- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI进修生
A2A + MCP = AI Agent 完全体？AI Agent 既能 “单挑” 工具，又能 “群殴” 任务。
Google 正式下场定义 Agent 协作新规矩：Agent2Agent (A2A) 开放协议来了。 AI Agent 单打独斗的时代要过去了？ 简单说，这图告诉我们 AI Agent 跟外界打交道主要靠两个开放协议： MCP (模型上下文协议): 这是 Agent 用来“插上”外部工具、API 和各种企业应用的“接口”。 Terminology (术语): A2A 系统里有仨角色：User (最终用户), Client (发起请求的实体), Remote Agent (Server) (托管 Agent 的服务器)。 实战秀肌肉： 已经有用 A2A 让 Agent 跨系统帮你筛选简历、找候选人的例子了。 未来： Google Cloud 认为A2A将有望开启 Agent 互操作的新纪元，让更强大的 Agent 系统成为可能。
65210编辑于 2025-04-11 - 来自专栏AI智能体从入门到实践
构建AI智能体：Agent2Agent多智能体系统：基础通信与任务协作实现
一、基本概述 Agent2Agent（A2A）是一个专注于智能体间通信、协作与协调的框架，旨在促进多个智能体（Agent）之间的通信与协作。 2. 协作策略利他策略：智能体总是优先考虑其他智能体或整体系统的利益，即使可能损害自身短期利益。促进系统整体效能但可能被自私智能体利用。 、Agent2Agent 框架通信示例 示例实现一个简单的Agent2Agent通信框架，展示了多智能体系统的基本工作原理。 AI智能体（文本、图像、语音）协同工作自动化工作流：智能体协作完成端到端的自动化流程九、总结 Agent2Agent框架为构建智能体间通信与协作系统提供了坚实的基础。 随着人工智能技术的不断发展，A2A框架将在构建更智能、更自治的AI系统中发挥重要作用。
2K21编辑于 2025-12-09 - 来自专栏Linux相关
Zabbix【部署 04】 Windows系统安装配置agent及agent2
1.下载选择对应的ZABBIX VERSION版本：下载zip文件或查看安装说明： 官网 的安装说明：2.agent2.1 准备下载对应版本的zip文件并解压，选择一个文件夹放置zabbix_agentd.exe e 盘创建 zabbix 文件夹EE:\zabbix# 拷贝解压包内 bin\zabbix_agentd.exe 和 conf\zabbix_agentd.conf 文件到 e:\zabbix # 2. See runtime control.Windows agent only -m --multiple-agents Use multiple agent the service name unique by extending it by Hostname value from the config file3.agent2安装方式跟agent一致，但是同样的配置 ，图表还是有区别的：agent主机信息agent2的主机信息
1.3K00编辑于 2025-08-18 - 来自专栏Python
理解 Agent2Agent(A2A)、Agent to Agent和链式函数调用的区别与联系
在构建 AI 智能体系统或多模块任务执行架构时，我们常会遇到三个关键术语： Agent to Agent 链式函数调用 Agent2Agent (A2A) 它们看似类似，甚至常被混用，但实际上分别属于不同的抽象层次 (A2A)│ ← 架构范式（设计） └─────────────────┘ 这意味着： 链式函数调用是编程行为 Agent to Agent是通信语义 Agent2Agent (A2A) 是系统设计理念 Agent2Agent 像一个“项目经理型 AI”会调度多个“专家型 AI”组成动态团队，解决复杂任务 类比一句话总结： 链式函数调用像拼装生产线，Agent to Agent像员工交流，而Agent2Agent 六、为什么 A2A 更适合现代 AI 系统？ 、AI DevOps 方案，那么理解并掌握 Agent2Agent 架构将是你的系统可扩展性、智能性与效率的关键基础。
