跳转至

Agent 技术栈：Tool Use · MCP · Memory · Planning · RL

最后更新：2026-04-24

一个工业级 Agent 不是"LLM + for 循环"——它需要完整的技术栈：Tool Use 标准（Function Calling / MCP）+ Memory 层 + Planning 框架 + 反思循环 + 安全边界。本文梳理 2026 Agent 技术栈的 6 大组件，以及每一层的事实标准。

一句话结论

2026 Agent 技术栈正在从"百花齐放"向"标准收敛"：MCP 协议（Anthropic 2024-11 开源，Google / OpenAI / Microsoft 已采用）成为 Tool Use 事实标准，ReAct / Plan-Execute / Reflect 成为规划 Pattern 共识，长上下文 + Semantic Memory + Scratchpad 三层 Memory 成为主流——但 Planning 与 RL fine-tune 仍是前沿未解的研究课题。

三条关键要点

  1. MCP（Model Context Protocol）是 Agent 时代的 HTTP：Tool Use 标准化，Claude / GPT / Gemini 均已实现
  2. Memory 是 Agent 真正壁垒：基础模型差别不大，但"怎么记忆 + 怎么检索"分高下
  3. Planning 仍未有通用解：ReAct 基本款、Tree of Thoughts / LATS / Language Agent Tree Search 是研究前沿

技术栈六层

┌─────────────────────────────────┐
│  6. 评测 / 安全边界              │
│     τ-bench / OSWorld / 权限控制  │
├─────────────────────────────────┤
│  5. Planning / Reflection        │
│     ReAct / ToT / LATS           │
├─────────────────────────────────┤
│  4. Memory                      │
│     短期 scratchpad / 长期 vector │
├─────────────────────────────────┤
│  3. Tool Use / MCP              │
│     工具调用协议                  │
├─────────────────────────────────┤
│  2. 基础模型                     │
│     Claude / GPT / Gemini        │
├─────────────────────────────────┤
│  1. 训练：RLHF / RLVR / 合成数据  │
└─────────────────────────────────┘

层 1 · 模型训练（基础）

Agent-specific 训练

  • RLHF（Reinforcement Learning from Human Feedback）：RLHF 让模型学会遵循指令
  • RLVR（RL from Verifiable Rewards）：DeepSeek R1 / o1 风格，用可验证奖励训练推理
  • RL for Tool Use：专门训 Agent 工具调用能力
  • 合成数据：用现有 Agent 生成训练数据（bootstrap）

代表研究

  • OpenAI RFT（Reinforcement Fine-Tuning）2024-12
  • Anthropic RL on Claude Code 工作流
  • DeepSeek R1-Zero 纯 RL 推理

层 2 · 基础模型（Agent-ready）

前沿 Agent-capable 模型

模型 Agent 特性
Claude 4 Opus / Sonnet Extended Thinking + Tool Use + Computer Use
GPT-5 o3 推理 + Function Calling + Operator 集成
Gemini 2.5 Pro 2M 上下文 + Tool Use + Agent Mode
DeepSeek R1 推理链透明 + 开源权重

Agent 对模型的要求

  1. Tool Use 成功率 > 90%
  2. 长上下文质量（不是 benchmark，是实际任务）
  3. Instruction Following 稳定
  4. 拒绝不安全指令

层 3 · Tool Use / MCP

Function Calling（2023-07 OpenAI 首推）

  • JSON Schema 描述函数
  • 模型输出 JSON 调用参数
  • 执行函数 → 结果回传
  • 已成为所有主流 LLM 标配

MCP（Model Context Protocol，2024-11 Anthropic）

  • 开源 Tool Use 协议
  • 服务器 (tool provider) + 客户端 (AI) 架构
  • 标准化工具发现 / 调用 / 权限 / 日志
  • 2025 被 Google、OpenAI、Microsoft 等采用
  • 类比 HTTP：不关心 AI 模型，专注 Tool 层接口

当前 MCP 生态（2026-Q1）

  • 500+ 公开 MCP servers
  • GitHub、Slack、Linear、Sentry、Postgres 等主流工具官方 MCP
  • Anthropic 开发工具"Model Context Catalog"
  • 企业内部大量自建

为什么 MCP 会赢

  • Counter-positioning：Anthropic 开源给所有大厂，OpenAI / Google 难以用闭源标准竞争
  • 复用成本：一个 MCP server 可被所有模型 / Agent 用
  • 事实采用：Claude Code / Cursor / Windsurf 原生支持

层 4 · Memory

短期 Memory（Scratchpad）

  • Agent 当前 task 的上下文
  • 长度受限于模型 context window（200K / 1M / 2M）
  • 对话历史 + 工具结果

长期 Memory（Persistent）

  • Vector Database（Pinecone / Weaviate / Chroma）
  • Semantic Memory：语义化存储 user preferences
  • Episodic Memory：过往任务的 trajectory

