智能体人工智能：智能体工程师的技术栈

作者是一位Habr用户，注意到许多应聘智能体Python工程师职位的候选人对该领域的常见概念和工具缺乏了解。为了提供帮助，他给出了一个实用的概述。他将智能体定义为具有提示词、LLM和工具，但关键在于具有循环和反馈的实体：模型决定每一步，执行动作并观察结果，这与预定义的链式流程不同。他指出，虽然链式流程有固定的路径，但智能体具有一组能力和目标，路径是动态生成的。循环涉及通过API规范（JSON Schema）声明工具，模型请求调用工具，运行时执行这些调用并将结果返回上下文。停止条件很重要，例如模型判断任务完成或达到迭代限制。PydanticAI被强调为一个类型安全的框架，用于构建智能体，使用Pydantic模型进行输出验证，工具带有类型标注和文档字符串，通过RunContext进行依赖注入，以及输出验证器。LangGraph被介绍为一种基于图的方法，用于有状态的流程，允许人工审批和检查点。Hugging Face的smolagents使用代码智能体，这些智能体编写Python代码来执行。CrewAI提供基于角色的方法，智能体具有角色、目标和简介，在crew中进行编排。文章还提到了MCP（模型上下文协议），这是Anthropic提出的一个用于连接工具的开放标准，被描述为AI的USB-C，能够实现互操作性。该材料旨在帮助读者通过面试，并承认该领域发展迅速。