1.1K10编辑于 2025-07-10 - 来自专栏白话互联
【Ai Agent】Ai Agent News | 9月11日速递
*角色定义*：明确AI Agent在企业中的定位和职责 *数据整合*：确保AI Agent能够访问高质量的相关数据 *行动规划*：设计Agent能够执行的具体任务和流程 *反馈机制*：建立持续学习和优化的闭环系统 报告指出，这些系统不同于标准聊天机器人，它们能够自主行动、执行任务，并使用Model Context Protocol (MCP)和Agent-to-Agent (A2A)等协议与其他数字Agent协作 Factory连接Agent、应用和数据 Azure AI Foundry推出了Agent Factory系列博客，第五篇重点介绍了如何使用MCP和A2A等新的开放标准连接Agent、应用和数据。 真正的Agent力量来自于它们相互连接、访问企业数据以及与执行工作的系统交互的能力。一个无法与其他Agent、工具和应用对话的Agent只是一个孤岛。 *集成价值*：集成是将Agent从聪明原型转变为业务倍增器的关键 *开放标准*：MCP和A2A等协议为Agent间通信提供了标准化框架 *避免供应商锁定*：客户在采用AI技术时越来越看重灵活性 这一趋势反映了企业对互操作性和开放标准的迫切需求
36810编辑于 2025-09-17 - 来自专栏C语言
【AI】Chat or Agent ？
随着生成式AI技术的不断进步，关于其未来发展方向的讨论也愈发激烈。究竟生成式AI的未来是在对话系统（Chat）中展现智慧，还是在自主代理（Agent）中体现能力？这一问题引发了广泛的讨论和探索。 1.2 情感和语气的理解 未来的对话系统将能够识别和理解用户的情感和语气，提供更加情感化和个性化的回应，从而提升用户体验。 2. 4.3 金融 在金融领域，对话系统可以提供投资建议、风险评估、客户服务等，帮助用户做出明智的金融决策。 二、自主代理（Agent）的发展方向 1. 融合应用 生成式AI技术不仅在对话系统和自主代理各自发展，还可以相互结合，形成更强大的综合智能系统。例如，未来的智能助理可以通过自然语言对话与用户交流，同时自主执行复杂任务。 2. 技术进步与社会需求 生成式AI的发展不仅依赖于技术的进步，还要满足社会的实际需求，通过创新和应用，提升人们的生活质量和工作效率。 2.
40910编辑于 2024-12-11 AI Agent 简介
Agent 与传统 AI 模型的区别 维度 传统 AI 模型 AI Agent 交互方式 单次输入输出 多轮对话、持续交互 决策能力 基于输入直接推理 规划、反思、迭代优化 工具使用 无法主动调用外部工具 连接数据库；2. 提取Q3销售数据；3. 按产品和地区分类；4. 计算环比增长率；5. 生成可视化图表。 反思与调整：Agent 会评估每一步行动的结果。 2. 记忆模块：经验的笔记本 Agent 需要有记忆才能进行连贯的、基于上下文的对话和操作。 短期记忆：记住当前对话的上下文，确保回答不跑题。 持续评估 建立完善的评估指标体系，定期测试和优化 Agent 表现。 容错机制 实现重试、降级、告警等机制，确保系统稳定性。 多 Agent 协作系统 多个专业 Agent 协同工作，形成类似"AI 团队"的组织架构，处理复杂任务。 边缘计算部署 轻量化 Agent 将在手机、IoT 设备等边缘侧运行，实现本地化智能服务。
43710编辑于 2026-04-24AI Agent 觉醒时刻：从单点工具到多Agent协作系统的范式革命
AIAgent觉醒时刻：从单点工具到多Agent协作系统的范式革命大家好，我是摘星。今天我们来聊聊一个正在悄然改变AI行业格局的话题——AIAgent的进化。 无论你是想自己动手搭一个私人助手，还是在做AI应用的产品规划，这篇文章都能给你一些实打实的参考。一、为什么Agent突然成了必争之地要理解Agent为什么这么火，先要搞清楚它解决了一个什么问题。 意味着AI不再只是"替你回答"，而是"替你做事"。举几个具体的例子：研究Agent：给定一个研究主题，Agent会自动搜索信息、阅读页面、提取数据、生成报告，整个过程不需要人工干预。 向量数据库
