Q52 - AI Agent框架与协议(2025-2026最新)
共50道题 | 难度分布:★★★★★平均 | 2025-2026年AI Agent工程化岗位必考
覆盖:LangGraph、CrewAI、AutoGen 0.4、Spring AI 2.0、MCP、A2A、AG-UI、DeerFlow 2.0、OpenAI Agents SDK、Dify/Coze
一、LangGraph深入(1-7)
LangGraph的核心设计理念和定位?
★★★★★
- LangGraph是LangChain团队推出的有状态图编排框架,专门用于构建Agent和多Agent工作流。
- 核心理念:用有向图(Directed Graph)建模Agent工作流——节点是处理函数,边是控制流。
- 与LangChain关系:LangGraph是独立包(不依赖LangChain),但可与LangChain无缝集成。
- 与其他框架区别:LangGraph不是预定义的Agent框架,而是底层的图编排引擎,开发者可完全自定义控制流。
- 适用场景:需要精细控制Agent执行流程、状态管理和人机交互的复杂工作流。
- 面试要点:LangGraph = StateGraph + Nodes + Edges,核心是把Agent工作流建模为状态机。
LangGraph的StateGraph核心概念?
★★★★★
- StateGraph:LangGraph的核心类,定义整个工作流的有向图。通过add_node()添加节点、add_edge()添加边。
- State(状态):图的全局共享状态,是一个TypedDict或Pydantic Model,所有节点读写同一个State。
- Node(节点):一个Python函数,接收当前State,返回State的更新。每个Node是一个处理步骤。
- Edge(边):定义节点之间的转移。普通边是固定路径(A→B),条件边根据State动态路由(A→B或A→C)。
- 入口点:通过set_entry_point()指定图的起始节点。
- 面试要点:StateGraph的State是所有节点共享的——这是LangGraph状态管理的核心设计。
LangGraph的条件边(Conditional Edge)机制?
★★★★★
- 条件边:根据当前State的值动态决定下一个节点,是实现Agent自主决策的关键。
from langgraph.graph import StateGraph
graph = StateGraph(AgentState)
graph.add_node("agent", agent_fn)
graph.add_node("tools", tool_fn)
# 条件边:agent节点的输出决定下一步
graph.add_conditional_edges(
"agent",
should_continue, # 路由函数,返回"tools"或"end"
{"tools": "tools", "end": END}
)
graph.add_edge("tools", "agent") # 工具执行后回到agent
graph.set_entry_point("agent")
- 路由函数:接收State,返回字符串(下一个节点名)或END(终止)。
- 典型应用:ReAct循环——agent节点判断是否需要调用工具(条件边→tools或end)。
- 面试要点:条件边是LangGraph实现Agent Loop的关键——每次循环由LLM决策下一步。
LangGraph的Checkpointers持久化机制?
★★★★★
- Checkpointer:LangGraph的状态快照机制,自动在每个节点执行后保存State快照。
- 用途:(1) 故障恢复——中断后从最后一个快照继续;(2) 时间旅行——回溯到任意历史状态;(3) Human-in-the-loop——暂停等待人工审批后恢复。
- 实现类型:MemorySaver(内存,开发用)、SqliteSaver(SQLite持久化)、PostgresSaver(生产级PostgreSQL)。
- Subgraph注意:Checkpoint只需配置在父图上,自动传播到子图(不需要每个子图单独配置)。
from langgraph.checkpoint.memory import MemorySaver
checkpointer = MemorySaver()
app = graph.compile(checkpointer=checkpointer)
- 面试要点:Checkpointers使Agent具备"断点续传"能力,是生产化必需功能。
LangGraph的Human-in-the-loop实现?
★★★★★
- 实现方式:在需要人工审批的节点前设置interrupt_before或interrupt_after参数。
- 流程:图执行到中断节点→暂停→保存Checkpoint→等待人工输入→人工提供反馈→从Checkpoint恢复执行。
app = graph.compile(
checkpointer=checkpointer,
interrupt_before=["human_review"] # 在human_review节点前暂停
)
# 第一次运行,会在human_review前暂停
result = app.invoke({"input": "执行操作"}, config={"configurable": {"thread_id": "1"}})
# 人工审批后,传入反馈继续执行
result = app.invoke(
{"input": "执行操作", "approved": True},
config={"configurable": {"thread_id": "1"}}
)
- 场景:危险操作审批(删除数据、执行交易)、内容审核、用户确认。
- 面试要点:interrupt + checkpoint = LangGraph的Human-in-the-loop方案。
LangGraph的Subgraph(子图)机制?
