AI agent je systém, který pracuje na zadaném cíli v několika navazujících krocích. Vybere další akci, použije dostupný nástroj, vyhodnotí výsledek a pokračuje. V prostředí jazykových modelů tak agent spojuje generování textu s praktickou činností, například s hledáním informací nebo úpravou souboru.
Příklad z praxe
Zadáš agentovi, aby našel chybu v programu. Prohlédne relevantní soubory, spustí ověření, upraví kód a zkontroluje výsledek. Když ověření neprojde, může změnit postup. Smyslem je průběžně reagovat na skutečné výsledky, místo aby pouze napsal seznam doporučených kroků.
Agent versus běžná automatizace
Pevná automatizace prochází předem určenou cestou. Agent má při volbě kroků větší volnost. Hranice není ostrá: aplikace může kombinovat pevná pravidla s částmi, kde rozhoduje model. Připojení k externím nástrojům může zajišťovat například protokol MCP.
Samostatnost také neznamená neomezenou pravomoc. Agent může připravit změnu a před jejím odesláním čekat na člověka. Jeho schopnosti určuje nejen model, ale také kvalita nástrojů, přístupná data a způsob kontroly výsledků.
Kde může selhat
Chybný mezikrok může ovlivnit další rozhodnutí. Agent může opakovat neúspěšný postup, zbytečně prodlužovat práci nebo podlehnout instrukcím v cizím dokumentu. Pomáhá omezený rozsah oprávnění, průběžné ověřování a jasná podmínka ukončení úkolu.
Rozdíl mezi agenty a pevnými postupy popisuje Anthropic v návodu k návrhu agentů. Připojení jejich nástrojů vysvětluje dokumentace MCP.
