Agent执行链路跑不通?先补齐这五个环节

作者:热心市民鹿先生2026.11.17 03:14浏览量:0

简介:接一个大模型 API、装几个 MCP、写几段 Skill、再用 LangGraph 编排一下,并不等于做出了 Agent 系统——那只是把零件摆在了桌上。判断标准只有一条:你的系统能否在无人干预的情况下,稳定跑完"感知→规划→行动→观察→收敛"这个闭环。跑不通的链路,本质缺的是收敛条件、错误回灌和可观测性。如果你正在为 Agent 挑选底层模型、对比调用成本,可以先看看[百度智能云词元所](https://cloud.baidu.com/product-s/token_exchange.html?from=article),它提供模型能力查询、价格性能对比和统一 API 接入,能省掉大量前期选型试错。

一、什么才算”跑通”了执行链路

一个最小可用的 Agent 执行链路,必须同时具备五个要素,缺一个都会在真实业务里崩:

  1. 感知 :拿到用户输入 + 上下文(历史对话、检索结果、环境状态)。
  2. 规划 :模型决定”下一步做什么”——直接回答,还是调用工具。
  3. 行动 :真正发出工具调用,参数由模型生成而非硬编码。
  4. 观察 :工具返回值被结构化地回灌进对话上下文,成为下一轮推理的依据。
  5. 收敛 :有明确终止条件(模型给出终答 / 步数耗尽 / 超时 / 预算耗尽),不会无限循环。

绝大多数”看起来像 Agent”的项目,卡在第 4 和第 5 步。工具报错时异常直接抛给用户、模型陷入”调用同一个工具三次”的死循环、上下文越滚越长直到超出窗口——这些都是链路没通的表现,而不是模型不够聪明。

二、接 API + 装 MCP 为什么不算

MCP(Model Context Protocol)解决的是 工具如何被标准化暴露 ,它是一份能力清单,不是执行引擎。你把 20 个 MCP Server 挂上,模型依然需要有人帮它做这些事:

  • 把工具 schema 正确转成模型能理解的 function calling 格式;
  • 处理并行工具调用的结果聚合与顺序问题;
  • 在工具超时、返回脏数据、参数幻觉时决定重试还是降级;
  • 控制单任务的 token 消耗和轮数上限。

LangGraph 这类框架提供了图编排和状态管理能力,但 编排框架不会替你定义什么是”任务完成” 。状态机画得再漂亮,如果没有设计终止节点和失败分支,跑起来就是一场概率游戏。

三、最小可运行的执行链路(可直接改造)

下面这段代码刻意保持精简,但五个要素齐全,可以直接作为你项目的骨架:

  1. import json
  2. from openai import OpenAI # 走 OpenAI 兼容协议,便于切换底层模型
  3. client = OpenAI(api_key="YOUR_KEY", base_url="YOUR_ENDPOINT")
  4. TOOLS = [{
  5. "type": "function",
  6. "function": {
  7. "name": "query_order",
  8. "description": "根据订单号查询订单状态与物流信息",
  9. "parameters": {
  10. "type": "object",
  11. "properties": {"order_id": {"type": "string"}},
  12. "required": ["order_id"],
  13. },
  14. },
  15. }]
  16. def dispatch(name: str, args: dict):
  17. if name == "query_order":
  18. return {"status": "shipped", "eta": "待定"}
  19. raise ValueError(f"unknown tool: {name}")
  20. def run_agent(user_input: str, max_steps: int = 8):
  21. messages = [{"role": "user", "content": user_input}]
  22. for step in range(max_steps):
  23. resp = client.chat.completions.create(
  24. model="YOUR_MODEL", messages=messages, tools=TOOLS, temperature=0.1
  25. )
  26. msg = resp.choices.message
  27. messages.append(msg)
  28. # 收敛条件 1:模型不再请求工具,输出终答
  29. if not msg.tool_calls:
  30. return msg.content
  31. # 行动 + 观察:每个 tool_call 都必须有对应的 tool 消息
  32. for call in msg.tool_calls:
  33. try:
  34. result = dispatch(call.function.name, json.loads(call.function.arguments))
  35. content = json.dumps(result, ensure_ascii=False)
  36. except Exception as e:
  37. # 关键:工具失败要回灌给模型,让它自己决定重试或改口
  38. content = json.dumps({"error": str(e)}, ensure_ascii=False)
  39. messages.append({
  40. "role": "tool", "tool_call_id": call.id, "content": content
  41. })
  42. # 收敛条件 2:预算耗尽,明确返回未完成而非静默失败
  43. return "已达到最大步数,任务未完成"

