第 2 章 · Agent 工具演化史 / The Evolution of Agent Tooling

本章观点

Agent 不是 2025 年突然冒出来的新东西。它是一条清晰的技术演化线：从 2022 年的 ReAct 论文，到 2023 年 AutoGPT 的爆火与翻车，再到 2024 年的 Coding Agent 与 MCP，最后到 2025 年的 Skills 与 Loop Engineering。

理解这条线有两个好处：

不重复造轮子：每一代踩过的坑，下一代都有对应工具来解决。你今天遇到的"agent 跑着跑着就死了"，AutoGPT 时代就遇到过，答案是加步数上限 + 验证 + sandbox。
看清技术选型：为什么 MCP 出来以后 Function Calling 没被淘汰？为什么 Skills 不是 Workflow 的替代品？为什么单 Agent 没死、Multi-Agent 没普及？演化视角能给你答案。

一句话：演化史不是历史课，是选型课。

2.1 阶段 1：Prompt / ReAct 时代（2022）

Chain of Thought：让模型"想出来"

2022 年 1 月，Wei 等人发表 Chain of Thought (CoT) 论文。核心发现：在 prompt 里加一句 "Let's think step by step"，让模型把推理过程写出来，数学题准确率从 17.7% 跳到 58.3%。

这是 Agentic AI 的思想原点：模型不是只输出答案，而是输出推理过程。后续所有 agent 的 "Thought" 字段都来自这里。

ReAct：推理 + 行动

2022 年 10 月，Yao 等人发表 ReAct: Synergizing Reasoning and Acting in Language Models。论文标题里的 "Synergizing" 是关键词：推理和行动不是二选一，而是交替进行。

ReAct 提出的循环格式：

text

Thought: 我需要查北京天气
Action: weather_tool(location="北京")
Observation: 25 度，晴
Thought: 信息齐了
Final Answer: 北京今天 25 度晴。

ReAct 的真正贡献不是这个文本格式，而是证明了三件事：

只推理不行动：模型会幻觉（说自己查了，其实没查）。
只行动不推理：模型不知道为什么要调这个工具，参数经常错。
推理 + 行动交替：准确率最高，且轨迹可检查。

这三条结论至今没被推翻。今天 Claude / GPT 的 tool use API，底层就是这个逻辑的结构化版本。

关键词

Chain of Thought (CoT)
ReAct (Reasoning + Acting)
Tool-use Prompt
Zero-shot CoT

2.2 阶段 2：Function Calling / Tool Calling（2023.6）

OpenAI 打开结构化工具调用

2023 年 6 月 13 日，OpenAI 在 GPT-4 升级时发布了 Function Calling 功能。LLM 不再只能输出文字，还能输出 "我要调用这个函数，参数是这些" 的结构化 JSON。

这是从"ReAct 文本格式"到"工程化 API"的关键一跳。在 ReAct 时代，开发者得用正则解析 "Action: ..." 字符串；Function Calling 之后，模型直接返回 JSON，工程上稳得多。

各家跟进

OpenAI：Function Calling（2023.6）→ 改名 Tool Calling（2023.11）
Anthropic：Tool Use（2024.3，Claude 3 发布时同步上线）
Google Gemini：Function Calling（2023.12）
开源模型：Llama 3、Qwen 2.5、DeepSeek-V3 都支持

底层都是 JSON Schema 描述工具，模型返回结构化调用。差别只在字段命名：OpenAI 用 parameters，Anthropic 用 input_schema。

关键词

Function Calling / Tool Calling / Tool Use
JSON Schema
Structured Output
Tool Schema Design
Tool Error Handling

一个常见误区

很多人以为 "Function Calling 出来以后 ReAct 就过时了"。不对。ReAct 是思想（推理 + 行动交替），Function Calling 是实现手段（结构化输出）。今天所有 agent 框架，底层仍然是 ReAct 循环，只是用 Function Calling 替代了文本解析。

2.3 阶段 3：AutoGPT / BabyAGI 的爆火与翻车（2023.3-4）

一个月内 100k star

2023 年 3 月，AutoGPT 在 GitHub 上线。用户给一个目标（"帮我赚钱"），AutoGPT 自己拆任务、调搜索、写文件、循环执行。一个月内拿下 100k star，是当时涨星最快的项目。

