本篇要繼續來介紹另一個LangChain中很重要的概念，就是Agent!

Agent

Agent是LangChain中的核心概念，可以把他想成一個「智能協調者」，能夠根據任務需求決定應該執行哪些操作。Agent本身並不是簡單的一個model，而是一個結合了多種功能、多步驟決策能力，通過理解user的input，使用不同的tool來完成任務。
那我們接著就來聊聊一些Agent重要的概念。

LLM

在Agent概念中，llm就是Agent的「大腦」和核心決策部分，Agent就是靠 LLM 根據input，來判斷在特定情況下應該採取什麼行動，例如需要調用哪一個工具、如何處理數據等等。

Tool

Tool 是 Agent 可用來執行的操作，像是呼叫API、執行function、撈資料庫、計算數學運算等。Agent並不會直接執行這些操作，而是通過調用Tool來完成工作。一句話來說，Tool提供了Agent實際執行操作的能力。

AgentExecutor

AgentExecutor是LangChain中的一個class，可以創建一個根據input內容動態執行多種操作的Agent，讓大語言模型（LLM）在處理任務時自動選擇執行各種不同的操作，像是執行某function、call api等等。
簡單白話來講，這個Class就是能將大語言模型當作一個決策系統，也就是決定執行什麼操作的大腦，這個決策系統能夠做到根據user的input，以及我們事先設定好的各種操作(也就是工具)，去決定要去觸發哪種操作。

示意圖:

圖源

在開始實作之前，我們再來講講AgentType

AgentType

Agent都會選擇一種AgentType作為他的運行方式。AgentType決定了Agent的邏輯、與工具的互動方式、以及如何處理input和output。簡單來說，AgentType 為 Agent 提供了一套運行規則，讓它知道在不同情況下應該如何行動。
LangChain中有多種AgentType讓我們應對各種狀況需求，例如:
Zero-Shot React Description、ReAct Docstore、Self-Ask with Search、Conversational React Description and more...，之後我們也會介紹幾種並使用看看。

下一篇我們就會開始實作Agent了!