语义相似记忆]C3[结构化知识图谱
实体关系]C4[程序化规则
Agent自己学到的模式]endC-->C1B-->C2B-->C3G-->C4一个实用的记忆系统实现 展开代码语言：TXTAI代码解释flowchartLRsubgraph多Agent系统架构A[用户/管理员Agent]-->B[路由层Router]B-->C1[研究Agent]B-->C2[编码Agent26410编辑于 2026-04-28Python构建AI Agent自主智能体系统深度好文
本文将深入探讨如何使用Python构建一个高效的AI Agent系统，并通过实际案例展示其应用。核心要点环境建模与状态表示动作空间与策略选择奖励机制与反馈循环训练与优化逐一深入讲解每个要点1. 环境建模与状态表示环境建模是AI Agent系统的基础，它决定了Agent如何感知和理解外部世界。状态表示则是将环境中的信息转化为Agent可以处理的形式。原理环境建模：定义环境的规则和状态转换逻辑。 总结本文详细介绍了如何使用Python构建一个高效的AI Agent系统，包括环境建模、状态表示、动作空间、策略选择、奖励机制、反馈循环以及训练与优化。 希望本文能帮助你在实际项目中成功构建和优化AI Agent系统。 总结本文深入探讨了Python构建AI Agent自主智能体系统深度好文的相关技术，从原理到实践，从基础到进阶，希望能够帮助读者全面掌握这一技术。
49310编辑于 2025-12-04- 来自专栏码
如何设计基于Agent的AI应用系统
而作为系统，需要制定社会性规则，以在Agent的个性和达成目标之间实现平衡。 AI编程 通过驱动AI来完成某些任务，以编程的方式安排细节与逻辑，由AI来解释任务和完成规划。 ，作为AI系统的开发人员，无法触达这个部分。 同样的道理，我们会让用于执行任务的硬件也与系统本身解耦，不过由于执行硬件是被调用方，因此，这部分封装需要我们AI系统的开发者来完成。 AI应用设计示意图 通过这一架构，我们可以让Agent被无限扩展，而无需调整已有代码。随着agents的数量越来越多，系统能支持的能力也越来越强。 我们只需要利用这些agents来进行调用编排，即可实现让系统按需完成我们的任务，例如： 当 @agent1 发生xx时，且 @agent2 状态为xx时，@agent3 执行xxx 基于该指令，平台层可以基于已有的
3.3K11编辑于 2024-03-26 - 来自专栏技术杂记
Zabbix Agent 安装2
script]# 默认情况下 zabbix_agentd 会监听在 0.0.0.0:10050 上面，所以要将防火墙打开，以方便与zabbix server之间的通信 ---- 启动zabbix-agent [root@zbx-target zabbix]# /etc/init.d/zabbix-agent start Starting Zabbix agent: S 16:11 0:00 \_ zabbix_agentd: listener #2 [waiting for connection] zabbix 26129 0.0 0.0 77336
89410编辑于 2022-03-21 - 来自专栏技术杂记
Zabbix Agent 安装2
zbx-target zabbix]# /etc/init.d/zabbix-agent start Starting Zabbix agent: S 16:11 0:00 \_ zabbix_agentd: listener #2 [waiting for connection] zabbix 26129 0.0 0.0 77336 0:off 1:off 2:off 3:off 4:off 5:off 6:off [root@zbx-target zabbix]# chkconfig zabbix-agent on [ root@zbx-target zabbix]# chkconfig --list | grep zabbix zabbix-agent 0:off 1:off 2:on 3:on 4:on 5 CPU.NUMBER}":0,"{#CPU.STATUS}":"online"},{"{#CPU.NUMBER}":1,"{#CPU.STATUS}":"online"},{"{#CPU.NUMBER}":2,
