在 AIGNE 生態系統中，Agents 和技能是為您的 AI 應用程式注入生命力的基本建構模組。它們協同運作，以建立由工具增強的複雜 AI 系統。您可以將 Agent 想像成負責推理和對話的大腦，而將技能視為其用來執行動作並與外部世界互動的工具。
本節將介紹這些核心元件的定義和結構。關於如何在您的專案中將它們結合起來的詳細資訊，請參閱 專案設定 (aigne.yaml) 文件。
Agents
Agent 是一個核心元件，負責處理使用者輸入、維護上下文，並決定要採取哪些動作。其行為由一組指令 (其核心提示) 和其可存取的技能集合所定義。
Agents 通常在 .yaml 檔案中定義。
Agent 定義範例
這是一個配備了程式碼執行技能的聊天 Agent 的基本範例。
chat.yaml
name: chat
description: 聊天 Agent
instructions: |
您是一個樂於助人的助理，可以回答問題並提供關於各種主題的資訊。
您的目標是協助使用者找到他們需要的資訊，並進行友好的對話。
input_key: message
memory: true
skills:
- sandbox.jsAgent 屬性
Agent 的行為是透過其 YAML 定義檔案中的幾個關鍵屬性來設定的：
| 屬性 | 類型 | 描述 |
|---|---|---|
name | string | Agent 的簡短描述性名稱。 |
description | string | 對 Agent 用途的更詳細說明。 |
instructions | string | 定義 Agent 個性、目標和限制的系統提示。這是其核心邏輯。 |
input_key | string | 輸入物件中包含主要使用者訊息的屬性名稱 (例如 message)。 |
memory | boolean | 若為 true，Agent 將保留對話歷史記錄，允許後續提問和上下文相關的互動。 |
skills | array | Agent 被授權使用的技能檔案列表 (例如 sandbox.js)。 |
技能
技能是一個可執行的函式，通常以 JavaScript 編寫，為 Agent 提供特定能力。這可以是任何事，從執行程式碼、從 API 擷取資料，到與檔案系統互動。技能是大型語言模型的推理與具體任務執行之間的橋樑。
技能定義範例
技能是標準的 Node.js 模組，會匯出一個預設的非同步函式。關鍵的是，它們也會匯出描述其用途並定義其輸入/輸出結構的中繼資料，讓 Agent 能夠理解如何以及何時使用它們。
sandbox.js
import vm from "node:vm";
export default async function evaluateJs({ code }) {
const sandbox = {};
const context = vm.createContext(sandbox);
const result = vm.runInContext(code, context, { displayErrors: true });
return { result };
}
evaluateJs.description = "此 Agent 評估 JavaScript 程式碼。";
evaluateJs.input_schema = {
type: "object",
properties: {
code: { type: "string", description: "要評估的 JavaScript 程式碼" },
},
required: ["code"],
};
evaluateJs.output_schema = {
type: "object",
properties: {
result: { type: "any", description: "評估後程式碼的結果" },
},
required: ["result"],
};技能結構
一個技能檔案包含三個主要部分：
預設匯出的函式
技能的核心邏輯。它是一個
async函式，接收一個參數物件並回傳結果。`description`
附加到函式上的字串屬性，提供關於技能功能的自然語言描述。Agent 底層的 LLM 使用此描述來決定何時適合呼叫此技能。
`input_schema`
/
output_schema：JSON Schema 物件，定義了函式輸入和輸出的預期結構和類型。這確保了 Agent 提供有效的參數，並能正確解釋結果。
它們如何協同運作
使用者、Agent 和技能之間的互動遵循一個清晰的模式。Agent 扮演著智慧協調者的角色，解讀使用者的請求，並呼叫適當的技能來完成它。
direction: down
User: {
shape: c4-person
}
AIGNE-Runtime: {
label: "AIGNE 執行環境"
shape: rectangle
Chat-Agent: {
label: "聊天 Agent"
}
Sandbox-Skill: {
label: "沙盒技能 (sandbox.js)"
}
}
User -> AIGNE-Runtime.Chat-Agent: "1. 輸入：'5 + 7 是多少？'"
AIGNE-Runtime.Chat-Agent -> AIGNE-Runtime.Chat-Agent: "2. LLM 推斷需要進行計算"
AIGNE-Runtime.Chat-Agent -> AIGNE-Runtime.Sandbox-Skill: "3. 呼叫技能並傳入 { code: '5 + 7' }"
AIGNE-Runtime.Sandbox-Skill -> AIGNE-Runtime.Sandbox-Skill: "4. 在沙盒中執行程式碼"
AIGNE-Runtime.Sandbox-Skill -> AIGNE-Runtime.Chat-Agent: "5. 回傳 { result: 12 }"
AIGNE-Runtime.Chat-Agent -> User: "6. 形成回應：'結果是 12。'"透過將推理 (Agent) 與執行 (技能) 分開，您可以建構出強大且可擴展、易於維護和升級的 AI 系統。
後續步驟
既然您已了解 Agents 和技能的核心概念，您可以繼續閱讀以下部分：