AI Agent 工作台
一个让大模型"动手做事"的可视化工作台，基于 Agent 编排、Tool Calling 与 MCP 协议，把企业知识库、数据库与业务系统连成可编排、可观测的智能工作流。
技术栈
LLM
Agent
Tool Calling
MCP
Workflow
核心功能
- 1 Agent 编排引擎：支持 ReAct、Plan-and-Execute 等推理模式，让模型自主规划并逐步执行任务。
- 2 统一 Tool Calling：以一致的 JSON Schema 描述工具，模型自动选择参数并调用，结果回灌上下文。
- 3 MCP 标准接入：通过 MCP 协议连接外部能力（知识库、Elasticsearch、MySQL 等），实现即插即用。
- 4 可视化 Workflow：拖拽式流程编排，把多步任务固化为可复用、可版本化的工作流。
- 5 多工具协同：让 Agent 调用企业知识库、Elasticsearch、MySQL、业务 API、文件处理与数据统计。
- 6 执行观测与审计：记录每一步的推理、工具入参 / 出参与中间结果，便于调试、复盘与合规审计。
实现亮点
统一 Tool / MCP 抽象
把异构能力抽象为统一工具描述，知识库、ES、MySQL、API 以相同方式被调用；新增能力只需实现一个 MCP Server，无需改动 Agent 核心。
知识库与业务系统打通
Agent 可先用知识库检索背景，再查 ES / MySQL 取实时数据，调用业务 API 执行动作，最后由文件处理与数据统计产出交付物，形成"检索—推理—执行"闭环。
遇到的挑战
工具过多导致选错：数十个工具同时暴露会让模型选错或遗漏。引入分层路由 + 工具描述压缩 + 示例 few-shot 后，选择准确率明显提升。
长链路状态丢失：多步任务易丢失中间状态。采用短期记忆 + 检查点 + 子目标拆解，保证长任务可控可追溯。
权限与安全：工具可写数据库 / 调 API，风险高。全部走最小权限、调用审批与操作审计日志，杜绝越权操作。
后续计划
- 与企业知识库项目深度联动，沉淀"检索—推理—执行"一体化模板。
- 支持多 Agent 协作（Supervisor + Worker）处理跨域复杂任务。
- 建设任务模板市场，沉淀高频业务流程供团队复用。