同期 BabyAGI 用 140 行 Python 实现了"任务队列 + 优先级 + 反思"的最小 agent loop，成了无数教程的范本。

为什么爆火

AutoGPT 把 ReAct 的"推理 + 行动"循环跑起来了，还接了真实的工具：文件系统、网页搜索、长记忆。用户第一次看到"AI 自己跑任务"的演示，震撼感拉满。

为什么翻车

但 AutoGPT 真实跑起来基本都崩：

问题	表现	根因
死循环	反复搜索同一个词	没有循环检测，没有步数硬上限
成本失控	一个任务烧几十美金	没有 token 预算，没有停止条件
幻觉执行	说自己做了，其实没做	缺少验证环节，工具结果不校验
任务漂移	跑着跑着忘了目标	context 爆了之后目标被淹没
越权操作	自动创建文件、发推	没有 permission 分级，没有 sandbox

教训沉淀

AutoGPT 的失败给整个行业上了一课，后续所有 agent 框架的设计都在回应这些问题：

LangGraph 加了步数上限 + 状态检查点
Claude Code 加了 Permission 分级 + Hook 拦截
OpenHands 加了 Sandbox + E2E 测试
MCP 加了 Transport 安全 + 工具白名单
Skills 加了 allowed-tools 收紧

AutoGPT 没死，它变成了反面教材。今天你写的 agent 如果还犯 AutoGPT 那五个错，说明没读过这段历史。

关键词

AutoGPT / BabyAGI
Self-directed task decomposition
反面教材：缺验证 / 缺预算 / 缺 sandbox

2.4 阶段 4：Agent Frameworks（2023-2024）

AutoGPT 翻车后，社区开始系统化造轮子。2023 下半年到 2024 年，涌现了一批 Agent 框架，每个都试图解决 AutoGPT 留下的某个坑。

LangChain / LangGraph

LangChain 起家是 LLM 调用工具链，后来分化出 LangGraph 专门做"图式状态机"。LangGraph 的核心抽象：

State：TypedDict 定义的状态对象
Node：每个节点是一个函数，接收 state 返回更新
Edge：节点间的边，可以是固定的或条件的
Checkpoint：状态可持久化，支持断点续跑

LangGraph 解决了 AutoGPT 的"死循环 + 任务漂移"问题：状态显式化、循环可视化、步数可控。

AutoGen

AutoGen（微软出品）走"多 agent 对话"路线。多个 agent 在一个群里互相发消息，类似群聊推理。适合"多个角色辩论同一个问题"的场景。

CrewAI

CrewAI 走"角色扮演 + 任务流水线"路线。定义 Captain、Researcher、Writer 等角色，给每个角色一个 goal，框架自动编排。上手比 LangGraph 简单，但灵活性差一些。

LlamaIndex

LlamaIndex 起家是 RAG 框架，后来加了 Agent 能力。强在文档处理 + 知识库 + Agentic RAG。

框架的共同能力

到 2024 年中，主流框架都长出了这几样东西：

状态管理（State / Checkpoint）
多 Agent 协作（Orchestrator-Worker）
Human-in-the-loop（HITL，人工审批节点）
Trace / Debug（运行轨迹可视化）
Workflow + Agent 混合架构

框架的局限

但框架没解决根本问题：工具还是各家自己写，跨框架不能复用。你在 LangChain 写的 search_arxiv 工具，挪到 CrewAI 还得改一遍。这就给后面的 MCP 留了空间。

关键词

LangChain / LangGraph / AutoGen / CrewAI / LlamaIndex
State Machine / Checkpoint / HITL
Orchestrator-Worker / Multi-Agent

2.5 阶段 5：Coding Agent（2024-2025）

框架解决了"agent loop 怎么稳"，但 agent 还是只能调几个简单工具。真正让 agent 走进生产的是 Coding Agent：让 agent 在真实开发环境里读代码、改文件、跑命令、提 PR。

代表产品

产品	出品方	定位	上线
Cursor	Anysphere	IDE 内 agentic coding	2023.3
Aider	社区	终端 pair programming	2023.5
Devin	Cognition	"第一个 AI 软件工程师"	2024.3
OpenHands	All-Hands AI	开源版 Devin	2024.4（前 OpenDevin）
Replit Agent	Replit	端到端 app builder	2024.9
Claude Code	Anthropic	CLI 编程 agent	2025.2
Codex	OpenAI	CLI 编程 agent	2025.5
SWE-agent	Princeton	学术评测基准	2024.3

