跳转到内容
FlowAI Logo FlowAI 文档

LLM Agent节点

LLM Agent节点是FlowAI智能工作流中的高级组件，它不同于普通的LLM节点。LLM Agent作为一个智能体，能够自动调用工具完成复杂任务，实现更高级的自动化处理能力。

LLM Agent节点基础配置

节点属性详解

节点属性

  1. 节点名称：可自定义的LLM Agent节点标识。修改后会影响工作流中其他节点对该节点的引用。例如，将”LLMAgent1”改为”智能助手”后，其他节点的引用将从$LLMAgent1.result变为$智能助手.result。建议使用有意义的名称，以便于理解和维护。

  2. 模型：通过下拉菜单选择要使用的语言模型。目前支持：

    • GPT-4.1：最新的高性能模型，支持完整的Agent能力（现已全面支持）
    • GPT-4o：性能与成本的良好平衡
    • GPT-4o-mini：性能与成本的平衡
    • DeepSeek：最经济、性价比最高的模型
    • 其他模型：根据实际需求选择

  3. 提示词编辑区：用于编写发送给智能体的指令。您可以：

    • 使用变量语法引用其他节点的输出
    • 编写详细的任务描述
    • 设置期望的输出格式

  4. 输出语言：设置Agent的回复语言，支持中文、英文等多种语言选项（这个的输出结果取决于LLM的智能程度）。

  5. 工具：Agent可以调用的工具集合，目前支持：

    • 网页抓取：自动获取网页内容
    • 计算器：执行数学计算
    • HTTP请求：发送API请求获取数据

  6. 最大连代轮数：Agent执行工具调用的最大次数，范围1-50。

  7. MCP服务器：通过配置MCP（Model Context Protocol）服务器，扩展Agent的能力能，允许Agent通过MCP协议调用外部服务和工具。

LLM Agent与LLM节点的区别

特性LLM Agent节点LLM节点
功能定位智能体，可自主决策并调用工具单次AI推理，生成文本内容
工具调用支持自动调用多种工具不支持工具调用
任务复杂度适合复杂、多步骤任务适合单一文本生成任务
自主性高，可根据任务自主选择工具低，严格按提示词执行
应用场景数据收集、分析、自动化处理内容生成、文本分析

提示词编写技巧

与LLM节点相比，LLM Agent节点的提示词更侧重于任务描述和目标定义，而非具体详细的执行步骤。

基础语法

请帮我在http://xxxx.com查询"$输入.关键词"的最新信息，并提供简要总结。

多步骤任务示例

请执行以下任务：
1. 查询"$输入.股票代码"的股票价格
2. 计算过去7天的平均价格
3. 如果平均价格高于$输入.阈值，则发送HTTP请求到我们的通知系统


备注：
股票的查询方式是：
1. 访问 https://xxxx.com/stock/xxxx
2. 其中 xxx 是股票代码

数据处理示例

请分析以下数据：$输入.数据表
要求：
1. 计算每列的平均值
2. 找出异常数据点（超过两个标准差）
3. 生成分析报告，包含关键发现和建议

工具使用详解

LLM Agent节点可以调用多种工具，每种工具有其特定的使用场景和能力：

网页抓取工具

网页抓取工具允许Agent自动获取网页内容，适用于：

  • 收集最新新闻或信息
  • 获取产品价格或规格
  • 提取网页上的结构化数据

示例提示词：

请抓取"$输入.网址"页面，提取所有产品名称和价格，并整理成Markdown表格输出。

计算器工具

计算器工具使Agent能够执行数学计算，适用于：

  • 数据分析和统计
  • 财务计算
  • 科学计算和转换

目前计算工具支持四则运算、三角函数、Pi、指数等基础计算语法。

示例提示词：

请计算以下数据的统计指标：$输入.数值列表
需要计算：平均值、中位数、标准差、四分位数

HTTP请求工具

HTTP请求工具允许Agent与外部API交互，适用于：

  • 数据同步和集成
  • 触发外部系统操作
  • 获取第三方服务数据

示例提示词：

请将以下处理结果：$输入.处理结果
通过HTTP POST请求发送到我们的API端点：$输入.API地址
请确保使用正确的JSON格式。

高级配置详解

最大连代轮数设置

最大连代轮数控制Agent可以理解为执行的工具调用次数，但是并不是一一对应，取决于AI如何判断。因为对于某些可以并行任务，有可能一轮迭代就会同时调用多个工具。

  1. 参数说明：

    • 范围：1-50
    • 默认值：通常为3-5

  2. 设置建议：

    • 简单任务：3-5轮
    • 复杂任务：10-15轮
    • 特殊场景：根据需求调整

  3. 注意事项：

    • 轮数过多可能增加执行时间、也可能导致LLM的上下文超过AI能支持的上下文大小
    • 轮数过少可能导致任务无法完成
    • 建议判断自己的任务，选择一个合理的任务轮数

