Agent Space中“Agent”是带执行闭环的智能体实例，需配置基础模型（调用地址+凭证）和能力配置（工具集、记忆路径、超时重试等），缺一不可。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想在Agent Space里创建一个能自动查天气、发邮件、调用数据库的智能体，却卡在“该选模型还是Agent”这一步？你不是在配置模型参数，而是在搭建一个能持续感知环境、自主拆解目标、调用工具执行动作的完整系统。
Agent Space里的“Agent”不是模型，而是可运行的智能体实例
打开Agent Space控制台，点击「新建Agent」后出现的配置界面，第一栏叫“基础模型”，第二栏叫“能力配置”。【这里填的不是模型本身，而是模型的调用地址和身份凭证】。你选的Qwen3或GLM-4，只是这个Agent的“大脑”；真正构成Agent的是它背后绑定的工具集、记忆存储路径、执行超时阈值和失败重试策略。
如果你跳过“能力配置”直接保存，系统会提示“缺少工具声明”，无法启动——因为Agent Space不接受纯语言模型，只接受带执行闭环的Agent定义。
模型在Agent Space中仅作为推理引擎被封装调用
方法一：通过API方式接入已部署模型
在「模型配置」中填写OpenAI兼容接口地址（如https://api.your-llm.com/v1），并传入API Key。Agent Space不会校验该模型是否真实存在，但会在首次执行tool call时发起一次预检请求。若返回401或超时，整个Agent初始化失败。
方法二：使用平台内置模型池
下拉选择“通义千问-Qwen3-32B”后，系统自动注入model_id、region、auth_token三元组。此时你不能修改temperature或top_p——这些参数由Agent的「决策策略」模块统一控制，而非模型自身暴露的接口。
【注意：内置模型不支持streaming响应】。Agent Space要求每次模型调用必须返回完整JSON结构（含action、args、thought字段），流式输出会导致解析中断，任务直接标记为failed。
从配置到运行：Agent Space中一个Agent的诞生路径
第一步：定义目标
在「Agent描述」栏输入：“每天上午9点检查北京天气，若预报有雨，向运营组企业微信发送带图标提醒”。这句话不是提示词，而是Agent的Goal声明，会被解析为状态机初始条件。
第二步：绑定工具链
勾选「企业微信机器人」和「气象局公开API」两个工具。系统自动生成tool_spec.json，其中包含每个工具的input_schema和output_parser规则。未声明的工具即使API可用，Agent也绝不会调用。
第三步：设置执行约束
开启「定时触发」，填写Cron表达式“0 0 9 * * ?”；关闭「人工干预开关」；将「最大重试次数」设为2。这三者共同构成Agent的Policy层，脱离模型独立生效。
第四步：发布并监听日志
点击「上线」后，Agent Space立即生成唯一agent_id，并在后台启动长周期协程。你无法看到模型推理过程，只能查看「执行轨迹」面板中的state transition记录：idle → planning → calling_weather → parsing → calling_wecom → done。