Coding Agent 共同能力

这些产品底层都是同一个形态：

读代码库（Glob / Grep / Read）
修改文件（Edit / Write）
运行命令（Bash）
写测试 + 跑测试
在 sandbox 中执行
提 PR 或 commit

差别在产品形态：Cursor 嵌 IDE，Aider 在终端，Devin 是 Web 产品，Claude Code / Codex 是 CLI，OpenHands 是开源框架。

为什么 Coding Agent 跑得起来

Coding Agent 是 Agent 演化里第一个"真能干活"的形态，原因有三：

环境封闭可控：代码库是一个明确的沙盒，agent 在里面跑不会误伤真实业务。
反馈即时可验：跑测试、编译、lint，结果对错一目了然。这是天然验证器。
任务路径明确：改 bug、加 feature、重构，都比"帮我赚钱"这种 AutoGPT 式目标具体得多。

Coding Agent 带来的新问题

但 Coding Agent 也暴露了新问题：

权限失控：agent 能 git push 能 rm -rf，没人拦就出事 → 催生 Permission 系统
工具不能复用：Cursor 写的工具 Claude Code 用不了 → 催生 MCP 普及
经验不能沉淀：每个项目都要重新教 agent 怎么做事 → 催生 Skills

这三个问题正好对应了下一阶段的 MCP、Skills 和 Loop Engineering。

关键词

Claude Code / Codex / Cursor / Devin / Replit Agent / OpenHands / Aider / SWE-agent
Sandbox execution / Permission / PR workflow

2.6 阶段 6：MCP 标准化（2024.11）

N×M 集成地狱

在 MCP 之前，工具集成是这样的：

Anthropic SDK：{"name": ..., "input_schema": ...}
OpenAI SDK：{"type": "function", "function": {"name": ..., "parameters": ...}}
LangGraph：自己的 Tool 类
CrewAI：又一套

5 个模型 × 20 个工具 = 100 套集成。这就是"N×M 集成地狱"。

MCP 出场

2024 年 11 月 25 日，Anthropic 开源 Model Context Protocol (MCP)。官方比喻是 "USB-C for AI applications"：一个标准接口，所有模型和所有工具都遵循它，N×M 降成 N+M。

注："N×M → N+M" 是社区通俗比喻，非 Anthropic 官方原话。

MCP 解决了什么

MCP 把三件事标准化了：

工具描述：统一的 JSON-RPC schema
通信协议：stdio / HTTP SSE / WebSocket 三种 transport
能力分类：Tools（模型调）/ Resources（应用取）/ Prompts（用户触发）

MCP 生态

到 2026 年中，MCP 已经是事实标准：

modelcontextprotocol/servers：88k star，官方参考实现
microsoft/playwright-mcp：35k，浏览器自动化
github/github-mcp-server：31k，GitHub 官方
PrefectHQ/fastmcp：26k，Python MCP 框架
googleapis/mcp-toolbox：16k，数据库 MCP

主流 Host（Claude Code / Cursor / VS Code / Claude Desktop / Codex CLI）全部原生支持 MCP。第 5 章会详细讲 MCP 怎么用。

关键词

MCP / Model Context Protocol
Host / Client / Server
Tools / Resources / Prompts
USB-C for AI

2.7 阶段 7：Skills 沉淀（2025）

问题：经验不能复用

MCP 解决了"工具连接标准化"，但没解决"做事方法标准化"。

举个例子：你在 Claude Code 里让 agent 提交代码，每次都要手动说 "看 git status → 看 diff → 写 commit message → 提交"。这套流程是固定的，但每次都要重新讲。这就是 Skills 要解决的问题。

Skills 是什么

2025 年，Anthropic 发布 Agent Skills。官方定义：

"Agent Skills are modular capabilities that extend Claude's functionality. Each Skill packages instructions, metadata, and optional resources (scripts, templates) that Claude uses automatically when relevant."

