Agent 的“大脑-手“解耦架构：当推理层和工具执行层各自独立演进

发布时间：2026/7/27 22:45:10

如果你的 Agent 已经在生产环境跑了几个月，你一定遇到过这种情况：Agent 在一轮推理中生成了一大段思考，然后调用了一个工具，工具返回了错误，Agent 开始重新推理，但这次推理被之前那堆工具返回的原始数据淹没了，推理质量反而下降。

这不是个例。当 Agent 的推理逻辑和工具执行逻辑混在同一个上下文窗口里时，两个问题会同时出现：推理层被执行细节干扰，执行层被推理延迟拖累。而它们偏偏又绑在一起，没法独立优化。

一个被大多数人忽略的架构问题

大多数 Agent 框架的默认实现，是把推理和工具执行放在同一个循环里。模型先生成思考，然后调用工具，把工具结果追加到上下文，继续思考，再调用下一个工具。这个模式在演示时很流畅，但到了生产环境，问题就开始暴露。

第一个问题：上下文污染。工具返回的数据往往是原始格式——API 的完整 JSON 响应、数据库查询结果、文件内容片段。这些数据进入上下文后，当 Agent 进入下一轮推理时，模型必须从这些原始数据中"找到"自己需要的信息。如果工具返回的数据量很大（比如一次搜索返回了 20 条结果，每条包含完整摘要），推理的有效上下文窗口就被压缩了。

第二个问题：错误传播。工具执行失败时，错误信息直接进入推理上下文。如果 Agent 刚好用的是推理模型，它会花大量 Token 去"分析"这个错误，甚至过度解读——明明是网络超时，模型却可能认为是工具实现有问题。

第三个问题：无法独立扩展。推理需要高参数模型或者推理模型，执行需要低延迟、低成本。当两者耦合在一起时，你只能用同一个模型做两件事。为了推理质量选了强模型，工具调用成本居高不下；为了执行成本选了弱模型，推理能力又不够。

大脑-手分离：一个老概念的新落地

"解耦推理与执行"在软件工程里不是新概念。但在 Agent 系统里，这个分离有更具体的含义：推理层（大脑）负责规划、分解任务、判断结果；执行层（手）负责调用工具、执行操作、返回结构化结果。

Anthropic 在 2026 年 4 月的工程博客中正式描述了这种模式，并称之为"Scaling Managed Agents"。他们发现，在客户侧 Agent 系统中，效果最好的架构往往是分离的——大脑只管想，手只管做。

这个架构的核心模型很简单：

大脑层只有一个职责：决定下一步做什么。它接收用户请求，分解成任务，调用执行层，分析执行结果，决定是否继续、重试或结束。大脑不直接接触任何外部系统，它通过执行层提供的结构化接口获取信息。

执行层则相反：它不决策，只执行。它接收大脑的指令，调用对应的工具，把结果整理成结构化数据返回给大脑。执行层可以包含重试逻辑、超时控制、结果格式化，但这些都不需要大脑知道。

这个模式为什么影响 Agent 应用

大多数生产级 Agent 遇到的问题，根源都在于推理和执行的耦合。分离之后，问题变得可解了。

上下文管理变得可控。大脑只接收执行层处理过的结构化结果，而不是原始数据。执行层可以负责截断、摘要、格式转换——比如搜索返回了 20 条结果，执行层可以只返回前 5 条加上"还有 15 条未显示"的标记。大脑不需要处理原始数据，上下文窗口压力骤减。

错误处理变得清晰。执行层负责重试和降级。一次工具调用超时了，执行层可以自动重试三次，三次都失败再返回"该工具暂时不可用"给大脑。大脑不需要知道网络问题、认证问题或者限流问题——它只需要知道工具执行的结果或者失败状态。

成本优化有了新维度。大脑可以用推理模型（比如推理能力强但成本高的模型），执行层可以用更便宜的模型或者纯代码实现。有些执行任务甚至不需要 LLM 参与——比如格式化数据、调用 REST API、执行 SQL 查询——这些完全可以用常规代码实现，成本接近零。

工程落地怎么做

实现大脑-手分离不需要复杂的框架。核心是定义好两个接口。

大脑到执行层的接口通常是一个任务描述结构：

@dataclass class Task: tool: str # 要调用的工具名称 params: dict # 工具参数 context: str | None # 执行所需的上下文信息 max_retries: int = 3 # 执行层自行重试次数 timeout: float = 30.0 # 超时控制

执行层到大脑的接口是一个结果结构：

@dataclass class TaskResult: tool: str status: Literal["success", "retryable_error", "fatal_error"] data: Any # 执行层处理过的结构化数据 summary: str # 面向大脑的简短摘要 raw_size: int # 原始数据大小，供大脑参考 duration_ms: float

关键点在于data和summary的分离。data是结构化数据，summary是给大脑看的自然语言摘要。执行层负责把原始数据转换成这两者，大脑只消费summary和data中的关键字段。

大脑的循环逻辑可以保持简单：

async def brain_loop(task_queue, result_queue, max_steps=20): for step in range(max_steps): task = await decide_next_task(result_queue) # 根据上一步结果决定下一步 if task is None: # 任务完成 break await task_queue.put(task) result = await result_queue.get() # 处理结果...

执行层的实现更直接：

async def execute_task(task, tool_registry): for attempt in range(task.max_retries): try: raw = await tool_registry.call(task.tool, task.params) processed = await process_result(task.tool, raw) return TaskResult( tool=task.tool, status="success", data=processed["data"], summary=processed["summary"], raw_size=len(raw) ) except RetryableError as e: await asyncio.sleep(2 ** attempt) # 指数退避 except FatalError as e: return TaskResult(tool=task.tool, status="fatal_error", ...)