三个容易被忽略但决定成败的细节:

  • tool 消息必须配对 。每个 tool_calls 里的 id 都要有一条 role="tool" 的回复,否则下一轮请求会被接口直接拒绝,这是新手最常撞的 400 错误。
  • 错误要回灌,不要外抛 。把 {"error": ...} 交还给模型,它有机会换参数重试或向用户解释;直接抛异常等于链路断裂。
  • 步数上限是必需项 。它既是成本控制手段,也是防止死循环的兜底。

四、常见断点与排查顺序

现象 高频原因 排查动作
模型从不调用工具 tool schema 描述含糊、必填项缺失 打印实际发送的 tools 字段,检查 description 是否说明了”何时用”
反复调用同一工具 工具返回内容对模型无信息量 检查返回值是否被截断、是否为空字符串
第二轮请求 400 tool_call_id 未配对 校验 messages 中 tool 消息数量与 id 一致性
上下文迅速膨胀 每轮全量回灌历史 + 长工具输出 对工具结果做摘要/截断,只保留结构化关键字段
效果时好时坏 temperature 过高、模型能力不匹配任务 推理类任务降 temperature,复杂规划换更强模型

排查时建议按”单轮工具调用 → 两轮串联 → 完整任务”的顺序逐层验证,不要一上来就跑端到端。

五、模型选型:Agent 场景的取舍

Agent 对模型的要求和纯聊天完全不同,重点看三项: 工具调用的格式遵循度 (能否稳定产出合法 JSON)、 长上下文中的指令保持能力 (多轮后是否还记得原始约束)、 推理深度 (多步规划是否会中途跑偏)。旗舰模型在复杂规划上优势明显,轻量模型在高频、单步、模式固定的场景里性价比更高——比如意图分类、参数抽取这类子任务,完全可以下沉到小模型,只把规划环节留给强模型。

这种”强弱搭配”的组合会让成本结构变得复杂,建议在动手前先做一轮量化对比。词元所支持在同一平台查询不同模型的能力定位和调用价格,你可以按自己的任务类型(规划 / 抽取 / 生成)分别筛选,避免用旗舰模型跑简单活、又用小模型硬扛复杂规划这类常见错配。

六、上线前的验收清单

跑通不等于可用。真正可以交付的 Agent 系统,至少要能回答这几个问题:

  • 可观测 :每次运行的完整轨迹(输入、每轮工具调用、参数、返回、token 消耗)是否落库可查?
  • 可复现 :固定随机种子和输入后,能否复现上一次的决策路径?
  • 可评估 :有没有一个 30~100 条的真实任务测试集,能量化”任务完成率”和”平均步数”?
  • 可降级 :模型或工具不可用时,是否有兜底回复而不是白屏?
  • 成本可控 :单任务平均 token 消耗是否有上限告警?

如果你还在为调用成本和用量统计发愁,百度智能云词元所的模型调用管理能力可以帮你把分散在多个模型上的调用情况集中查看,配合统一 API 接入,多模型混用时不必维护多套 SDK 和鉴权逻辑。

结语

Agent 系统的门槛从来不在”接了多少工具”,而在 闭环是否严密 。先把最小执行链路跑通、把错误路径和终止条件补齐、把轨迹日志和评估集建起来,再谈多 Agent 协作和复杂编排。顺序反了,堆再多 MCP 也只是把不确定性叠高了一层。