解密企业级大模型智能体Agentic AI 关键技术：MCP、A2A、Reasoning LLMs- Manus技术解密

解密企业级大模型智能体Agentic AI 关键技术：MCP、A2A、Reasoning LLMs- Manus技术解密

如果你从应用程序的角度讲，但是如果我们从模型的角度讲，我们必须让模型既具有这种思考的能力，也具有产出这种最佳的action的这种能力。而且这次和环境不断交互的多轮的这种交互的过程中不断进行动态调整，这就带来了极大的灵活性。所以我们前四大阶段的课程120个小时左右，实际交付的数就是5月21号之前都会完成，肯定会超过120个小时。以及后续每周一个大型的项目，它有啊至少10个小时的录屏，以及周六周日的这个直播。我们谈会谈很多不同的技术，但其实所有的技术都都是要实现可控灵活，以及不断的自我学习和智能的提升，这是控制的三大维度，而且也只有从这三个维度的角度讲，或者思考或者做产品是正确的，其他的都不是有效的。

那我们可以以这个Manus agent的路，就是它整个循环。 那我们来看一下。我们的Manus agent loop的工作模式。首先用户提供具体的任务。什么叫用户提供具体的任务？我们再可以看一下他的第一个例子。

这就是我们所说的用户的任务。当然大家应该在右侧，也看见了他远程的这个桌面的部分，我们在后面会跟大家有具体的项目，就是项目的每一行代码，每一个具体的部分，测试调试背后所有的技术的分析，我们都会跟大家进行最细致的讲解。

我们现在可以看一下，就是你从一个比较系统的角度看一下，Manus agent loop的工作模式。那他会分析具体的事件，理解用户的需求以及当前的状态。因为它这个states for computer过程，然后会选择具体的工具，基于当前的状态进行下一步操作。然后大家注意这个操作是在什么，在这个虚拟环境下或者isolated的 sandbox环境下

注意在这里面非常重要的一个点，就是新一代的大模型智能体应对大模型本身不可靠，产出的信息不可靠。这件事情他采用了一个最佳实践。这个最佳实践就是如果我有一个任务，我会让大模型去写代码，那种cloude去写代码。而由于这个大模型本身，它是或者NLP它本身，它是一个类比的形式化的一个机器，然后很多大模型本身也着重在代码上进行训练。所以它产出的代码，就现在大家看啊GPT 4系列的一些内容以及cloude 3，尤其3.7系列的一些内容，它产出的代码的质量是越来越高。他们这现在基本上是达到了中级的middle level engineer的水平，甚至在一些场景下，达到高级的一些水平了。

所以即使说大模型它本身产出信息不可靠，但是我们既要做到它的特性。所谓特性就是说这个类比机器以及擅长形式符号的这种表达，这件事情我们让他写代码，他写这个代码这件事情，我们把代码运行在一种虚拟环境下，让代码去产生信息。 就是模型产生代码，代码产生信息，从而获得信息的准确性。