Skip to main content

AI Agent、MCP、Prompt与AI大模型关系

核心概念定义​

AI大模型​

  • 定义：基于大规模训练的基础模型（如腾讯云代码大模型），提供核心认知和生成能力
  • 功能：
    • 作为AI Agent的核心引擎
    • 提供自然语言理解和生成能力
    • 支持复杂推理和知识应用
  • 与AI Agent的关系：
    • AI Agent是大模型的应用层封装
    • 大模型提供基础能力，Agent负责任务协调

AI Agent​

  • 定义：智能代理程序，负责理解用户意图并协调各类资源完成任务
  • 功能：
    • 解析和处理用户Prompt
    • 调用MCP提供的工具和资源
    • 整合结果并生成响应

MCP (Model Context Protocol)​

  • 定义：模型上下文协议，提供扩展工具和资源的中间件
  • 关键组件：
    • 工具(Tools)：可执行的操作功能
    • 资源(Resources)：可访问的数据源
    • 服务器(MCP Servers)：实现具体功能的后端服务

Prompt分类​

用户Prompt​

  • 定义：用户直接输入的指令/查询
  • 特征：
    • 自然语言或结构化输入
    • 包含具体任务需求
    • 示例："帮我写一个Python爬虫"

系统Prompt​

  • 定义：预先配置的指导性Prompt
  • 功能：
    • 定义AI Agent的角色和能力边界
    • 提供默认行为准则
    • 示例："你是一个专业编程助手，只能回答技术问题..."
  • 与用户Prompt的关系：
    • 系统Prompt作为底层指导框架
    • 用户Prompt作为具体任务输入
    • 两者共同构成完整Prompt上下文

系统架构关系​

架构说明：

  1. 系统Prompt初始化AI Agent的行为准则和能力边界
  2. 用户通过用户Prompt发起具体任务交互
  3. AI Agent作为核心协调者，集成AI大模型的核心能力
  4. AI大模型提供基础认知和生成能力
  5. MCP作为能力扩展层
  6. 工具和资源作为具体能力实现

交互时序流程​

关键交互步骤：

  1. 系统初始化阶段：
    • 加载系统Prompt
    • 配置AI Agent行为准则
  2. 用户交互阶段：
    • 用户Prompt解析（结合系统Prompt上下文）
    • 能力发现
    • 工具执行
    • 结果整合（遵循系统Prompt指导）
    • 响应生成

典型工作流程示例​

场景：获取天气信息​

系统初始化阶段​

  1. 系统Prompt加载:

    你是一个专业天气助手，需要：
    - 只回答与天气相关的问题
    - 提供温度、天气状况和实用建议
    - 拒绝回答非天气问题
    - 数据来源必须可靠

用户交互阶段​

  1. 用户Prompt: "旧金山未来3天的天气如何？"

  2. AI Agent处理:

    • 结合系统Prompt验证请求合法性（确认是天气问题）
    • 与AI大模型协作解析：
      • 识别地点实体: "旧金山" → "San Francisco"
      • 提取时间范围: "3天" → days:3
      • 确认意图: 天气查询
    • 生成结构化查询: {type: "weather", location: "San Francisco", days: 3}

  3. 工具调用:

    • 向MCP查询天气工具 → 返回get_weather_forecast
    • 调用工具参数: {city: "San Francisco", days: 3}

  4. 数据处理:

    • 天气API返回原始数据
    • AI大模型根据系统Prompt要求：
      • 过滤无关数据
      • 添加实用建议
      • 确保数据来源标注

  5. 最终响应:

    旧金山未来3天天气预报（来源：国家气象局）：
    - 周一: 晴，18-25°C ☀️ 紫外线较强，建议使用防晒霜
    - 周二: 多云，16-22°C ☁️ 风力3级，适合户外活动
    - 周三: 小雨，15-20°C 🌧️ 记得携带雨具

    温馨提示：昼夜温差较大，请注意及时增减衣物。
    数据更新时间：2023-11-01 10:00

总结​

组件角色关键接口
AI Agent系统协调者，任务调度能力集成、流程控制
AI大模型核心认知引擎自然语言理解与生成
MCP能力扩展平台工具发现、资源访问接口
系统Prompt行为准则定义角色配置、能力边界
用户Prompt具体任务输入自然语言/结构化请求

设计原则：

  1. 分层架构：大模型提供基础能力，Agent负责任务协调，MCP处理扩展功能
  2. 双重Prompt机制：
    • 系统Prompt确保行为一致性
    • 用户Prompt驱动具体任务
  3. 松耦合：各组件通过明确定义的接口交互
  4. 可扩展：通过MCP可无缝添加新工具/资源
  5. 智能增强：大模型提升系统理解力和表达力
  6. 安全边界：系统Prompt确保行为可控性