★★★★
- Subgraph:在一个主图中嵌套另一个完整的StateGraph,实现工作流的模块化。
- 用途:将复杂工作流拆分为可复用的子模块(如"调研子图"包含搜索→摘要→验证三个节点)。
- 状态映射:父图和子图可以有不同的State结构,通过状态映射函数转换。
- Checkpoint传播:父图的Checkpointer自动应用到所有子图,子图不需要单独配置。
- 编译:子图先compile(),然后作为普通节点添加到父图中。
- 面试要点:Subgraph实现工作流组合和复用——类似函数调用。
LangGraph vs CrewAI vs AutoGen的框架定位对比?
★★★★★
- LangGraph:底层图编排引擎,完全自定义控制流,学习曲线陡但灵活性最高。适合需要精细控制状态的复杂工作流。
- CrewAI:高层角色扮演框架,通过role/goal/backstory定义Agent,开箱即用。适合快速原型和简单多Agent场景。
- AutoGen:微软的事件驱动多Agent框架,Actor模型,原生支持异步和Group Chat。适合研究型和对话式多Agent场景。
- 选型建议:需要完全控制→LangGraph;快速上手→CrewAI;学术研究/多Agent对话→AutoGen。
- 面试要点:三者不是替代关系,而是不同抽象层级——LangGraph最底层,CrewAI最高层。
二、CrewAI多Agent框架(8-13)
CrewAI的核心概念和设计哲学?
★★★★★
- CrewAI是完全独立于LangChain的多Agent框架(不依赖LangChain)。
- 核心概念:Agent(角色)、Task(任务)、Crew(团队)、Tool(工具)。
- 设计哲学:模拟人类团队协作——每个Agent有角色(Role)、目标(Goal)、背景故事(Backstory),像团队成员一样协作。
- 与LangGraph区别:CrewAI是高层框架,关注"谁做什么";LangGraph是底层引擎,关注"怎么做"。
- 支持模型:OpenAI、Anthropic、本地模型(通过Ollama),不绑定特定LLM。
- 面试要点:CrewAI的核心理念是"角色扮演"——Agent像人一样有角色、目标、背景。
CrewAI的Agent定义方式?
★★★★
from crewai import Agent
researcher = Agent(
role="高级数据分析师",
goal="分析市场趋势并发现投资机会",
backstory="你是一位有15年经验的数据分析师,擅长从海量数据中提取洞察。",
tools=[search_tool, calculator_tool],
verbose=True,
allow_delegation=False # 是否允许委托任务给其他Agent
)
writer = Agent(
role="技术写作专家",
goal="将分析结果转化为易读的报告",
backstory="你擅长将复杂技术内容转化为通俗易懂的文章。",
tools=[write_tool],
verbose=True
)
- Role/Goal/Backstory:三个核心属性,决定了Agent的行为和决策方式。
- Tools:Agent可使用的工具列表,决定Agent的能力范围。
- allow_delegation:是否允许Agent将任务委托给其他Agent(Hierarchical模式下有用)。
- 面试要点:Agent的定义不是代码逻辑,而是角色描述——LLM据此决定行为。
CrewAI的Task和Crew定义?
★★★★
from crewai import Task, Crew
research_task = Task(
description="分析2025年AI行业趋势,重点关注Agent框架",
expected_output="包含数据图表和洞察的Markdown报告",
agent=researcher
)
write_task = Task(
description="基于分析报告撰写一篇3000字的深度文章",
expected_output="格式化的Markdown文章",
agent=writer
)
crew = Crew(
agents=[researcher, writer],
tasks=[research_task, write_task],
process="sequential" # 或 "hierarchical"
)
result = crew.kickoff()
- Task:定义具体工作内容和期望输出,绑定到特定Agent。
- Crew:编排层,管理Agent和Task的执行顺序和协作方式。
- 面试要点:CrewAI的工作方式是"定义角色→分配任务→组建团队→启动执行"。
CrewAI的Sequential vs Hierarchical模式?
★★★★★
- Sequential(顺序模式):Task按定义顺序依次执行,前一个Task的输出自动传递给下一个。简单可控,适合线性流程。
- Hierarchical(层级模式):指定一个Manager LLM,由Manager根据Task描述动态分配工作给Agent。
- Manager会:创建子任务、分配给最合适的Agent、验证结果、决定是否需要返工。
- 适合:任务顺序不固定、需要智能调度的复杂场景。
- 区别:Sequential是开发者定义顺序;Hierarchical是LLM自动编排顺序。
- 面试要点:Hierarchical模式更灵活但Token消耗更大(Manager需要额外的LLM调用)。
CrewAI的Memory系统?
★★★★
- 短期记忆(Short-term):当前执行过程中的上下文信息,任务间自动传递。
- 长期记忆(Long-term):跨任务/跨会话的知识积累,通过向量数据库持久化。
- 实体记忆(Entity Memory):记住特定实体的信息(如用户偏好、项目细节)。
- 启用方式:Crew(memory=True)即可开启全部记忆类型。
- 实现:底层通过Embedding + 向量存储实现相似性检索。
- 面试要点:CrewAI的三层Memory设计让Agent具备"记住经验"的能力。
CrewAI的Tool系统和自定义工具?
