AI Agent的秘密：ReAct框架如何让LLM自主行动

为什么AI Agent能自己写代码、修Bug？

Cursor、Devin、Claude Code 这些工具正在重新定义编程体验：它们不只生成代码片段，还能运行终端命令、读取报错信息、自行修复问题。很多人困惑——LLM 本质上只是预测下一个 token 的模型，它凭什么能完成这一连串动作？

据 YouTube 科技频道的分析，答案藏在一个名为 ReAct（Reason + Act） 的框架里。普通 AI 只做一次「猜测」，而 Agentic AI 则在一个持续的循环中运转。

AI Agent工作原理解析

ReAct 框架：推理、行动、观察的无限循环

ReAct 的核心可以拆成三个交替进行的步骤：

Reason（推理）：根据当前目标和已知信息，判断下一步该做什么。
Act（行动）：通过工具调用（如 MCP 协议）在终端中执行具体命令。
Observe（观察）：读取执行结果，包括输出内容和错误信息。

关键在于，观察结果会重新输入给模型，触发下一轮推理。这个循环会一直持续，直到任务完成或达到终止条件。

ReAct框架示意图

一个具体例子：搭建 React 应用

假设用户下达指令「帮我创建一个 React 应用」。第一轮推理中，AI 判断需要运行 create-react-app 命令；随后它通过 MCP 在终端执行该命令；观察阶段发现报错「node not installed」。

循环没有中断，而是回到推理环节：AI 意识到需要先安装 Node.js，于是发起新的行动。正是这种「失败→反思→重试」的机制，让普通 LLM 蜕变为能处理复杂任务的 Agent。

错误触发循环重试

ReAct 最早由 Shunyu Yao 等人在 2022 年的论文《ReAct: Synergizing Reasoning and Acting in Language Models》中提出，最初用于问答与事实核查任务。其核心洞察是：让模型在生成答案前显式输出「思考」（thought），并据此决定调用哪个工具（action），再把工具返回的文本（observation）拼回上下文继续生成。与更早的「思维链」（Chain-of-Thought）只做内部推理不同，ReAct 把外部环境的真实反馈纳入推理链条，因此能纠正模型仅凭参数知识产生的臆断。今天 Cursor、Claude Code 等产品中的「工具调用循环」，本质上都是 ReAct 范式的工程化延伸。

Agent 与传统对话式 AI 的本质差异

普通对话式 AI 的交互是单次的：输入问题，输出答案。如果答案有误，需要用户自己发现并重新提问。

Agentic AI 把「纠错权」交给了模型自身。它拥有三个传统对话缺少的要素：

工具调用能力：能操作终端、文件系统、浏览器等外部环境
环境反馈闭环：每次行动的结果都会成为下一轮决策的输入
自主循环控制：无需人工介入即可持续迭代

这使得 Agent 可以处理多步骤、强依赖环境状态的任务，例如调试依赖冲突、运行测试并修复失败用例。

工具调用层：MCP 的角色

视频中特别提到 MCP（Model Context Protocol）作为 Agent 与终端之间的桥梁。LLM 本身没有执行能力，它只能输出文本。MCP 这类协议把模型的「意图」翻译成实际的命令调用，再把执行结果结构化地返回给模型。

这一层是 Agent 能力落地的关键基础设施。没有它，ReAct 循环中的「Act」和「Observe」都无从谈起。

MCP（Model Context Protocol）由 Anthropic 于 2024 年底提出并开源，旨在为模型与外部数据源、工具之间提供统一的接口标准。在 MCP 之前，每个 Agent 产品都要为接入文件系统、数据库或命令行单独编写适配代码，工具生态彼此割裂；MCP 用「服务器—客户端」结构把工具能力抽象成可发现、可复用的服务，模型只需按协议描述请求即可调用。它常被类比为「AI 应用的 USB-C 接口」。需要区分的是，MCP 负责「怎么连」，而函数调用（function calling）负责「怎么表达调用意图」，两者配合才能完成 ReAct 循环中的 Act 与 Observe。

局限与边界

ReAct 并非万能。循环的每一步都依赖模型对观察结果的正确解读，一旦模型误判错误原因，可能在错误的路径上反复尝试。此外，长循环会消耗大量 token，成本和延迟随之上升。对开发者而言，理解这一机制有助于更好地设计提示词和工具接口，而不是把 Agent 当成黑盒。

ReAct循环流程

从工程视角看，长循环还面临上下文窗口的硬约束：每一轮的推理、命令输出和错误堆栈都会追加进对话历史，几轮之后上下文可能被填满，模型不得不丢弃早期信息或触发压缩摘要，导致对目标的记忆衰减。常见缓解手段包括把冗长日志写入文件、只在上下文中保留摘要、设置最大迭代轮数与超时，以及在关键步骤引入人工确认。这些设计决定了 Agent 在真实项目中的稳定性上限。

核心要点

AI Agent 的秘密在于 ReAct 框架：推理、行动、观察的持续循环
普通 LLM 只做单次生成，Agent 通过环境反馈实现自我纠错
MCP 等工具调用协议是 Agent 执行终端命令的基础设施
错误信息是循环的燃料，而非终止信号
理解 ReAct 有助于更有效地使用和调试 Cursor、Devin 等工具