MCP服务器工具

MCP（Model Context Protocol）服务器工具是LLM Agent节点的新增功能，它允许Agent通过标准化协议调用外部服务和工具，大大扩展了Agent的能力边界。

MCP服务器配置

MCP服务器配置

配置步骤：

  1. 添加MCP服务器：点击”添加MCP服务器”按钮
  2. 服务器名称：为MCP服务器设置一个描述性名称，一个好的名称，更方便AI理解
  3. 服务器地址：输入MCP服务器的URL地址
  4. 服务器类型：选择合适的连接类型：
    • SSE：Server-Sent Events，适用于实时数据流
    • Stream HTTP：流式HTTP连接，适用于大多数MCP服务
  5. 自定义HTTP头：如需要，可添加认证或其他自定义头部

MCP服务器使用示例

基础配置示例：

服务器名称：fetch服务
服务器地址：https://remote.mcpservers.org/fetch/mcp
服务器类型：Stream HTTP

提示词示例：

告诉我今天GitHub的第一个热门项目

执行过程：

  1. Agent接收到任务后，会自动识别需要获取GitHub热门项目信息
  2. 调用配置的fetch MCP服务，抓取GitHub Trends页面
  3. 解析页面内容，提取第一个热门项目信息
  4. 返回项目名称、描述、星标数等详细信息

MCP服务器的优势

  • 标准化协议：基于统一的MCP协议，确保兼容性
  • 扩展性强：可以连接各种外部服务和API
  • 配置灵活：支持多种连接类型和自定义配置
  • 安全可靠：支持认证和加密传输

节点输出使用

LLM Agent节点的输出通过 $LLMAgent节点名称.result 访问，例如： $LLMAgent1.result

输出内容通常包括：

  • Agent的思考过程
  • 工具调用记录
  • 最终结论或处理结果

常见应用场景

  • 数据收集与分析：自动从多个网站收集数据，进行计算和分析，生成报告
  • 自动化客户服务：根据客户问题自动查询知识库、计算价格或发送通知
  • 内容聚合与处理：收集多源信息，整合分析后生成摘要或报告
  • 智能监控系统：定期检查数据源，执行计算判断，触发相应操作
  • 自动化工作流：接收输入数据，调用多个工具处理，输出结构化结果
  • MCP服务集成：通过MCP服务器连接各种外部工具和服务，实现更强大的自动化能力

MCP服务器应用场景

通过配置不同的MCP服务器，LLM Agent可以实现更多专业化功能：

  1. 网页内容抓取：

    • 配置fetch MCP服务，自动抓取网页内容
    • 实时获取新闻、价格、数据等信息
    • 支持复杂的网页解析和数据提取

  2. API服务调用：

    • 连接各种第三方API服务
    • 自动处理认证和数据格式转换
    • 实现跨平台数据同步

  3. 专业工具集成：

    • 连接专业分析工具
    • 调用特定领域的计算服务
    • 扩展Agent的专业能力，比如你可以让AI Agent去部署网页、查看Paypal信息等

使用建议与最佳实践

  1. 任务定义：

    • 明确定义任务目标和期望输出
    • 分解复杂任务为可管理的步骤
    • 提供足够的上下文信息

  2. 工具选择：

    • 只启用任务所需的工具（因为启用的工具越多、越费token）
    • 考虑工具调用的顺序和依赖关系
    • 为工具提供清晰的使用指南

  3. 性能优化：

    • 合理设置最大连代轮数
    • 避免过于开放或模糊的指令
    • 提供结构化的输入数据

  4. 调试技巧：

    • 从简单任务开始测试
    • 观察Agent的工具调用过程
    • 根据执行结果优化提示词
    • 记录成功案例作为模板
    • 测试MCP服务器连接和响应

  5. MCP服务器最佳实践：

    • 选择可靠的MCP服务提供商
    • 定期检查服务器状态和可用性
    • 合理设置超时和重试机制
    • 监控MCP服务的使用情况和成本

通过合理配置和使用LLM Agent节点，您可以实现高度自动化的智能工作流，大幅提升处理复杂任务的效率。更多关于变量语法的详细信息，请参阅变量语法指南。