翻译：Skill 是模块化能力包，里面有指令、元数据、可选资源（脚本、模板）。Claude 在相关场景下自动调用。

Skill 的核心创新：渐进式加载

Skill 系统有个聪明设计——渐进式加载（Progressive Disclosure）：

层级	内容	加载时机	Token 成本
Level 1	Metadata（name + description）	始终加载	~100 tokens
Level 2	SKILL.md 主体	触发时加载	几百-几千 tokens
Level 3	Resources（脚本、模板）	按需加载	按需

100 个 skill 平时只占 1 万 tokens，触发哪个才加载哪个。这解决了"能力多了 context 就爆"的问题。

Skill vs MCP 的分工

	MCP	Skills
解决什么	工具连接标准化	做事方法标准化
粒度	单个工具调用	一套流程指令
复用维度	跨 host 复用	跨会话复用
例子	`filesystem` server	`/commit` skill

MCP 让 agent "有工具可用"，Skills 让 agent "知道怎么用工具做事"。第 7 章详细讲 Skills。

关键词

Agent Skills / SKILL.md
Progressive Disclosure
Skills vs MCP vs Prompt

2.8 阶段 8：Loop Engineering（2025+）

从单工具到完整 Loop

演化到这里，所有零件都齐了：

决策：LLM（阶段 1-2）
工具：Function Calling + MCP（阶段 2、6）
运行时：Coding Agent + Sandbox（阶段 5）
方法：Skills（阶段 7）

但要把它们组装成一个可靠的闭环，还需要 Loop Engineering。

完整 Agent Loop

text

目标 (Goal)
  → 计划 (Plan)
  → 工具调用 (Tool Call)
  → 执行 (Execute, in Sandbox)
  → 反馈 (Observe)
  → 验证 (Verify)
  → 修正 (Reflect & Adjust)
  → 停止 (Stop or Continue)

每一环都有对应的工程能力：

环节	工程能力	对应工具
目标	Spec Engineering	SPEC.md
计划	Planning / Task Decomposition	PLAN.md / TASKS.md
工具调用	Tool Calling + MCP	MCP servers
执行	Sandbox / Runtime	E2B / Daytona / OpenHands runtime
反馈	Observability + Trace	LangSmith / Langfuse
验证	E2E Testing + Benchmark	SWE-bench / τ-bench
修正	Reflection + Memory	Reflexion / MEMORY.md
停止	Stop conditions + HITL	Permission / Hooks

Loop Engineering 的核心命题

Loop Engineering 不是新框架，是一组设计原则：

可观察：每一步都有 trace，能复盘
可验证：每一步都能跑测试，不是 LLM 说成功就成功
可回退：失败能 rollback 到 checkpoint
可中断：任何一步都能暂停等人确认
可预算：token、步数、时间、金钱都有上限

这五条是 AutoGPT 翻车的直接反命题。后续章节会逐个展开。

关键词

Loop Engineering
Durable Execution / Checkpoint / Rollback
Observability / Trace / Cost Tracking
HITL (Human-in-the-loop)

2.9 一张演化时间轴

text

2022.01  Chain of Thought 论文 ── 推理过程显式化
2022.10  ReAct 论文 ──────────── 推理 + 行动交替
2023.03  AutoGPT 上线 ────────── 自主 agent 爆火
2023.04  BabyAGI 上线 ────────── 140 行最小 agent loop
2023.06  OpenAI Function Calling ─ 工具调用结构化
2023.10  LangChain Agent ──────── 框架化开始
2023.12  Gemini Function Calling ─ 三家齐全
2024.01  LangGraph 发布 ────────── 状态机编排
2024.03  Devin 发布 ────────────── "AI 软件工程师"
2024.03  Anthropic Tool Use ────── Claude 3 工具调用
2024.04  OpenHands (OpenDevin) ── 开源 coding agent
2024.11  MCP 开源 ──────────────── 工具连接标准化
2025.02  Claude Code 发布 ──────── CLI coding agent
2025.05  Codex CLI 发布 ────────── OpenAI CLI agent
2025.Q2  Agent Skills ──────────── 做事方法标准化
2025.Q3  Loop Engineering ──────── 可靠闭环组装

记住几个关键节点：2022 ReAct → 2023 AutoGPT → 2024 MCP → 2025 Skills。这四个节点串起来就是 Agent 的工程化主线。

