在当代生成式人工智能的语境下，AI智能体是一种围绕大语言模型构建的系统，它能够规划一系列步骤，通过外部工具使用采取行动，观察这些行动的结果，并朝着目标迭代推进，而非仅仅针对一个提示生成一个回复。将智能体与普通聊天机器人区分开来的核心特征是一个循环：模型的输出不一定是展示给用户的最终答案，而可以是关于下一步做什么的决策，该决策被执行、反馈到模型的上下文窗口中，并用于决定后续步骤，如此持续直到任务完成或达到某个限制。
该术语早于大语言模型出现，长期以来在人工智能和机器人学中被用来描述任何感知环境并对其采取行动的系统，包括简单的基于规则的智能体以及强化学习智能体（如AlphaGo）。其当前用法特指基于LLM的系统，这些系统调用工具并执行多步骤任务，从2023年起开始广泛流行，紧随AutoGPT等早期实验之后，并在2024年和2025年随着模型在可靠选择和排序工具调用方面的改进而急剧加速，这一时期在行业评论中被广泛描述为更广泛人工智能繁荣中的“智能体”浪潮。
组成部分
一个典型的智能体结合了多个部分：一个负责推理和决策的基础语言模型；一组它可以调用的工具，例如代码解释器、网络搜索功能或API，通过结构化的工具调用暴露出来；一个记忆或状态机制，用于跟踪任务中迄今为止发生的情况，通常只是累积的上下文，尽管有些系统会为更长的任务添加外部存储；以及一个控制循环，用于决定任务何时完成或何时向人类请求输入。许多智能体框架还整合了检索增强生成，以便智能体能在任务中途查找相关文档，有些还支持计算机使用，使智能体能够直接操作图形界面（如网页浏览器），而非通过专用API。
标准化
随着智能体可能连接的工具数量增长，用自定义集成代码将每个工具连接到每个模型成为扩展性问题。Anthropic于2024年11月推出了模型上下文协议，作为以统一方式将语言模型连接到外部工具和数据源的开放标准，并在2025年期间被行业广泛采用，包括竞争实验室，成为智能体工具使用的通用接口层。
应用
智能体系统已被应用于软件工程领域，其中诸如GitHub Copilot、Cursor和Claude Code等工具从单轮代码补全演变为能够阅读代码库、运行测试并自主进行多文件编辑的智能体；应用于研究和信息收集，智能体发出一系列搜索并综合发现；以及应用于浏览器和计算机自动化，智能体以人类用户的方式操作软件。诸如SWE-bench等基准测试被专门采用来衡量智能体编码性能，因为它们需要端到端的文件编辑和测试运行序列，而非单个代码片段。
可靠性与批评
智能体可靠性仍是一个核心的开放问题：长任务链早期的小错误可能会累积放大，工具调用可能失败或被误用，智能体可能在错误变得明显之前沿着一个看似合理但实际错误的计划执行许多步骤，这有时被称为“智能体漂移”。对智能体处理不可信或对抗性输入的担忧，使得提示注入成为智能体系统特有的重大安全问题，因为拥有真实工具和数据访问权限的智能体原则上可能被操纵而采取有害的现实世界行动，而非仅仅生成不良文本，这一风险类别在普通聊天机器人中没有直接对应物。