68420编辑于 2022-03-22 当 AI Agent 成为社会：Multi-Agent 系统公共基础设施的设计与反思
本文通过"虾社会"这一隐喻，系统性地探讨了Multi-Agent系统的公共基础设施设计。 =外部于Agent的技术系统和共享协议，旨在调解和影响Agent与其环境的交互。 2.4其他相关工作SAGA(2025)：提出了Agent系统的安全治理架构，强调用户对Agent生命周期的全面控制IoA(2025)：InternetofAgents框架，研究异构Agent的互联互通四层安全治理框架 4.2身份管理碎片化展开代码语言：TXTAI代码解释虾A给自己生成身份ID：a1b2c3（基于本地配置的SHA-256）虾B给自己生成身份ID：d4e5f6虾C给自己生成身份ID：a1b2c3←碰撞了！ 行为层级式：公共服务层作为"上层建筑"监管Agent层但我们认为，随着Agent数量增长，应该逐步引入经济式（Economic）元素——例如用Token预算机制来调节Agent的资源消耗，用声誉系统来激励合规行为
40110编辑于 2026-03-29- 来自专栏人工智能领域
AI Agent 介绍（130）
一、引言 定义AI Agent AI Agent，即人工智能代理，是指能够在一定环境中自主执行任务或者作出决策的智能系统。 二、AI Agent的基本概念 什么是AI Agent AI Agent，即人工智能代理，是一种能够自主地在特定环境中感知、学习、决策并行动的计算机系统。 在双11期间，添可利用AI客服助手顺利应对流量高峰并发，客服团队提质提效明显，人工客服应答时间从2-3分钟缩减至8秒，新手客服培训时长降低75%。 2. AI Agent能够快速完成音频创作，对于爽文等类别的内容，AIGC独立创作仅需5分钟，极大提升了内容生产的效率。 2. 用户调查与访谈 用户反馈是评估AI Agent性能的一个重要维度。 斯坦福Agent AI论文：该论文主要探讨了Agent AI这一新兴范式，旨在使AI系统更具交互性，能在不同环境中感知、行动和学习。
2.7K11编辑于 2024-12-18 什么是 AI Agent？
这就是AI Agent（智能体）带来的未来。 什么是 AI Agent？ 与传统AI系统不同，AI Agent具备自主决策能力。你只需要给定一个目标，它就能够独立思考并规划如何达成这个目标，调用各种工具完成任务。 AI Agent如何工作？ 一个完整的AI Agent系统通常包含三大核心模块： 大脑：由大语言模型驱动，负责理解、推理、规划和决策。它就像人类的“总司令”，分析情报并制定战略。 专业领域：在医疗领域，AI辅助诊断Agent能自动生成精准诊断报告；在工业领域，AI Agent可用于质量检测和设备维护。 多Agent协作：多个Agent协同工作，形成复杂的智能网络。 AI Agent代表了人工智能从“被动工具”到“主动助手”的重要进化。
1.2K10编辑于 2025-12-29- 来自专栏运维监控日志分析
麒麟系统V10 SP2 Agent2 6.0.8 编译安装
Zabbix Agent2 介绍 Zabbix 5.0 版本推出了使用 go 语言重写的 Agent2，Agent2 有如下特性： 完成的插件框架支持，可扩张服务及应用监控 支持灵活的采集周期调度 更高效的数据采集及传输 Zabbix Agent2 没有组件依赖，外网主机编译完成可直接拷贝编译好的二进制文件和配置文件在其他主机上运行即可 安装go基础编译环境 Zabbix Agent2 使用 go 编写，因此需要配置 go $" /etc/zabbix/zabbix_agent2.conf PidFile=/run/zabbix/zabbix_agent2.pid LogFile=/var/log/zabbix/zabbix_agent2 /zabbix_agent2.d/plugins.d/*.conf 配置启动并设置开机启动 systemctl start zabbix-agent2 systemctl enable --now zabbix-agent2 zabbix_agent2 测试 [root@kvm-node2 kylin]# zabbix_agent2 -t agent.ping agent.ping