2.10 前人智慧 / Prior Art

ReAct 论文核心实验

ReAct（Yao et al., 2022）在 HotpotQA 和 ALFWorld 上做了对照实验，结论影响深远：

方法	准确率	失败模式
只推理（CoT）	中等	幻觉，编造事实
只行动（Act）	较低	不知道为什么调工具，参数乱
推理 + 行动（ReAct）	最高	失败模式最少

论文最关键的图（Fig. 2）展示了：随着任务步数增加，纯推理方法的幻觉率上升，纯行动方法的工具调用错误率上升，只有 ReAct 两条曲线都压住。这个结论直接定义了今天所有 agent 的循环结构。

AutoGPT 失败的工程原因

AutoGPT 失败不是模型不够强（GPT-4 当时是最强的），而是工程上犯了五个错。这五个错后来被 Lilian Weng 的《LLM Powered Autonomous Agents》系统总结：

没有验证器：agent 说自己做了就算做了，不跑测试。
没有预算控制：token 烧到天荒地老。
没有 sandbox：能直接动真实文件系统。
没有状态检查点：崩了不能续跑。
没有任务边界：目标太空，自己拆任务拆到发散。

这五条至今仍是 agent 工程的"五条军规"。后续每一代框架都在补这五条。

Anthropic《Building Effective Agents》的演化视角

Anthropic 工程博客（2024.12）给了一个重要的判断：

"Agents can handle sophisticated tasks, but their implementation is often straightforward. They are typically just LLMs using tools based on environmental feedback in a loop."

这句话其实是给整个演化史画了个句号：Agent 看似复杂，本质还是 LLM + 工具 + 循环。从 ReAct 到 Skills，所有演化都是在给这个最小循环加工程边界——状态、权限、停止条件、验证、记忆。

OpenAI Agents SDK 的设计演化

OpenAI 在 2024 年发布 Agents SDK 时，文档里有一句话值得注意：

"We learned from the Swarm experiment that lightweight primitives beat heavy abstractions."

翻译：从 Swarm 实验里学到，轻量原语胜过重抽象。这是对 LangChain 早期"工具过重"的反思，也解释了为什么 2024-2025 的新框架（OpenAI Agents SDK、Claude Agent SDK、Pydantic AI）都走"轻量原语"路线。

Lilian Weng 的 Agent 拆解

Lilian Weng 的博客（2023.6，OpenAI 前研究员）至今仍是 Agent 概念拆解最被引用的文章。她把 Agent 拆成四块：

Planning：任务拆解 + 反思
Memory：短期（context）+ 长期（向量库）
Tool Use：Function Calling
Action：执行环境

这个四块拆法和本教程的"四权模型"（控制 / 工具 / 状态 / 停止）是同一个问题的不同切面。Lilian 偏概念，本教程偏工程边界。

2.11 课后练习

把本教程第 0 章的"四权模型"对应到 AutoGPT 的五个失败原因，写出每一类权力缺失对应哪个失败。
ReAct 论文为什么"只推理不行动"会幻觉？用一句话解释。
选一个 Coding Agent（Claude Code / Codex / Cursor / OpenHands 之一），分析它解决了 AutoGPT 哪几个问题，还有哪几个没解决。
MCP 和 Skills 各自解决什么问题？为什么 MCP 出来以后 Skills 还是必要的？
画一张你自己项目的 Agent Loop 图，标出每一环对应演化史的哪个阶段。

2.12 小结

2022 ReAct：推理 + 行动交替，定义了 agent loop 的基本形态。
2023 AutoGPT：自主 agent 爆火，但缺验证 / 预算 / sandbox / checkpoint / 边界，成了反面教材。
2023-2024 Frameworks：LangGraph / AutoGen / CrewAI / LlamaIndex 系统化解决状态、多 agent、HITL。
2024 Coding Agent：Claude Code / Codex / Cursor / Devin / OpenHands 让 agent 第一次真能干活。
2024.11 MCP：工具连接标准化，N×M 降成 N+M。
2025 Skills：做事方法标准化，渐进式加载省 token。
2025+ Loop Engineering：把所有零件组装成可观察 / 可验证 / 可回退 / 可中断 / 可预算的可靠闭环。

