本文深度解析AIAgent的Prompt组装架构与实现流程，提出三层分层设计：静态模板定义层（专属系统/引导提示词）、动态注入层（think()方法实现系统提示前置和迭代引导注入）、LLM格式化层（统一API消息格式）。重点剖析了动态占位符机制和浏览器Agent等典型场景实现，通过时序案例展示完整Prompt组装流程，并总结出系统提示不入库、迭代引导逐轮注入等核心设计决策。该架构通过分层解耦实现了

1.分层设计是核心：BaseAgent 管通用生命周期，ReActAgent 管推理行动范式，ToolCallAgent 管通用工具调用，子类管场景定制，各司其职、解耦彻底。2.ReAct 闭环是灵魂：所有智能体都遵循「Think 推理决策 → Act 落地执行」的迭代循环，完美复刻人类解决复杂任务的思考与行动逻辑。3.高扩展性适配多场景：基于统一父类，可快速衍生浏览器、代码工程、外部协议等垂直智

MCP本质就是 AI 应用的 “统一外设协议”，在大模型应用开发里，它解决的是模型怎么安全、标准、低成本连外部世界的问题。

FastAPI 就是把你的大模型，包装成一个别人能调用的 API 接口服务。让模型从 “本地脚本” 变成 “可上线、可调用、可并发的后端服务”。FastAPI = 现代、高性能、易学易用的 Python Web 框架专门用来快速开发 API 接口（后端服务）。1） 大模型推理慢，容易阻塞。它原本只能在 Python 脚本里跑，前端、小程序、APP、其他服务都调不了。这是大模型最常见需求。参数传错类