★★★★
- 内置工具:搜索、文件读写、网页浏览、代码执行等。
- 自定义工具:继承BaseTool或使用@tool装饰器。
from crewai.tools import tool
@tool("数据库查询工具")
def query_database(sql: str) -> str:
"""执行SQL查询并返回结果"""
return db.execute(sql).to_string()
- 工具描述至关重要:LLM根据工具的名称和描述决定何时调用,描述不准确会导致误用。
- 与MCP集成:CrewAI可通过MCP Client接入外部MCP Server的工具。
- 面试要点:工具系统是Agent的"手脚",工具设计质量直接决定Agent能力上限。
三、AutoGen 0.4事件驱动架构(14-19)
AutoGen 0.4的核心架构变化?
★★★★★
- AutoGen 0.4是2025年1月的根本性重写,从同步对话模型变为事件驱动的异步Actor模型。
- 两层架构:
- Core层(底层):事件驱动运行时(Actor Runtime),消息传递、生命周期管理。
- AgentChat层(高层):对话式API,AssistantAgent、UserProxy、Group Chat等。
- 核心变化:Agent之间通过消息(Message)通信,不再是直接函数调用。
- 为什么重写:原版AutoGen的同步对话模型无法支持大规模分布式Agent系统。
- 面试要点:AutoGen 0.4 = Event-Driven + Async + Actor Model,从"对话框架"升级为"Agent运行时"。
AutoGen的Actor模型和消息传递?
★★★★
- Actor:AutoGen中最小的计算单元,每个Agent是一个Actor,有唯一的Actor ID。
- 消息传递:Actor之间通过发送消息(Message)通信,消息是异步的。
- 事件驱动:Actor订阅特定类型的消息,收到消息后执行处理逻辑,可以发送新消息。
- 优势:(1) 松耦合——Actor不需要知道彼此的实现;(2) 可扩展——Actor可以分布在不同的进程/机器。
- 实现:Core层提供ActorRuntime,管理Actor的生命周期和消息路由。
- 面试要点:Actor模型使AutoGen Agent可以独立部署和扩展。
AutoGen的Group Chat机制?
★★★★★
- Group Chat:多个Agent共享一个公共消息线程,通过Pub/Sub模式通信。
- 工作方式:一个Agent发送消息→所有Agent收到消息→由Group Chat Manager决定下一个发言的Agent。
- Manager策略:(1) Round-robin(轮流发言);(2) Auto(LLM自动选择最合适的Agent);(3) Random(随机选择)。
- 典型场景:代码审查(Coder + Reviewer + Tester)、头脑风暴(多个专家Agent)。
- 与A2A区别:Group Chat是AutoGen内部的协作机制;A2A是跨框架的Agent间通信协议。
- 面试要点:Group Chat是AutoGen最强大的特性——模拟团队会议的协作模式。
AutoGen的Human-in-the-loop支持?
★★★★
- 原生支持:AutoGen的UserProxy Agent代表人类用户,在需要人工决策时暂停执行。
- 实现方式:Agent发送需要审批的消息→UserProxy接收→等待人工输入→将反馈回传给Agent。
- 配置:可设置human_input_mode="ALWAYS"/"TERMINATE"/"NEVER"。
- 与LangGraph区别:LangGraph用interrupt机制暂停;AutoGen用UserProxy Agent代理人类。
- 面试要点:AutoGen的Human-in-the-loop是"Agent化的"——人类也是一个特殊的Agent。
AutoGen Core vs AgentChat的区别?
★★★★
- Core(autogen-core):底层事件驱动运行时,提供Actor、消息、订阅、生命周期管理。适合需要完全自定义的场景。
- AgentChat(autogen-agentchat):高层对话API,提供AssistantAgent、GroupChat等开箱即用的组件。适合快速构建对话式Agent。
- 关系:AgentChat基于Core构建,Core可以独立使用。
- 选型:快速原型→AgentChat;需要深度定制→Core。
- 面试要点:AutoGen的两层设计让开发者可以选择合适的抽象层级。
AutoGen vs LangGraph vs CrewAI的适用场景?
★★★★★
- AutoGen:多Agent对话协作、代码生成/审查、研究型任务。优势是Group Chat和事件驱动。
- LangGraph:精细控制的状态机工作流、需要Checkpoint/回溯的场景。优势是灵活性和持久化。
- CrewAI:角色扮演式多Agent、快速原型、业务流程自动化。优势是简单易用。
- 组合使用:可用LangGraph编排AutoGen Agent,或用CrewAI定义Agent角色后用LangGraph控制流程。
- 面试要点:没有"最好的框架",只有"最适合的框架"——根据需求选型。
四、Spring AI 2.0 Agent能力(20-25)
Spring AI 2.0的核心升级?
