大模型的脑子本身也是个Agent吗？

一个让我困惑了很久的问题

前几天我在用ChatGPT网页版聊天，问了一个问题，它先回答了一部分，然后自己跑去搜索了一下，接着又回答了一些，觉得不够，又搜了一次，最后综合所有信息给了我一个完整的回复。

我当时的第一反应是：这不就是一个Agent吗？它自己判断需要搜索什么，自己去搜，自己整合结果。感知、决策、行动，标准的Agent循环。

然后我很自然地想到一个问题：网页版不就是在调API吗？那是不是说API本身就已经是一个Agent了？

如果是这样的话，事情就变得有点奇怪了。因为在我的理解中，API就是大模型的"脑子"，是最核心的推理能力。而Claude Code、各种应用框架，是套在脑子外面的"身体"，负责执行和编排。

那现在的情况岂不是变成了：脑子里有一个Agent在干活，脑子外面还套了一层Agent在指挥？

这两个Agent是同一个东西吗？它们各自在做什么？这个问题困扰了我很久。

先搞清楚大模型到底是什么

要回答这个问题，得先退一步，看看大模型最原始的状态。

大模型本质上就是一个函数。你给它一段文字，它续写下一段文字。就这样，没了。它没有"手"，不能上网搜索，不能读你电脑上的文件，不能执行代码，不能操控浏览器。

在这个最纯粹的状态下，它显然不是Agent。Agent的核心是"感知→决策→行动"的循环，而纯模型只有"决策"这一步。它能"想"，但不能"做"。就像一个被绑在椅子上的天才，脑子很好使，但什么都干不了。

那我在网页上明明看到它自己去搜索了啊？

网页端不等于API

这就触及了第一个认知盲区。

很多人（包括之前的我）都有一个隐含的假设：我在ChatGPT或Claude的网页上跟模型对话，这个网页就是API的界面，网页端的能力等于API的能力。

不对。

网页端是一个完整的产品。它在API之上加了一整套东西：对话历史管理（帮你存储和拼接多轮对话）、文件上传和处理、记忆系统（跨对话记住你的偏好）、UI界面，等等。你看到的"它自己去搜索了"，是产品层的编排逻辑在驱动的。

那么问题来了：API到底能不能自己搜索？

转折：API确实可以自己搜索

这才是整个问题最关键的地方。答案是：能，但需要你主动打开一个开关。

现在的大模型API支持两种工具模式。

第一种：客户端工具（client tools）。 你在调API的时候告诉模型"你有一个叫search的工具可以用"。模型看了你的问题后，会说"我想调用search('2026年新能源汽车市场')"。但注意，它只是说出了这句话，然后就停了。什么都不会发生。API把这个"请求"返回给你的代码，你的代码去调搜索引擎，拿到结果，再把结果发回给API，模型基于结果继续回答。

在这个模式下，模型有"判断力"（它知道该搜什么），但没有"执行力"（它自己不搜）。就像一个指挥官说"去侦察那个山头"，但他自己不去，得士兵去。

第二种：服务端工具（server tools）。 你在API请求中加一个参数，比如 tools: [web_search]。这时候Anthropic的服务器就会在云端帮你执行搜索。模型自己判断搜什么、搜几次，服务端自动执行搜索并把结果喂回模型，模型基于结果可能再次决定搜索其他关键词，最后综合所有结果给你一个完整回答。整个过程在一次API请求内部自动完成，你什么都不用管。

Anthropic官方文档的原话是："API在服务端的agentic loop中执行工具调用。"

注意这个词：agentic loop。官方自己都说了，这是一个Agent循环。

而且不只是搜索。Anthropic目前提供的服务端工具还包括：

web_fetch：抓取指定网页和PDF的完整内容

code_execution：在沙箱容器中运行Python和Bash代码

tool_search：从大量工具中按需发现和加载

advisor：让当前模型在生成过程中咨询更高智能的顾问模型

computer use：浏览器和桌面自动化（beta阶段）

这些工具可以在一次API请求中组合使用。模型可能先搜索一个问题，觉得需要验证数据，自己写一段Python代码跑一下计算，然后基于计算结果再搜索更具体的信息。这整个过程全部在Anthropic的服务器上自动完成。