工程挑战

  • Memory 检索质量：差的检索 → Agent 表现差
  • Memory 冲突：新旧信息不一致
  • Privacy：个人数据隔离 + 合规
  • Cost：大规模 Memory 的 vector DB 成本

代表实现

  • ChatGPT Memory（2024）
  • Claude Projects + Memory（2025）
  • Cursor Memory / @Codebase
  • Claude Code CLAUDE.md：工程化的"项目 Memory"

层 5 · Planning / Reflection

ReAct（Reasoning + Acting）

Thought: 我需要知道 Apple 2024 年营收
Action: web_search("Apple 2024 revenue")
Observation: $391B
Thought: 现在我可以回答了
Action: final_answer("$391B")
- 简单、通用、基础款

Plan-then-Execute

  • 先规划全局步骤，再逐步执行
  • 适合已知路径的任务

Tree of Thoughts（ToT）

  • 并行探索多个思路
  • 投票选最优
  • 适合决策类任务

Reflection / Self-Critique

  • Agent 检查自己输出
  • 发现错误 → 重试
  • Claude Extended Thinking 内置
  • 2024 研究热点
  • MCTS（蒙特卡洛树搜索）风格
  • 实验效果好但开销大

层 6 · 评测与安全

评测

  • τ-bench（Tau-bench）：Agent 在模拟用户交互
  • OSWorld：操作系统任务
  • GAIA：通用 Agent 能力
  • SWE-bench：软件工程任务
  • 详见 Agent 评测体系

安全边界

  • Prompt Injection 防御：Agent 最大安全威胁
  • 权限 least-privilege
  • 审计日志
  • 详见 Agent 安全边界

框架 / 库对比

库 定位 用例
LangChain / LangGraph 最流行，多功能 快速原型
LlamaIndex 侧重 RAG + Agent 知识库 Agent
CrewAI Multi-Agent 协作 团队型 Agent
AutoGen（Microsoft） Multi-Agent 会话 研究
Vercel AI SDK 前端 Agent 集成 Web Agent UI
Claude Agent SDK Anthropic 官方 生产级 Claude Agent
OpenAI Assistants API OpenAI 官方 Tool Use + Memory

用 Wardley Maps 框架 看各层演化

组件 2024 阶段 2026 阶段
Tool Use / MCP Genesis Product（标准化）
Memory Custom-Built Product（Vector DB 成熟）
Planning Genesis Custom-Built（仍在试错）
基础模型 Product Commodity（开源追平）
评测 Custom-Built Product（benchmark 成型）

战略洞察：MCP + 模型 商品化后，竞争焦点上移到 Memory + Planning——这是 2026-2028 Agent 公司真正护城河。

用 Scaling Laws 框架 看

Agent 能力的 scaling： - 模型规模：→ 反馈收益递减（GPT-5 对比 GPT-4 Agent 能力提升 < 1 代） - 推理 token 预算（Extended Thinking）：→ 仍在起步（o3 每次思考 tokens × 100） - 工具调用次数：→ 未被充分利用 - Memory 量：→ 长期价值但 query cost 高

猜想：2026-2027 真正有用的 scaling 不是模型更大，而是 "thinking tokens × tool calls × memory reads" 的组合。

2026 关键变量

  1. MCP 成为 W3C / ISO 级标准：预计 2026 年底
  2. Memory 商业化：Pinecone、MongoDB Atlas Vector 谁占上游
  3. Planning 研究突破：LATS 或类似技术生产化
  4. Agent fine-tune 服务商兴起：Lamini / OctoML 提供 "Agent-as-a-Service"
  5. 安全事件：第一起"Agent 误操作导致数百万美元损失"

我的判断

我的看法：

  1. MCP 是 Anthropic 2020 年代最重要的非模型产品——堪比 Google 当年 Kubernetes
  2. Memory 层会诞生几家独立大公司——Vector DB 之外，"Agent Memory SaaS" 是新赛道
  3. Planning 短期靠模型长上下文 + 推理模型，中期靠 RL fine-tune
  4. Tool Use 质量是 2026 Agent 真实分水岭：不是 demo 能力，是 99% 企业场景的稳定性
  5. Anthropic 的 Agent 技术栈整合（Claude 模型 + MCP + Claude Code + Agent SDK）是目前最完整的

我可能错在哪里： - OpenAI 推出自家闭源标准取代 MCP - Memory 被基础模型"超长上下文"吞没，独立 Memory 公司失败 - Planning 出现突破性论文（类似 AlphaGo 那种）重新定义栈

延伸阅读