在人工智能快速发展的今天，我们见证了一个激动人心的转变：从简单的LLM问答模式到真正具备自主性的AI系统。这就是Agentic，它正在重新定义我们与AI交互的方式⁠。

Agentic的提出将LLM从简单的问答工具转变为有能力、有目的的代理（Agent），这些代理能够理解复杂的指令，执行多步骤的任务，并与人类用户进行富有成效的交互。Agentic理念的核心是创建具备自主性和适应性的系统，这不仅能够提升任务处理效率，也将改变人类与AI交互的方式。

想象一下，如果把传统的LLM比作一个只会按部就班回答问题的学生，那么Agentic系统就像一个具有独立思考能力的研究者。它不仅有基础的语言理解能力，还配备了完整的"工具包"：

• 精心设计的"性格设定"（提示词系统）

• 像人类一样的记忆系统（短期和长期记忆）

• 专业领域的知识储备

• 使用各种工具的能力

最令人着迷的是，Agentic系统的工作方式更接近人类。它不会简单地给出一个答案就完事，而是会像专业人士一样，经过深思熟虑的过程。

举个例子，当要完成一篇文章时，它会像专业作家一样：

• 先规划文章大纲

• 查找必要的参考资料

• 写出初稿

• 仔细审查并修改

Agentic系统的与众不同之处在于它掌握了四种关键能力：

• 自我反思? ：不断评估和改进输出质量

• 工具达人?️ ：灵活运用各种外部工具

• 规划高手?：化繁为简，分步执行

• 团队协作? ：能和其他AI Aggent共同完成任务

这不仅仅是技术的进步，更是AI向着真正智能迈出的重要一步。

市场上的关于agentic的声音越来越大，技术再次升级，OpenCSG全系列产品加入Agentic理念。

我们的三大核心产品——CSGHub、DataFlow和StarShip——得到了全面的强化，并且更紧密地融合。我们利用Agentic理念，将智能代理技术更深入地集成到产品中，使得各产品之间的协同效应更加明显，形成一个完整的AI生态，为用户提供一个统一且无缝的工作平台。

在OpenCSG 产品架构体系中，CSGHub和DataFlow作为基础设施，提供了强大的AI能力和高质量数据；StarShip作为应用引擎，将AI能力和数据结合起来，实现各种AI应用；Wukong作为生成式AI的代表，为用户提供各种生成式AI服务。我们的产品体系就像一座的智能工厂，仓库、物流、生产线和创新部门紧密配合，为用户高效打造Agentic App。

如何高效、灵活地构建和管理复杂的多Agent系统，是推动任务自动化、分布式协作和智能应用的关键。为了解决这一挑战，我们推出了OpenCSG的Agentic架构——一个功能强大、模块化、灵活且易扩展的智能Agent框架Agentic架构以高效的通信、灵活的扩展能力和安全性为核心，赋能开发者快速构建下一代智能应用。

Agentic架构分为运行时层、核心层和Agent层，层层紧密配合。运行时层确保分布式通信的高效与可靠，核心层提供Agent的基础构件与动态管理功能，Agent层则内置多种功能型和编排型Agent，并支持快速定制。这种分层设计让Agentic架构灵活高效，为智能协作和任务自动化提供坚实支持。

运行时层（Runtimes）：负责底层通信，是实现Agent分布式消息传递和高可靠通信的基石。

• 内置支持多种通信模式，包括消息队列（Message Queue）、HTTP协议和进程内通信（In-Process）。

  
  

• 开放接口允许用户根据业务场景自定义运行时环境，灵活应对多样需求。

核心层（Core）：定义了Agent框架的基础构件，是整个系统的核心驱动力。

• 包括Agent、工具（Tools）、记忆模块（Memory）的基础定义。

• 提供消息传递和类型定义，并通过Factory管理Agent生命周期，通过Discovery实现动态发现功能。

Agent层（Agents）：专注于实际应用，内置多种Agent，同时提供Builder工具支持快速构建个性化Agent。

• Agent Builder：一款Meta-Agent工具，帮助用户快速设计和创建个性化Agent。

  
  

• 基础型Agent：如ChatAgent、FunctionCallAgent和ReAct，专注于单一任务处理。

  
  

• 编排型Agent：包括Sequential顺序流程和Handoffs动态委派，以完成复杂任务自动化。

Agentic框架以灵活、高效、可扩展为核心，支持异步通信、分布式协作、动态发现与安全隔离。模块化设计和Agent Builder工具让开发者轻松定制Agent，并通过CSGHub集成高效管理大模型资源，应对多样化任务场景。

随着OpenCSG生态的不断进化，我们将CSGHub和DataFlow转变为由多个子Agent组成的综合体。这一改变意味着，除了处理简单的任务外，系统还可以通过子Agent之间的相互协作来应对更复杂的需求。这种架构的调整，提升了系统的可扩展性和灵活性。

以下是我们使用Agentic架构实现的三个示例场景，为大家展示其在模型部署、推理及智能体构建中的实际应用。

场景一：Agentic 模型部署

• 使用Coagent框架创建CSGHub-Model Agent。

• 在CodeSouler中，通过该Agent搜索模型并完成部署操作。

• 部署完成后，模型实例运行于CSGHub，并返回用于推理的Endpoint。

场景二：Agentic 模型推理

• 基于Coagent框架构建Code-Completion Agent。

• 在CodeSouler中切换到已部署于CSGHub的DeepSeek代码补全模型。

• 使用Code-Completion Agent调用DeepSeek模型，提供智能代码补全服务。

  
  

场景三：Agentic 智能体构建