★★★★★
- MCP集成:Spring AI 2.0全面支持MCP协议,可同时作为MCP Client和MCP Server。
- Tool Calling(工具调用):客户端函数执行机制,LLM决策调用哪个工具,框架自动执行并返回结果。
- Structured Output(结构化输出):类型安全的响应解析,LLM输出直接映射为Java POJO。
- Advisors增强:包括递归Advisor(Recursive Advisors),支持迭代处理循环。
- MCP Server实现:Spring Boot应用可直接暴露MCP端点,供其他Agent调用。
- 面试要点:Spring AI 2.0的核心是"企业级Agent开发框架"——MCP+Tool Calling+Structured Output三件套。
Spring AI的Tool Calling机制?
★★★★★
- 原理:LLM返回工具调用请求(函数名+参数)→框架自动匹配注册的Tool→执行Tool→结果回传LLM→继续推理。
- 定义工具:
@Configuration
public class ToolConfig {
@Bean
@Description("查询指定城市的天气信息")
public Function<WeatherRequest, WeatherResponse> weatherTool() {
return request -> weatherService.getWeather(request.city());
}
}
- 自动注册:Spring AI扫描所有@Bean Function并自动生成JSON Schema描述注入Prompt。
- 循环控制:maxSteps参数限制最大工具调用次数,防止无限循环。
- 面试要点:Spring AI的Tool Calling = Function Calling + 自动注册 + 自动执行循环。
Spring AI的Structured Output?
★★★★
- 目的:让LLM输出结构化的Java对象,而不是自由文本。
- 实现:通过JSON Schema约束LLM输出格式,自动解析为POJO。
Person person = chatClient.prompt()
.user("提取以下文本中的人物信息:张三,28岁,工程师")
.call()
.entity(Person.class); // 自动解析为Person对象
- 支持类型:POJO、List、Map、Enum、嵌套对象。
- 与Output Parser区别:Structured Output是模型级别支持(某些模型原生支持JSON Mode),Output Parser是Prompt级别(在Prompt中要求JSON格式)。
- 面试要点:Structured Output是Agent可靠输出的基础——工具参数、状态更新都需要结构化数据。
Spring AI的Advisor Chain深入?
★★★★
- Advisor接口:类似Servlet Filter,在请求前后添加逻辑。
- 请求阶段:adviseRequest()——可修改Prompt、添加上下文、注入工具描述。
- 响应阶段:adviseResponse()——可修改响应、添加元数据、记录日志。
- 执行顺序:请求阶段按添加顺序(A→B→C),响应阶段按逆序(C→B→A),洋葱模型。
- 递归Advisor(Recursive Advisors):支持迭代循环处理,Agent Loop的核心实现机制。
- 面试要点:Advisor Chain是Spring AI的扩展核心——所有高级功能(RAG、Memory、Tool Calling)都通过Advisor实现。
Spring AI作为MCP Server?
★★★★★
- Spring AI 2.0支持将Spring Boot应用直接暴露为MCP Server,供其他Agent/MCP Client调用。
@Configuration
public class McpServerConfig {
@Bean
public ToolCallback orderQueryTool() {
return ToolCallback.builder()
.name("query_order")
.description("根据订单号查询订单详情")
.inputType(OrderQuery.class)
.function(query -> orderService.query(query.orderId()))
.build();
}
}
- 自动暴露:spring-ai-mcp-server-starter自动将ToolCallback注册为MCP Tool端点。
- 传输:支持stdio和Streamable HTTP两种MCP传输方式。
- 面试要点:Spring AI MCP Server让Java应用成为Agent生态的一部分——一次开发,所有MCP Client可用。
Spring AI 2.0的Agent编排能力?
★★★★
- 当前状态:Spring AI 2.0提供了Agent的核心构建块(Tool Calling、Memory、Advisor),但没有内置的高级编排框架(如LangGraph的StateGraph)。
- 自定义编排:开发者可用Spring的@Service/@Component组合多个ChatClient,实现Router、Sequential、Parallel等模式。
- 未来方向:Spring AI团队计划在后续版本中增加多Agent编排支持。
- 与LangGraph对比:Spring AI是Java生态的Agent基础设施;LangGraph是Python生态的图编排引擎。
- 面试要点:Spring AI目前是"Agent SDK"而非"Agent框架"——提供原语而非编排。
五、MCP协议2025最新规范(26-32)
MCP协议的最新版本和核心架构?
