02-cong-chatbot-dao-multi-agentyong-agent-loop-yu-mcp-xie-yi-gou-jian-ke-zu-he-de-ai-kai-fa-gong-zuo-liu-zheng-yu-bin-.pptx

1、从Chatbot到Multi-Agent用Agent Loop与MCP协议构建和组合的AI开发工作流,资深开发者布道师 亚马逊云科技,2025/00/00,郑予彬,CONTENT,目录,01,从单点智能到系统化AI Agent,02,适用于生产的规格化开发,03,现代开发范式,从单点智能到系统化AI Agent,Agentic AI 的发展历程,4,提升自主性和业务影响力,GenAI Assistant,GenAI Agent,Agentic AI,遵循一系列规则自动执行重复性任务,实现单一目标处理多种任务自动执行整个工作流,完全自主多 Agent(Multi-agent)系统模仿人类思维和推

2、理,更多的人工干预,更少的人工干预,2021:AI 智能提示，代码自动补全,工具迭代,编码速度,AI 智能提示2021,智能体编码Agentic Coding2025,1 LoC/Sec,10 LoC/Sec,2024:生成更大的代码段并回答问题,2025:智能体编程(Agentic coding)可以带来数十倍的编码速度提升,ReAct:Synergizing Reasoning and Acting in Language Models,ReAct Agent,在实际工程中，ReAct 被扩展了，Modern Agent 在 ReAct 基础上增加了：,任务分解(Task decompos

3、ition)工具管理(Tool selection,routing)长期记忆(Memory)多 Agent 协作(Multi-agent)进度评估与控制(Evaluation&Feedback loops,Modern Agent,通过Agent 循环（Agentic Loop），充分利用了现代LLM的推理、规划、调用工具和自我反思的能力，简化了Agent开发过程。,支持自定义模型,内置工具集、MCP Server，以及与Amazon Web Services服务的原生集成,支持多种multi-Agent构建模式,Strands Agents是一个开源SDK，只需几行代码即可构建AI Agen

4、t,Strands Agents,推理过程,执行操作,通过语言模型分析输入内容,获取用户输入,判断是否需要使用工具来收集信息或执行任务,根据新获取的信息持续进行推理,生成最终相应,执行工具并获取结果,让Agent 能够执行复杂、多步骤的推理和行动,Agent Loop,Agent自主进行规划和操作，必要时会向用户寻求更多信息或判断。在执行过程中，Agent需要在每一步都从环境中获取“反馈”（如工具调用结果或代码执行情况）来完成自我迭代，直至一次输入任务完成，或者达到最大迭代次数,Agent视为在循环中使用工具的模型核心组成部分：环境（Agent所处的上下文空间）工具（用于交互和获取反馈）系统提

5、示（定义目标与约束）,Agent Loop,内置工具和接口,Python Tools(自定义):通过简单的tool装饰器标记Python函数，使agents能够直接调用这些函数，实现定制化功能扩展。MCP Tools:借助CMP协议访问的外部工具集，让您的agents能够与更广泛的生态系统无缝集成 Pre-built Tools:从strands_tools包中直接使用的即用型工具，无需额外开发，快速增强agents能力。,本地MCP server,Remote MCP server,MCP Host,MCP Client,MCP Server,STDIOSubprocess,MCP Host

6、,MCP Client,MCP Server,HTTP,作为MCP Client 子进程加载，采用标准输入输出传输Client-Server 1:1绑定通过环境变量传递credentials,部署在远程Http Server上采用Streamable HTTP传输通过Oauth2.1鉴权支持多租户,MCP Server的访问方式,文件操作-读取、写入和编辑文件，具有语法高亮和智能修改功能 Shell集成-安全地执行和交互shell命令 记忆工具-在Agent运行过程中存储用户和代理记忆，包括Mem0和KB两种方案 HTTP客户端-进行API请求，支持身份验证 Python执行-运行Python