Elementy agenta AI: wyjaśnienie 5 komponentów

Z jakich komponentów składa się agent AI?

Agent AI to system oparty na oprogramowaniu i (dużym) modelu językowym, który autonomicznie realizuje zadany cel: postrzega swoje otoczenie, planuje w wielu krokach, samodzielnie wybiera i wykorzystuje zewnętrzne narzędzia, obserwuje wyniki i iteracyjnie dostosowuje swój plan. Od strony technicznej tę zdolność można sprowadzić do pięciu kluczowych komponentów, które współdziałają w stałym cyklu.

Trzy najważniejsze punkty na początek:

• Pięć komponentów to obowiązek. Rdzeń LLM, pamięć, narzędzia, planner i executor muszą ze sobą współdziałać. Jeśli brakuje któregoś z nich, zwykle jest to chatbot, workflow albo asystent/copilot, a nie agent.
• Steruje LLM, nie kod. Kolejność kroków i wybór narzędzi powstają dynamicznie w czasie działania. Właśnie to odróżnia agenta od deterministycznego pipeline'u.
• Pętla spina całość. Perceive → Reason → Act → Observe to zasada działania, która łączy komponenty i jest powtarzana iteracyjnie, dopóki cel nie zostanie osiągnięty lub proces nie zostanie przerwany.

5 kluczowych komponentów w szczegółach

1. Rdzeń LLM (silnik wnioskowania). Model językowy to mózg agenta. Interpretuje cel, planuje kolejny krok i za pomocą mechanizmu function calling decyduje, które narzędzie wywołać. Anthropic wyraźnie to rozgranicza: w agentach LLM dynamicznie steruje ścieżką i użyciem narzędzi, w workflowach wykonywane są z góry zdefiniowane ścieżki kodu.

2. Pamięć. Agenci potrzebują pamięci na dwóch poziomach. Pamięć krótkoterminowa to kontekst rozmowy w bieżącym przebiegu (jakie kroki już wykonano, jakie wyniki są dostępne). Pamięć długoterminowa jest zwykle realizowana za pomocą wektorowych baz danych, RAG lub plików i udostępnia wiedzę wykraczającą poza pojedyncze sesje.

3. Narzędzia. Narzędzia to ręce agenta, jego interfejs ze światem zewnętrznym. Należą do nich function calls, REST API, dostęp do baz danych, przeglądarka, sandbox kodu i coraz częściej serwery MCP (Model Context Protocol). Dopiero dzięki narzędziom agent może faktycznie działać, a nie tylko generować tekst.

4. Planner. Planner rozbija nadrzędny cel na kroki cząstkowe. Dzieje się to albo niejawnie w LLM (model sam ustala kolejność), albo jawnie w postaci grafu lub maszyny stanów, co umożliwiają frameworki takie jak LangGraph.

5. Executor. Executor wykonuje wywołania narzędzi wybrane przez LLM, zarządza poszczególnymi turami i egzekwuje granice bezpieczeństwa: limity pętli chroniące przed nieskończonymi pętlami, guardrails oraz, przy nieodwracalnych działaniach, human-in-the-loop. To komponent, dzięki któremu autonomia pozostaje pod kontrolą.

Pętla wnioskowania: Perceive → Reason → Act → Observe

Pięć komponentów pokazuje swoje działanie dopiero w cyklu:

1. Perceive: agent przyjmuje dane wejściowe, cel, kontekst i pamięć.
2. Reason: rdzeń LLM planuje: jaki krok, jakie narzędzie jako następne?
3. Act: executor wykonuje wywołanie narzędzia, zapytanie do API lub kod.
4. Observe: wynik zostaje odczytany i zapisany w pamięci.

Następnie agent sprawdza: czy cel został osiągnięty? Jeśli nie, wraca do etapu Perceive. Koncepcyjną podstawą tej pętli jest paradygmat ReAct (Yao et al. 2022), który splata rozumowanie z działaniem.

Konkretny przykład: agent badawczy

Pracownik zleca agentowi zadanie: „Znajdź trzech największych konkurentów w Europie i podsumuj ich modele cenowe”. Perceive: agent odczytuje zlecenie. Reason: rdzeń LLM decyduje, by najpierw uruchomić wyszukiwanie w sieci. Act: executor wywołuje narzędzie wyszukiwania. Observe: wyniki trafiają do pamięci. LLM zauważa, że brakuje stron ze szczegółami, w kolejnej turze wywołuje narzędzie przeglądarki, wyodrębnia ceny, zapisuje je w pamięci i na końcu tworzy podsumowanie. Nikt nie zaprogramował z góry kolejności kroków; LLM ustalił ją w czasie działania. Właśnie na tym polega różnica w stosunku do sztywnego workflow.

Poziomy dojrzałości L1–L5: od odruchu do systemu wieloagentowego

Nie każdy „agentowy” system jest równie autonomiczny. Pięciostopniowa skala dojrzałości pomaga to uporządkować:

Kluczowe jest to, że prawdziwa autonomia zorientowana na cel zaczyna się dopiero na poziomie L4. Na poziomach L1–L3 ścieżka jest z góry ustalona w całości lub częściowo. Tu często uczciwszym i tańszym wyborem jest workflow lub asystent. Na poziomie L5 kilku agentów koordynuje działania za pomocą protokołu A2A (od czerwca 2025 r. w Linux Foundation, ponad 150 organizacji), co niesie dodatkowe ryzyka, takie jak kumulujące się błędy.

Poziom dojrzałości a realia rynkowe

Architektura brzmi imponująco, ale skalowanie wciąż jest wymagające. Według raportu McKinsey State of AI 2025 23% respondentów deklaruje, że ich firma skaluje co najmniej jeden agentowy system AI. Kolejne 39% mówi o pierwszych eksperymentach z agentami. W żadnej funkcji biznesowej odsetek respondentów, których firma skaluje tam agentów, nie przekracza 10%. To pokazuje, że więcej komponentów i wyższe poziomy dojrzałości oznaczają też więcej pracy przy utrzymaniu (prompty, narzędzia, ewaluacje, modele). Dlatego pilotaż powinien startować w małej skali, w trybie tylko do odczytu i z jasnym ROI.

Podsumowanie

Pięć komponentów (rdzeń LLM, pamięć, narzędzia, planner, executor) oraz pętla Perceive→Reason→Act→Observe tworzą wspólny fundament każdego agenta AI. Jeśli je znasz, potrafisz zdemaskować „agent washing” i dobrać odpowiedni poziom dojrzałości do każdego przypadku użycia, zamiast z zasady budować najbardziej złożoną architekturę.