1.3 前端框架：加速 LLM 应用开发

1.3 前端框架：加速 LLM 应用开发

传统的 LLM 应用开发需要开发者手动处理大量的后端逻辑，如管理 API 调用、处理多轮对话状态、实现数据流传输等。这些繁琐的工作极大地阻碍了开发效率。

幸运的是，现在有一系列专门为 LLM 应用设计的前端框架，它们将这些复杂性抽象化，让前端开发者能够专注于用户体验和业务逻辑。

1.3.1 AI Agent：从被动工具到主动智能体

在进入框架实战之前，我们首先要理解一个更高级的概念：AI Agent。

我们之前讨论的 RAG、Function Calling 和 MCP，都属于 “工具使用” 的范畴。LLM 扮演的是一个被动的角色，它根据用户的指令去调用工具。

而一个 AI Agent 则是一个拥有自主决策和规划能力的智能体。它的工作流程不再是简单的“接收指令-执行-返回结果”，而是更接近于人类解决问题的过程：

1. 目标设定：接收用户的最终目标（例如：“帮我规划一次为期三天的北京之旅”）。
2. 规划（Planning）：将复杂的目标分解成一系列可执行的子任务（例如：1. 查询北京的天气；2. 查找热门景点；3. 预订酒店）。
3. 工具选择（Tool S