> ## Documentation Index
> Fetch the complete documentation index at: https://dify-6c0370d8-docs-new-agent-experience.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# Agent
> 将 Agent 作为工作流中的一步运行，通过推理和调用工具完成任务
> 本文档由 AI 自动翻译。如有任何不准确之处，请参考 [英文原版](/en/self-host/use-dify/nodes/agent)。
新 Agent 节点目前处于 Beta 阶段。使用前需开启 [`ENABLE_AGENT_V2`](/zh/self-host/deploy/configuration/environments#enable_agent_v2) 并运行沙箱容器。
Agent 节点让你的大型语言模型自主控制工具，使其能够迭代决定使用哪些工具以及何时使用它们。Agent 不是预先规划每一步，而是动态地推理问题，根据需要调用工具来完成复杂任务。
## Agent 策略
Agent 策略定义了你的 Agent 如何思考和行动。选择最适合你的模型能力和任务需求的方法。
使用大型语言模型的原生函数调用能力，通过工具参数直接传递工具定义。大型语言模型使用其内置机制决定何时以及如何调用工具。
最适合像 GPT-4、Claude 3.5 和其他具有强大函数调用支持的模型。
使用结构化提示词来引导大型语言模型通过明确的推理步骤。遵循 **思维 → 行动 → 观察** 循环进行透明的决策制定。
适用于可能没有原生函数调用能力的模型，或者当你需要明确推理轨迹时。
从 **市场 → Agent 策略** 安装其他策略，或向 [社区仓库](https://github.com/langgenius/dify-plugins) 贡献自定义策略。
## 配置
### 模型选择
选择支持你所选 Agent 策略的大型语言模型。更强大的模型能更好地处理复杂推理，但每次迭代成本更高。如果使用函数调用策略，请确保你的模型支持函数调用。
### 工具配置
配置你的 Agent 可以访问的工具。每个工具需要：
**授权** - 在工作空间中配置的外部服务的 API 密钥和凭据
**描述** - 清楚说明工具的作用以及何时使用它（这指导 Agent 的决策制定）
**参数** - 工具接受的必需和可选输入，带有适当的验证
### 指令和上下文
使用自然语言指令定义 Agent 的角色、目标和上下文。使用 Jinja2 语法引用上游工作流节点的变量。
**查询** 指定 Agent 应该处理的用户输入或任务。这可以是来自先前工作流节点的动态内容。
### 执行控制
**最大迭代次数** 设置安全限制以防止无限循环。根据任务复杂性进行配置 - 简单任务需要 3-5 次迭代，而复杂研究可能需要 10-15 次。
**记忆** 控制 Agent 使用 TokenBufferMemory 记提供更多上下文，但会增加标记成本。这使得对话连续性成为可能，用户可以引用以前的行动。
### 工具参数自动生成
工具可以将参数配置为 **自动生成** 或 **手动输入**。自动生成的参数（`auto: false`）由 Agent 自动填充，而手动输入参数需要明确的值，这些值成为工具永久配置的一部分。
## 输出变量
Agent 节点提供全面的输出，包括：
**最终答案** - Agent 对查询的最终响应
**工具输出** - 执行期间每次工具调用的结果
**推理轨迹** - 逐步决策过程（推理与行动策略特别详细）在 JSON 输出中可用
**迭代计数** - 使用的推理循环次数
**成功状态** - Agent 是否成功完成任务
**Agent 日志** - 带有元数据的结构化日志事件，用于调试和监控工具调用
## 用例
**研究与分析** - Agent 可以自主搜索多个来源，综合信息，并提供全面的答案。
**故障排除** - 诊断任务，Agent 需要收集信息、测试假设，并根据发现调整其方法。
**多步数据处理** - 复杂的工作流，其中下一个行动取决于中间结果。
**动态 API 集成** - API 调用序列取决于无法预先确定的响应和条件的场景。
## 最佳实践
**清晰的工具描述** 帮助 Agent 了解何时以及如何有效使用每个工具。
**适当的迭代限制** 防止失控成本，同时为复杂任务提供足够的灵活性。
**详细的指令** 提供关于 Agent 角色、目标以及任何约束或偏好的上下文。
**记忆管理** 根据你的用例要求平衡上下文保留与标记效率。
**数据安全须知**
Community Edition 适用于单租户自部署场景。其 Agent 运行环境依赖软隔离机制，不设计为提供按终端用户、会话或运行任务划分的强文件系统隔离。
若将同一个 CE Agent 暴露给多个需要彼此隔离的独立终端用户，恶意提示词、工具调用或类似攻击仍可能访问预期工作目录之外的数据。对严格安全或合规场景，请使用 Dify Cloud、Enterprise，或采用单独的硬隔离部署架构。
新 Agent 节点将一个 [Agent](/zh/self-host/use-dify/build/new-agent/overview) 作为工作流中的一步来运行。
你选定 Agent 并告诉它要做什么；它凭借自己的模型、工具、知识和 Skill 自主推理完成任务，再把结果交还给流程的其余部分。
## 选择 Agent
添加节点时，先选定由谁来干活：
你可邀请任何已发布的 Agent：它会带着已保存的能力就位，你在这里只需设置它的任务。
受邀的 Agent 就像全职员工：它的能力统一在 **Agent 名册** 中管理。你在名册中发布更新后，所有用到该 Agent 的工作流都会同步更新。
* 要编辑它的能力，点击 **在 Agent Console 中编辑**。
* 若只想在这一步做改动，点击 **创建副本**：节点会切换为一次性副本，不再跟随原 Agent 更新。
创建一个只属于此节点的一次性 Agent，直接在这里配置，方法与在 **Agent 名册** 中构建相同。
它就像为一件事请来的临时工。如果确实好用，可将它转入 **Agent 名册**，在其他地方复用。
之后可随时更换 Agent。
## 给它派任务
在 **Agent 任务** 中描述这一步需要什么，就像向同事交代一件事那样。这与 Agent 自身的提示词及能力相互独立。输入 `/` 可引用之前节点的输出。
假设你邀请的是一个客服 Agent：它已熟悉你的产品文档、掌握你们的客服语气，工作流会把客户来信交给它。任务只需说明这一步要做什么：
```text wrap theme={null}
阅读 {{customer_email}} 中的客户邮件，起草一封回复，逐一回应邮件中的问题，不超过 150 字。
```
## 声明输出
每个 Agent 节点默认返回 `text`、`files` 和 `json`，Agent 写下和产出的一切都会经由这三个字段输出。
后续步骤往往只需要其中某一项，比如一个具体的值或某份文件。此时可将它声明为独立输出：在 **Agent 任务** 中输入 `/`，选择 **新建输出**，然后就地命名并选择类型。每个声明的输出，下游节点都可单独引用。
声明的输出就写在任务文本里，因此你可明确告诉 Agent 该往里面放什么。下面的任务中，`{{vendor_name}}` 和 `{{quote_file}}` 就是声明的输出：
```text wrap theme={null}
对比 {{vendor_quotes}} 中的三份供应商报价并给出推荐。把胜出供应商的名称放入 {{vendor_name}}，其报价 PDF 放入 {{quote_file}}。
```