概述

该节点可以利用大模型自主调用工具，它通过集成不同的 Agent 推理策略，使大语言模型能够在运行时动态选择并执行工具，从而实现多步推理。

节点配置

Agent节点是工作流的决策中心，负责分配资源、管理状态，并记录整个推理过程。

Agent策略

Agent策略是一个可插拔的推理算法模块，定义了如何使用工具以及如何解决问题，它是嵌入Agent节点来产生作用的。

dify内置了两种Agent策略，其他可在【插件探索】菜单中搜索安装：

FunctionCalling

通过将用户指令映射到预定义函数或工具，LLM 先识别用户意图，再决定调用哪个函数并提取所需参数。它的核心是调用外部函数或工具，属于一种明确的工具调用机制。

优点:

• 精确: 对于明确的任务，可以直接调用相应的工具，无需复杂的推理过程。
• 易于集成外部功能: 可以将各种外部 API 或工具封装成函数供模型调用。
• 结构化输出: 模型输出的是结构化的函数调用信息，方便下游节点处理。

ReAct

ReAct 策略使 Agent 交替进行思考和行动：LLM 首先思考当前状态和目标，然后选择并调用合适的工具，工具的输出结果又将引导 LLM 进行下一步的思考和行动，如此循环，直到问题解决。

优点:

• 有效利用外部信息: 能够有效地利用外部工具获取信息，解决仅靠模型自身无法完成的任务。
• 可解释性较好: 思考和行动的过程是交织的，可以一定程度上追踪 Agent 的推理路径。
• 适用范围广: 适用于需要外部知识或需要执行特定操作的场景，例如问答、信息检索、任务执行等。

节点参数

• 模型：选择Agent策略后，就需要选择驱动 Agent 的大语言模型，同样可以设置模型参数，详见[模型]

• 工具：工具的使用方式由 Agent 策略定义，点击 ”+” 添加并配置 Agent 可调用的工具。

• 指令：定义 Agent 的任务目标和上下文。支持使用 Jinja 语法引用上游节点变量。

• 查询：接收用户输入。

• 最大迭代次数：设定 Agent 的最大执行步数。

• 记忆：为 Agent 提供对话上下文记忆能力。

• 输出变量：节点输出的数据结构。