★★★★★
- 最新规范版本:2025-11-25(MCP协议持续更新中)。
- 核心架构:MCP Client(AI应用端)↔ MCP Server(工具提供端),通过JSON-RPC 2.0通信。
- 三类核心能力原语:
- Tools(工具调用):可执行的操作,有副作用(如查询数据库、发送邮件)。
- Resources(资源读取):只读数据源(如文件内容、数据库记录、配置信息)。
- Prompts(提示模板):可复用的Prompt模板,支持参数化。
- Client→Server方向:请求工具列表、调用工具、读取资源、获取Prompt。
- Server→Client方向:通知工具变更、推送日志、发送进度。
- 面试要点:MCP = JSON-RPC 2.0 + 三类原语(Tools/Resources/Prompts)。
MCP的两种标准传输方式(2025最新)?
★★★★★
- stdio(标准输入输出):
- MCP Server作为Client的子进程启动,通过stdin/stdout交换JSON-RPC消息。
- 适用场景:本地开发、工具和Agent在同一台机器。
- 优点:零网络配置、低延迟;缺点:不支持远程访问。
- Streamable HTTP(2025年新增,替代原HTTP+SSE):
- Client通过POST发送请求,Server通过HTTP响应或SSE流返回结果。
- 支持GET请求建立SSE流监听Server通知。
- 适用场景:分布式部署、远程MCP Server。
- 优势:兼容HTTP/2、支持流式响应、无需长连接。
- HTTP+SSE传输:2025年3月已标记为Deprecated,建议迁移到Streamable HTTP。
- 面试要点:本地用stdio,远程用Streamable HTTP——这是2025年的标准方案。
MCP的会话管理机制?
★★★★
- MCP-Session-Id:Streamable HTTP传输中的会话标识,由Server在初始化响应中返回。
- 会话生命周期:Client发送initialize请求→Server返回MCP-Session-Id→后续请求携带此ID。
- 可恢复性(Resumability):Client断开后可携带Last-Event-ID重连,Server恢复对应事件流。
- 无状态请求:某些请求(如工具调用)可以不携带Session ID,Server按无状态处理。
- stdio传输:不需要显式会话管理,因为Client和Server是父子进程关系,天然一对一。
- 面试要点:MCP的会话管理确保了远程调用的可靠性——断线可重连。
MCP的认证安全机制(2025规范)?
★★★★★
- OAuth 2.1:MCP规范推荐使用OAuth 2.1进行认证,MCP Server作为Resource Server。
- RFC 9728 Protected Resource Metadata:Server通过.well-known/oauth-protected-resource暴露认证元数据。
- Client ID Metadata Documents(CIMD):动态客户端注册机制,Client获取自己的标识。
- MCP Server角色:Server仅作为Resource Server(不负责用户认证),认证由外部Authorization Server完成。
- 2025年6月修订:明确Server不处理授权码流程,只验证Access Token。
- API Key认证:简单场景可用API Key,在请求Header中传递,但不如OAuth安全。
- 面试要点:MCP认证 = OAuth 2.1 + Server作为Resource Server + 外部Authorization Server。
MCP与Function Calling的关系和区别?
★★★★★
- Function Calling:LLM供应商的私有机制(OpenAI tool_calls、Anthropic tool_use),模型决定调用哪个函数。
- MCP:开放协议,标准化工具的描述、发现、调用格式,与模型无关。
- 关系:MCP是Function Calling的"上层封装"——MCP发现工具→转换为Function Calling格式→LLM决策→MCP执行。
- 工作流:MCP Client启动→连接MCP Server→listTools()发现工具→注册为Function Calling工具→LLM决策调用→MCP Client通过MCP协议执行工具→结果返回LLM。
- 优势:换模型不需要改工具代码;换工具不需要改Agent代码;工具一次开发所有MCP Client可用。
- 面试要点:MCP不替代Function Calling,而是标准化了工具注册和执行的流程。
MCP的生态现状(2025-2026)?
★★★★
- 官方Server:文件系统、GitHub、PostgreSQL、MySQL、Slack、Google Drive、Brave Search等。
- 社区生态:1000+开源MCP Server,覆盖主流SaaS和开发工具。
- MCP Registry:类似Docker Hub的MCP Server仓库,搜索和安装MCP工具。
- 基金会治理:MCP已捐献给Linux基金会,由社区共同维护。
- 主流集成:Spring AI(Java)、LangChain/LangGraph(Python)、OpenAI SDK、Claude Desktop。
- 面试要点:MCP的生态已从"Anthropic私有协议"发展为"行业标准"。
MCP Server开发的最佳实践?
