以上就是你需要了解的近乎所有关于 Agent 的基本概念和原理。现在留两个思考题：
图 · 全书地图：Agent = LLM + ReAct + Harness
1
思考 1：什么时候用 Tool？ 什么时候用 MCP？ 什么时候用 SKILL？
2
思考 2：如果想让 Agent 支持记忆，可以如何设计？
*另外，我们能够如何将这套机制应用到我们的法律业务中？
8.1 小结与思考
全书小结
- 什么是 Agent——从 80 年代的 RL 定义到今天的公式：Agent = LLM + ReAct + Harness。
- LLM Call——模型只做 NTP（预测下一个 token），一切能力都是这条自回归序列的延展。
- Tool Use——工具给模型装上手脚，MCP 用标准接口让各家工具即插即用。
- ReAct Agent——“想—做—看—再想”的循环，是 Agent 的基础范式，主要靠训练获得。
- Context——Harness 的多数问题本质都是上下文问题：塞得下 ≠ 看得清。
- Skills——能力按需热加载，只给目录、用时才读；配合 prompt caching 控成本。
- Harness——把模型包成能真正干活的系统：循环、中断、回放、隔离等工程脚手架。
思考
+什么时候做加法
−什么时候做减法
(优秀的 AI 应用研发工程师的核心能力在于做减法)