2K30编辑于 2022-11-19 - 来自专栏服务端技术杂谈
AI Agent搭建
单智能体的问题： 1、工具太多，导致LLM很难决策调用哪个工具； 2、上下文太长，导致推理退化； 3、难以在单一提示词中兼顾专业性和通用性需求； 多智能体可以很好解决以上问题： 1、通过模块化开发，维护成本更低 ； 2、定义专精智能体，专业性更强； 3、策略可定制，而不是完全交给LLM自由发挥； 但仍有很多最佳实践需要注意。 一个普遍的误区是，认为工具越多Agent能力越强，但其实这会给Agent有限的上下文与决策系统带来巨大的认知负荷。 正确的思路是，少即是多。 因为Agent比人类更擅长理解的的内容，也是人类可读的、具有意义的文本，这些高质量内容，可以显著降低Agent在检索任务中的幻觉。 Agent与工具的交互，本质上是一个持续对话场景。 在多轮对话过程中，系统需要根据当前轮次用户的二级意图，快速准确识别出用户所有可能的下一级别的意图。 可以提前将这些意图进行聚合，形成一个个意图对，极大优化了意图图谱的查询效率。
42910编辑于 2026-03-11 Agent真的卷疯了，AI办公Agent也来了。
海外版网址在此：https://skywork.ai/ 国内版网址：https://www.tiangong.cn/ 他们的首页是这样的。 我们可以直接让AI，来帮我们处理表格数据。 也可以直接，说出你的要求，让他基于全网的信息给你做筛选，最后屯到表格里。 它甚至会单独帮你开几个sheet，给你准备好，视觉的可视化。 价格上，海外版价格在大部分的同类型Agent产品中，价格算中档。 但是坦诚的讲，相比于大家日常用的非Agent的AI产品，会贵一些，毕竟整体Agent算力消耗在这。 MCP地址：https://mcp.so/server/skywork-super-agents/Skywork-ai 就，我还是想说句佩服的。 你能从每一个细节中感受到，这还是一群真心想让AI好用的人，在用工程师的方式，尝试解决我们每天办公里的小痛点。 昨天，Google已经手起刀落，开始在重构自己的搜索引擎。
66710编辑于 2025-05-23- 来自专栏技术杂记
Zabbix Agent 安装2
S 17:02 0:00 \_ zabbix_agentd: listener #2 [waiting for connection] zabbix 26933 0.0 0.0 77388
61820编辑于 2022-03-22 - 来自专栏AI技术应用
AI 智能体（AI Agent）的开发
AI 智能体（AI Agent）的开发是一个复杂且多阶段的过程，涉及需求分析、算法设计、模型训练、系统集成和部署等多个环节。以下是 AI 智能体开发的典型流程。 2.数据收集与预处理2.1数据收集收集与任务相关的数据（如文本、图像、传感器数据）。数据来源可以包括公开数据集、爬虫、用户行为日志等。2.2数据清洗处理缺失值、噪声数据和异常值。 6.2集成测试测试整个系统的功能和性能。验证 AI 智能体在实际场景中的表现。6.3用户测试邀请目标用户进行测试，收集反馈。根据反馈调整模型和系统。 优化系统性能和稳定性。8.2功能扩展根据需求添加新功能。改进现有功能，提升用户体验。8.3技术升级跟踪最新 AI 技术，升级算法和框架。优化系统架构，提高可扩展性。 总结AI 智能体的开发流程包括需求分析、数据收集、模型设计、训练与评估、系统集成、测试验证、部署监控和维护迭代。通过合理规划和使用工具，可以高效地开发出功能强大、性能优异的 AI 智能体。
2.9K20编辑于 2025-02-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号