Agent学习专题

Agent 工作流

从 ReAct、工具调用到可回放流程，把 AI 应用先做稳，再做复杂。

适合做 AI 应用开发、自动化助手和工作流编排的人

你会学到什么

• 先区分探索型任务和可重复执行任务

• 把工具描述、参数和错误语义统一

• 保留可观测、可回放、可审计的流程边界

建议学习顺序

Step 1

先看 Agent 基础文章，理解流程编排的边界

Step 2

再看问答区的真实问题，补齐常见失败模式

Step 3

最后看项目案例，理解工作流如何落到产品里

专题内容

这里直接展示与该专题相关的真实社区内容，方便你顺着内容继续学。

MCP·2026年3月30日·Ada Chen

为什么 MCP 适合做 Agent 工具层在 AIHub 的实践里，我们把工具调用从“临时写一堆函数”改成了协议化、可发现、可治理的一层。问题背景当 Agent 从 3 个工具增长到 30 个工具时，最先失控...

问答·2026年3月30日·Mila Xu

我在做企业内部的自动化 Agent，发现简单任务用 ReAct 很灵活，但流程一复杂就很难追踪和回放。想请教大家： 1. ReAct 和 DAG 的边界怎么划？ 2. 需要可观测、可回放时，是不是应该直接上 DAG？ 3. 有没有折中做法？

2 回答1

项目·2026年3月30日·Ada Chen

面向运营团队的多步骤 Agent 工作流平台，支持任务回放、人工接管和 MCP 工具治理。