★★★★
- 工具描述精确:名称、功能、参数含义、适用场景——LLM据此决策。
- 参数设计简单:参数越少越好,复杂参数用JSON Schema约束和校验。
- 返回结果精炼:返回简明信息(不要返回整个数据库记录),LLM需要快速理解。
- 错误处理友好:返回清晰的错误信息,LLM可以据此重试或换方案。
- 安全边界:危险操作(删除/修改)需要额外确认参数,只读操作可自动执行。
- 幂等设计:工具调用应尽量幂等(相同参数返回相同结果),支持安全重试。
六、A2A协议v1.0规范(33-39)
A2A协议是什么?核心要解决什么问题?
★★★★★
- A2A(Agent-to-Agent):Google于2025年4月发布的开放协议,解决多个AI Agent之间的通信和协作问题。
- 版本:v1.0.0(正式版)。
- 核心问题:不同框架(LangGraph/CrewAI/AutoGen/Spring AI)构建的Agent如何互操作?
- 三层架构:
- Data Model层:Agent Card、Task、Message、Artifact等数据结构。
- Operations层:创建任务、查询状态、取消任务、推送通知等操作。
- Protocol Bindings层:JSON-RPC、gRPC、HTTP+JSON/REST三种协议绑定。
- 与MCP关系:MCP解决Agent↔工具;A2A解决Agent↔Agent。两者互补。
- 面试要点:A2A是Agent间"对话"的协议——让不同框架的Agent可以协作。
A2A的Agent Card详解?
★★★★★
- Agent Card:每个Agent的JSON元数据,描述身份、能力、技能和认证需求。
- 核心字段:
{
"name": "数据分析Agent",
"description": "提供数据查询和分析服务",
"url": "https://agent.example.com/a2a",
"capabilities": {
"streaming": true,
"pushNotifications": true
},
"skills": [
{
"id": "sql-query",
"name": "SQL查询",
"description": "执行SQL查询并返回结果",
"examples": ["查询最近的销售数据"]
}
],
"authentication": {
"schemes": ["bearer"]
}
}
- 发现机制:通过.well-known/agent-card.json路径获取Agent Card(类似OAuth的发现机制)。
- 安全:Agent Card支持JWS签名(RFC 8785规范Canonicalization),防止篡改。
- 面试要点:Agent Card = Agent的"名片" + "服务注册",是A2A的服务发现机制。
A2A的Task生命周期状态?
★★★★★
- Task是A2A的核心抽象,代表一次Agent间交互的单位。
- 状态机:
- SUBMITTED:任务已提交,等待Remote Agent接受。
- WORKING:Remote Agent正在处理。
- COMPLETED:任务完成,结果可用。
- FAILED:任务失败。
- CANCELED:任务被取消。
- INPUT_REQUIRED:需要用户提供额外输入(Human-in-the-loop)。
- REJECTED:Remote Agent拒绝执行。
- AUTH_REQUIRED:需要认证。
- 多轮对话:通过contextId关联多个Task,实现多轮交互。
- 面试要点:A2A的Task状态机覆盖了Agent交互的所有可能状态——这是协议设计成熟度的体现。
A2A的三种协议绑定?
★★★★
- JSON-RPC:A2A的主要协议绑定,所有操作通过JSON-RPC 2.0调用。最完整的支持。
- gRPC:高性能场景使用,基于Protocol Buffers,适合低延迟要求。
- HTTP+JSON/REST:传统RESTful风格,使用标准HTTP方法(POST/GET/PUT/DELETE),最易集成。
- 选择建议:通用场景→JSON-RPC(生态最完善);高性能→gRPC;简单集成→REST。
- 所有绑定共享同一套Data Model和Operations,只是传输格式不同。
- 面试要点:三种绑定满足不同性能和集成需求——这是A2A务实的设计。
A2A的推送通知和流式机制?
★★★★
- 推送通知(Push Notifications):通过Webhook实现,Agent处理完成后主动通知Client。
- Client在创建Task时提供callback URL。
- Agent处理完成后向callback URL发送POST请求,包含Task状态更新。
- 适合长时间任务(如数据分析、报告生成)。
- 流式响应(Streaming):通过SSE(Server-Sent Events)实现。
- Agent处理过程中实时推送状态更新(如"正在查询数据库..."→"正在分析..."→"完成")。
- Client通过GET请求建立SSE连接。
- 需在Agent Card的capabilities中声明支持。
- 面试要点:推送通知=异步回调;流式=SSE实时推送。两者配合实现完整的事件通知。
A2A的安全模型?
★★★★
- 传输安全:强制使用HTTPS/TLS加密通信。
- 认证:Agent Card中声明支持的认证方案(Bearer Token、API Key、OAuth 2.0等)。
- 授权:Agent可以限制哪些Client可以调用哪些技能(Skill级别的权限控制)。
- Agent Card签名:使用JWS(JSON Web Signature)对Agent Card签名,防止篡改(RFC 8785 Canonicalization)。
- 输入校验:Agent必须校验所有来自Client的输入,防止注入攻击。
- 面试要点:A2A安全 = TLS + 认证 + 授权 + Agent Card签名 + 输入校验。
A2A的扩展机制?