所以回到最初的问题：API到底能不能像Agent一样工作？

能。但前提是你得开启server tools。没开就是纯粹的"文字进文字出"，开了就有了完整的"思考→行动→再思考"循环。

用一行代码说就是：

一个参数的差别，就是"纯脑子"和"脑子+手脚"的区别。

那网页端到底用的是什么？

搞清楚了API的两种模式，回头再看网页端就很清晰了。

网页端（Claude.ai、ChatGPT等）底层调的就是同一个模型，搜索用的也是同一个server tool。网页端只是帮你默认开启了这些工具，再加上对话历史管理和各种产品功能。

所以网页端和API的关系不是"两个不同的东西"，而是：

网页端 = 同一个API + 默认开启的server tools + 对话管理 + 记忆系统 + 文件处理 + UI

如果你自己调API时也把server tools打开，在"模型推理+工具执行"这个层面上，你拿到的能力跟网页端是一样的。网页端多出来的只是对话管理和产品功能这些包装。

回到那个核心问题

现在可以回答最开始的困惑了：脑子里有Agent，脑子外面也有Agent，它们是同一个东西吗？

不是。它们是不同粒度的循环。

用一个三层框架来看：

第一层：裸模型。 只负责推理，文字进文字出。不是Agent。

第二层：带server tools的API。 在单次请求内部，模型可以自主决策、调用工具、看结果、再决策。这是"脑子里的Agent"。它很像一个短生命周期的Agent：接到一个任务，自己想办法搞定，交付结果，然后就消失了。一次请求结束后，它不记得你上次问了什么，也不会主动做后续跟进。

第三层：产品层（网页端、Claude Code等）。 在API之上加了状态持久化、多步任务编排、环境交互等能力。这是"脑子外面的Agent"。它负责跨请求的状态管理、多步任务的拆分和协调。

所谓"脑子里的Agent"解决的是：这个问题我该搜什么、搜几次、怎么综合。 所谓"脑子外面的Agent"解决的是：这个大任务该拆成几步、每步调一次API、结果怎么串起来。

以Claude Code为例：你让它重构一个项目。Claude Code（外层Agent）把任务拆成"先读代码→分析结构→修改文件A→修改文件B→跑测试"好几步。每一步都调一次API。而在每一步内部，API可能又启用了server tools，自己搜索了一些技术文档或者跑了一段验证代码（内层Agent）。两层循环，各管各的，协同工作。

一个容易踩的坑

很多人在理解这些概念的时候，会把几件不同的事情混在一起。比如觉得"API是无状态的"就等于"API没有Agent能力"。

其实不是。这里有四个独立的维度：

对话状态：多轮对话是否被记住。Anthropic的API不自动记，每次请求都要你自己把历史发过去。OpenAI的Responses API可以在服务端帮你管。

工具执行：工具由谁来跑。客户端工具由你的代码跑，服务端工具由云端跑。

Agent循环：单次请求内部能否自主"思考→行动→再思考"。开了server tools就能。

数据持久化：数据存多久。Anthropic服务端保留API日志最多30天，但你没有接口去取。

这四件事是独立的，不能用一个维度的结论去推断另一个维度。"无状态"只是说多轮对话不自动记忆，跟"单次请求内部能不能像Agent一样工作"是两码事。

所以，大模型的脑子本身是Agent吗？

严格说，大模型本身不是Agent。它就是一个推理函数。

但现在的API给它装上了server tools之后，它在单次请求内部确实能自主"思考→行动→再思考"，表现得很像一个短生命周期的Agent。而产品层（网页端、Claude Code）在此之上又加了一层更宏观的Agent循环。

所以不是"脑子里有Agent"，更准确的说法是：同一个模型被放进了不同层次的循环中，在每一层都展现出不同粒度的agentic行为。

你以为只有一个Agent，其实是两层循环在协同工作。你以为脑子和身体是分开的，其实脑子本身已经长出了一小截手臂，能做一些简单的动作了。只不过要完成更复杂的任务，它还是需要外面那个更大的身体。