演化史的核心命题始终没变：让 LLM 在受控边界内自主决策。每一代工具都在加边界，不是加自由。

下一章我们回到心智模型，把 "LLM + 工具 + 循环" 这个最小骨架拆开讲清楚——以及为什么它还不够，需要状态、观察、反思和停止边界。

第 2 章 · Agent 工具演化史 / The Evolution of Agent Tooling ​

本章观点 ​

2.1 阶段 1：Prompt / ReAct 时代（2022） ​

Chain of Thought：让模型"想出来" ​

ReAct：推理 + 行动 ​

关键词 ​

2.2 阶段 2：Function Calling / Tool Calling（2023.6） ​

OpenAI 打开结构化工具调用 ​

各家跟进 ​

关键词 ​

一个常见误区 ​

2.3 阶段 3：AutoGPT / BabyAGI 的爆火与翻车（2023.3-4） ​

一个月内 100k star ​

为什么爆火 ​

为什么翻车 ​

教训沉淀 ​

关键词 ​

2.4 阶段 4：Agent Frameworks（2023-2024） ​

LangChain / LangGraph ​

AutoGen ​

CrewAI ​

LlamaIndex ​

框架的共同能力 ​

框架的局限 ​

关键词 ​

2.5 阶段 5：Coding Agent（2024-2025） ​

代表产品 ​

Coding Agent 共同能力 ​

为什么 Coding Agent 跑得起来 ​

Coding Agent 带来的新问题 ​

关键词 ​

2.6 阶段 6：MCP 标准化（2024.11） ​

N×M 集成地狱 ​

MCP 出场 ​

MCP 解决了什么 ​

MCP 生态 ​

关键词 ​

2.7 阶段 7：Skills 沉淀（2025） ​

问题：经验不能复用 ​

Skills 是什么 ​

Skill 的核心创新：渐进式加载 ​

Skill vs MCP 的分工 ​

关键词 ​

2.8 阶段 8：Loop Engineering（2025+） ​

从单工具到完整 Loop ​

完整 Agent Loop ​

Loop Engineering 的核心命题 ​

关键词 ​

2.9 一张演化时间轴 ​

2.10 前人智慧 / Prior Art ​

ReAct 论文核心实验 ​

AutoGPT 失败的工程原因 ​

Anthropic《Building Effective Agents》的演化视角 ​

OpenAI Agents SDK 的设计演化 ​

Lilian Weng 的 Agent 拆解 ​

2.11 课后练习 ​

2.12 小结 ​

第 2 章 · Agent 工具演化史 / The Evolution of Agent Tooling

本章观点

2.1 阶段 1：Prompt / ReAct 时代（2022）

Chain of Thought：让模型"想出来"

ReAct：推理 + 行动

关键词

2.2 阶段 2：Function Calling / Tool Calling（2023.6）

OpenAI 打开结构化工具调用

各家跟进

关键词

一个常见误区

2.3 阶段 3：AutoGPT / BabyAGI 的爆火与翻车（2023.3-4）

一个月内 100k star

为什么爆火

为什么翻车

教训沉淀

关键词

2.4 阶段 4：Agent Frameworks（2023-2024）

LangChain / LangGraph

AutoGen

CrewAI

LlamaIndex

框架的共同能力

框架的局限

关键词

2.5 阶段 5：Coding Agent（2024-2025）

代表产品

Coding Agent 共同能力

为什么 Coding Agent 跑得起来

Coding Agent 带来的新问题

关键词

2.6 阶段 6：MCP 标准化（2024.11）

N×M 集成地狱

MCP 出场

MCP 解决了什么

MCP 生态

关键词

2.7 阶段 7：Skills 沉淀（2025）

问题：经验不能复用

Skills 是什么

Skill 的核心创新：渐进式加载

Skill vs MCP 的分工

关键词

2.8 阶段 8：Loop Engineering（2025+）

从单工具到完整 Loop

完整 Agent Loop

Loop Engineering 的核心命题

关键词

2.9 一张演化时间轴

2.10 前人智慧 / Prior Art

ReAct 论文核心实验

AutoGPT 失败的工程原因

Anthropic《Building Effective Agents》的演化视角

OpenAI Agents SDK 的设计演化

Lilian Weng 的 Agent 拆解

2.11 课后练习

2.12 小结