★★★★
- Extensions:A2A协议内置扩展机制,允许在不修改核心协议的情况下添加新功能。
- 扩展定义:在Agent Card的skills中声明支持的扩展URI。
- 使用场景:自定义数据格式、行业特定操作、私有功能扩展。
- 兼容性:Unknown扩展必须被忽略(向前兼容),不影响核心功能。
- 与标准化的平衡:核心协议保持简洁,通过Extensions满足多样化需求。
- 面试要点:A2A的扩展机制是"开放封闭原则"的体现——对扩展开放,对修改封闭。
七、AG-UI协议(40-43)
AG-UI协议是什么?
★★★★★
- AG-UI(Agent User Interaction Protocol):由CopilotKit创建的开放轻量级协议。
- 核心目标:标准化AI Agent与前端UI之间的交互——Agent如何向前端推送状态、接收用户输入。
- 设计理念:事件驱动(Event-Driven),Agent通过发送事件流与前端通信。
- 解决的问题:每个Agent框架都有自己的UI集成方式,AG-UI提供统一标准。
- 传输:SSE(Server-Sent Events)或WebSockets。
- 面试要点:AG-UI是"Agent↔前端"的协议,MCP是"Agent↔工具",A2A是"Agent↔Agent"——三者互补。
AG-UI的事件类型体系?
★★★★
- 5大类16-17种事件类型:
- Lifecycle(生命周期):RUN_STARTED(开始)、RUN_FINISHED(完成)、RUN_ERROR(错误)。
- Messaging(消息):TEXT_MESSAGE_START/CONTENT/END(文本流)、TOOL_CALL_START/ARGS/END(工具调用)。
- Tool(工具):STATE_SNAPSHOT(状态快照)、STATE_DELTA(状态增量更新)。
- State Management(状态管理):STATE_SNAPSHOT、STATE_DELTA。
- Other(其他):RAW(原始数据)、CUSTOM(自定义事件)。
- 事件流:Agent执行过程中按序发送事件,前端根据事件类型渲染不同UI。
- 面试要点:AG-UI定义了Agent与UI交互的"词汇表"——每种事件对应一种UI行为。
AG-UI的状态管理机制?
★★★★
- STATE_SNAPSHOT:Agent发送完整的状态快照,前端替换整个状态。适合初始化或大变更。
- STATE_DELTA:Agent发送状态增量更新(类似OT/CRDT的delta),前端合并到当前状态。
- 优势:STATE_DELTA不需要发送完整状态,减少数据传输量,实现高效的前后端状态同步。
- 前端实现:React/Vue通过useAgent hook订阅状态事件,自动更新组件。
- CopilotKit v1.50(2025年12月)提供了useAgent hook的实现。
- 面试要点:AG-UI的状态管理 = Snapshot(全量)+ Delta(增量),类似Git的full clone和incremental fetch。
AG-UI的生态支持?
★★★★
- CopilotKit:AG-UI的创建者,提供完整的React组件库和useAgent hook。
- Pydantic AI:Python Agent框架,支持AG-UI协议输出。
- TanStack AI:前端AI集成库,支持AG-UI事件流。
- LangChain/LangGraph:正在集成AG-UI支持。
- 前端框架:React(一等支持)、Vue/Next.js(社区支持)。
- 面试要点:AG-UI目前由CopilotKit主导,生态还在发展中,但设计理念被广泛认可。
八、OpenAI Agents SDK与DeerFlow(44-47)
OpenAI Agents SDK的核心概念?
★★★★★
- 起源:从Swarm实验项目演化而来,2025年初正式发布。
- 支持语言:Python和TypeScript。
- 核心概念:
- Agent:定义指令(instructions)、工具(tools)、模型(model)。
- Handoffs:Agent间传递工作的机制——Agent A完成部分工作后"交接"给Agent B继续。
- Guardrails:输入/输出验证机制,确保Agent行为在安全边界内。
- Tracing:自动追踪Agent的推理、工具调用、Handoff决策。
- 与CrewAI区别:OpenAI SDK更轻量,Handoffs是核心编排机制;CrewAI通过Crew编排。
- 面试要点:OpenAI Agents SDK的三大核心 = Handoffs + Guardrails + Tracing。
OpenAI Agents SDK的Handoffs机制?
