 选择工具，生成调用指令 |
| 4 | 平台 | 解析指令，调用工具 |
| 5 | 工具 | 执行任务，返回数据 |
| 6 | 平台 | 将结果回传给大模型 |
| 7 | 大模型 | 归纳总结，生成最终回答 |
| 8 | 平台 | 将回答返回给用户 |
三、关键概念补充
MCP（Model Context Protocol）
定义：模型上下文协议
作用：统一不同平台的工具接入规范
背景问题：不同平台（如不同 AI 应用、框架）接入外部工具时，接口规范各不相同，导致工具复用困难
解决方式：提供一套标准化的接口协议，让工具可以一次开发，多处接入
Agent（智能体）
定义：能够自主规划并多次调用工具完成复杂任务的系统
与大模型的区别：
大模型：单次或少量工具调用，依赖平台调度
Agent：自主决策、多步规划、循环调用工具直至任务完成
典型代表：
Claude Code
OpenAI Codex
CLI Agent 工具
Agent Skills
定义：Agent 执行特定任务时的固定输出格式
作用：确保 Agent 的输出结构化、可预测，便于后续流程处理或系统集成
四、职责对比表
表格
| 角色 | 核心职责 | 是否做决策 | 是否归纳总结 |
|---|---|---|---|
| 大模型 | 选择工具、归纳总结 | ✅ | ✅ |
| 工具 | 执行具体任务 | ❌ | ❌ |
| 平台 | 串联流程、调度执行 | ❌ | ❌ |
| Agent | 自主规划、多次调用工具 | ✅ | ✅ |
五、学习要点
大模型不直接操作工具，而是通过平台中转，由平台负责实际调用
工具是能力的延伸，大模型本身不具备实时查询、计算等外部能力
平台是桥梁，负责协议转换、流程编排和结果传递
MCP 解决标准化问题，降低工具开发和接入成本
Agent 是更高阶形态，具备自主性和规划能力，能独立完成多步骤复杂任务