En almindelig chatbot svarer blot med tekst — du spørger, den svarer, og udvekslingen slutter der. En agent kører en løkke: den kan kalde værktøjer for at foretage handlinger, observere resultaterne og iterere mod et mål, indtil en stoppetilstand er opfyldt. Forskellen ligger i at gøre, ikke blot at tale.
Goal → [think → call a tool → observe result → think again] → repeat → stop when done
I hvert trin beslutter agenten, hvad den skal gøre dernæst baseret på, hvad den har lært, i stedet for at producere ét svar og stoppe.
En agents "værktøjer" lader den handle på verden:
Goal: "Fix the failing test."
1. Run the test suite → observe: test_login fails
2. Read the failing test → observe: it expects a 200, got 500
3. Search for the handler → observe: missing null check
4. Edit the handler file → write the fix
5. Run the test suite again → observe: all pass
→ stopping condition met: tests green, done
En chatbot kunne kun beskrive en mulig rettelse; agenten anvender den faktisk og verificerer resultatet ved at køre testene selv.
At forstå agent-løkken forklarer, hvorfor agenter kan fuldføre reelt flertrinsoprundelse — debugging, refaktorering, forskning — i stedet for blot at beskrive det. Værktøj-kald-observe-iterate-cyklussen med en klar stoppetilstand er det, der gør en sprogmodel fra en samtalebaseret tekstgenerator til noget, der faktisk får opgaver udført.