★★★★★
- Handoff:一个Agent将对话控制权"交接"给另一个Agent的机制。
- 工作流程:
- Agent A处理用户请求,发现需要Agent B的专业能力。
- Agent A调用handoff工具(transfer_to_agent_b)。
- 框架自动将对话上下文传递给Agent B。
- Agent B继续处理,完成后可以直接回复用户或再次Handoff。
- 与Function Calling区别:Handoff转移控制权;Function Calling只是调用工具后返回。
- 适用场景:客服路由(通用→技术/销售/退款)、多步骤任务分工。
from openai import Agent, handoff
tech_agent = Agent(name="技术支持", instructions="处理技术问题...")
sales_agent = Agent(name="销售顾问", instructions="处理购买咨询...")
router_agent = Agent(
name="路由",
instructions="根据用户问题选择合适的Agent",
handoffs=[handoff(tech_agent), handoff(sales_agent)]
)
- 面试要点:Handoffs是OpenAI SDK多Agent编排的核心——简单但强大。
OpenAI Agents SDK的Guardrails机制?
★★★★
- Guardrails:Agent的安全护栏,在输入和输出两个层面进行验证。
- Input Guardrails:在Agent处理前验证用户输入(如过滤敏感内容、检测Prompt注入)。
- Output Guardrails:在Agent输出前验证响应(如检查是否泄露隐私、是否偏离主题)。
- Human-in-the-loop:Guardrails可以触发人工审核——当输出被标记为"需要审核"时暂停执行。
- 配置:通过guardrail函数定义验证逻辑,返回GuardrailResult(pass/fail/escalate)。
- 面试要点:Guardrails是Agent安全的关键防线——输入过滤 + 输出校验 + 人工兜底。
DeerFlow 2.0的架构设计?
★★★★
- DeerFlow:字节跳动开源的Deep Exploration and Efficient Research Flow框架。
- 版本演进:v1(2025年5月,专注研究流程)→ v2(全面重构为通用多Agent运行时)。
- v2架构:
- Main Agent:主控Agent,负责任务分解和协调。
- Sub-agents:按需创建的子Agent,处理具体子任务。
- Memory:跨任务的知识积累和上下文管理。
- Sandboxes:隔离执行环境(代码执行、数据处理)。
- Tools:外部工具集成。
- Skills:可复用的Agent能力模块。
- 设计理念:模块化 + 按需扩展——Main Agent根据任务复杂度动态创建Sub-agents。
- 面试要点:DeerFlow 2.0是大厂Agent框架的代表——模块化设计 + 生产级运行时。
九、Dify与Coze平台(48-50)
Dify平台的核心架构?
★★★★★
- Dify:langgenius开源的LLM应用开发平台(github.com/langgenius/dify)。
- v1.9.0核心特性:
- Knowledge Pipeline:知识处理流水线——文档上传→分块→Embedding→索引。
- Queue-based Graph Engine:基于队列的图引擎,支持异步工作流编排。
- 可视化Agentic Workflows:拖拽式Agent工作流设计器。
- RAG Pipeline:检索增强生成流水线,支持多种检索策略。
- Knowledge Base:知识库管理,支持多格式文档。
- AI Agents:预构建的Agent模板。
- Multi-LLM Provider:支持OpenAI、Anthropic、国产模型等多家LLM。
- 部署方式:Docker自托管或云服务。
- 面试要点:Dify = 可视化Agent开发平台 + RAG引擎 + 多LLM支持——面向低代码用户。
Coze平台的核心能力?
★★★★★
- Coze:字节跳动的零代码/低代码AI Agent开发平台。
- 版本演进:
- v2.0:引入Skill Packs(技能包),Agent从纯对话升级为功能性Agent。
- v2.5:Agent World生态——独立执行环境、身份系统、Agent间协作。
- 核心模块:
- Prompt:Prompt工程和模板管理。
- RAG:内置知识库和检索能力。
- Plugin:插件市场,扩展Agent能力。
- Workflow:可视化工作流编排。
- Coze Studio:已在GitHub开源,支持自托管。
- 多平台部署:通过WebSDKs和API部署到Web、微信、钉钉等。
- 面试要点:Coze是"AI Agent的Shopify"——零代码创建Agent,一键部署到多平台。
Dify vs Coze vs LangGraph的定位对比?
★★★★★
- Dify:开源可视化平台,适合技术团队快速搭建LLM应用(RAG、Agent、工作流)。中等技术门槛。
- Coze:零代码SaaS平台,适合非技术人员创建和部署Agent。最低门槛,但灵活性受限。
- LangGraph:底层编程框架,适合需要完全自定义的Agent工作流。最高门槛,最大灵活性。
- 企业选型:
- 快速上线/非技术团队→Coze
- 技术团队/需要可控部署→Dify
- 高度定制/复杂工作流→LangGraph
- 共同趋势:2025-2026年Agent开发从"写代码"向"可视化编排"演进。
- 面试要点:选型取决于团队能力和需求深度——没有银弹,只有最适合。