# agent/core.py:170
class Agent(BaseAgent):
    """Represents an agent in a system.

    Each agent has a role, a goal, a backstory, and an optional language model (llm).
    The agent can also have memory, can operate in verbose mode, and can delegate
    tasks to other agents.
    """

字段分布在两层。通用字段（任何 agent 都有的：角色、工具、循环上限……）在抽象基类 BaseAgent；CrewAI 官方实现特有的字段（推理、规划、多模态……）在子类 Agent。

# agents/agent_builder/base_agent.py:200
class BaseAgent(BaseModel, ABC, metaclass=AgentMeta):
    # ...通用字段都在这里...

# agent/core.py:170
class Agent(BaseAgent):        # ← 继承通用字段，再加自己的高级字段
    ...

这三个是必填字段，在 BaseAgent 里（agents/agent_builder/base_agent.py:263）：

# agents/agent_builder/base_agent.py:262
id: UUID4 = Field(default_factory=uuid.uuid4, frozen=True)   # 每个 agent 一个不变的身份证
role: str = Field(description="Role of the agent")            # 角色："资深市场分析师"
goal: str = Field(description="Objective of the agent")       # 目标：他要达成什么
backstory: str = Field(description="Backstory of the agent")  # 背景故事：塑造语气/专长

三件套之外，一大批字段是"给这个员工配能力、定行为边界"（agents/agent_builder/base_agent.py:269 起）：

# agents/agent_builder/base_agent.py:269
cache: bool = Field(default=...)                 # 是否缓存工具调用结果
verbose: bool = Field(default=...)               # 是否打印详细执行日志
max_rpm: int | None = Field(default=...)         # 每分钟最多请求数（限速）
allow_delegation: bool = Field(default=...)      # ★能否把活委派给别的 agent
tools: list[BaseTool] | None = Field(default=...)# 手里的工具箱
max_iter: int = Field(default=...)               # ★最多推理循环几次（防死循环）
# ...
tools_handler: ToolsHandler = Field(default=...) # 工具调用的管理器
security_config: SecurityConfig = Field(...)     # 安全配置
knowledge: Knowledge | None = Field(default=...) # 挂载的知识库

下面这些是官方 Agent 子类特有的"加强能力"（agent/core.py:202 起）：

# agent/core.py:202
max_execution_time: int | None = Field(default=None, ...)  # 单个任务最长执行秒数（超时报错）
use_system_prompt: bool | None = Field(default=True, ...)  # 是否用 system 角色下 prompt
llm: ... = Field(default=None, ...)                        # ★大脑：可传字符串或 LLM 对象
respect_context_window: bool = Field(default=..., ...)     # 自动裁剪以适配上下文窗口
max_retry_limit: int = Field(default=..., ...)             # 出错重试次数上限
multimodal: bool = Field(default=..., ...)                 # 是否多模态（能看图等）
planning: bool = Field(default=..., ...)                   # 执行前先做规划
reasoning: bool = Field(default=..., ...)                  # ★启用"先推理再动手"
max_reasoning_attempts: int | None = Field(default=None,..)# 推理尝试上限
inject_date: bool = Field(default=..., ...)                # 自动把当前日期注入 prompt

字段里有一个特别的成员：agent_executor（agent/core.py:333）。它不是配置，而是真正执行任务的引擎对象。Agent 自己不直接跟模型对话，而是委托给它。

# agent/core.py:333
agent_executor: CrewAgentExecutor | AgentExecutor | None = Field(
    default=None, description="An instance of the CrewAgentExecutor class.")

# agent/core.py:1028 —— 用之前先"装配"好这个引擎
def create_agent_executor(self, tools=None, task=None) -> None:
    raw_tools = tools or self.tools or []
    parsed_tools = parse_tools(raw_tools)
    prompt, stop_words, rpm_limit_fn = self._build_execution_prompt(raw_tools)  # ★用三件套等拼 prompt
    if self.agent_executor is not None:
        self._update_executor_parameters(...)      # 已有就更新参数
    else:
        if not isinstance(self.llm, BaseLLM):
            raise RuntimeError("LLM must be resolved before creating agent executor.")
        self.agent_executor = self.executor_class(
            llm=self.llm, task=task, agent=self, crew=self.crew, tools=parsed_tools, ...)