-
Agent：以大模型为核心，能够理解任务、调用工具、持续执行并反馈结果的智能执行体。
-
Tool：Agent 可直接调用的具体函数、API 或外部系统能力。
-
Skill：指导 Agent 完成某类任务的方法说明、经验规则或操作 SOP。
-
Plugin：将多个 Tool、Skill、Hook 和配置打包在一起的能力扩展模块。
-
Hook：插入 Agent 执行流程中的自定义逻辑点，用于校验、拦截、增强或记录。
-
Planner：负责将复杂任务拆解为多个可执行步骤的规划模块。
-
Tool Router：负责判断当前步骤应调用哪个工具的决策模块。
-
Tool Executor：负责真正执行工具/API 调用并返回结果的执行模块。
-
Memory：保存长期知识、历史经验和用户偏好的记忆模块。
-
State：记录当前任务进度、中间结果和上下文状态的数据。
-
ContextBuilder：将系统规则、历史、技能、工具和用户输入组织成模型上下文的模块。
-
Observation：工具执行后的返回结果，供 Agent 继续推理和决策。
-
Reflection：Agent 对当前结果进行自检、纠错和补充推理的过程。
-
Guardrails：限制 Agent 行为边界、防止高风险或越权操作的安全机制。
-
Workflow：预定义的任务执行流程，适合稳定、可控的场景。
-
MessageBus：负责用户、Agent 和外部系统之间消息传递的通信通道。
-
Function Calling：让大模型以结构化参数形式调用工具/API 的机制。
-
ReAct：一种“推理（Reasoning）+ 行动（Action）”交替循环的 Agent 执行模式。
-
Scratchpad：Agent 在推理过程中保存中间思考和临时结果的工作区。
-
Session：一次连续任务或对话的上下文集合，用于维持连续性。
-
MCP（Model Context Protocol）：一种标准化协议，用于让 Agent 统一接入外部工具、数据源和服务。