Agent开发：从“聊天”到“动手执行”的进化

如果说大模型是那颗聪明但“四肢不勤”的大脑，那么AI Agent（智能体）就是给它装上了手脚和工具——让AI不仅能“想”，更能“做”。

传统大模型只能被动回答你提出的问题，而Agent可以主动思考：“为了实现用户的目标，我需要调用什么工具？” 它能够搜索实时天气、查询数据库、发送邮件，甚至编写并运行代码来解决问题。

这篇文章，我将带你拆解Agent的核心运行机制，并用不到15行核心代码，从零手写一个能调用工具的简易Agent。

一、Agent的核心“三件套”与ReAct框架

一个标准的Agent必须包含三个组件：

1. 规划（Planning）：将复杂任务拆解成子目标（比如“预订餐厅”拆解为“搜索电话→拨号→确认时间”）。
2. 工具（Tools）：连接外部世界的“手脚”，如搜索引擎、计算器、API接口。
3. 记忆（Memory）：记录思考轨迹和工具返回的结果，以便进行下一步推理。

当前最主流的Agent工作范式叫 ReAct（Reason + Act） ，即推理与行动交替进行。它不是一个死板的流程，而是一个循环：

思考(Thought) → 行动(Action) → 观察(Observation) → 思考(Thought) → 行动(Action) → ... → 完成(Final Answer)

二、极简代码实战：15行实现一个“天气查询Agent”

下面的代码使用OpenAI API（兼容DeepSeek/通义千问）和内置的函数调用（Function Calling）能力。这是业界最稳定、最标准的Agent实现方式，无需引入繁杂的三方框架。

import openai, json

client = openai.OpenAI(api_key="你的密钥")

# 1. 定义一个工具（模拟查天气）
def query_weather(city: str) -> str:
    return f"🌡️ {city}当前晴转多云，气温24℃，湿度65%，空气质量良好。"

# 2. 准备Agent的大脑(LLM)和工具箱
tools = [{"type": "function", "function": {"name": "query_weather", "parameters": {"type": "object", "properties": {"city": {"type": "string"}}}}}]
messages = [{"role": "user", "content": "明天香港会下雨吗？我需要决定是否带伞。"}]

# 3. Agent自主循环（核心逻辑仅10行）
while True:
    resp = client.chat.completions.create(model="gpt-4o", messages=messages, tools=tools)
    msg = resp.choices[0].message
    messages.append(msg)  # 记下AI的思考

    if not msg.tool_calls:  # AI认为任务已完成，无需再调用工具
        print("🤖 最终回答:", msg.content)
        break

    # 执行AI指定的工具
    for tool_call in msg.tool_calls:
        args = json.loads(tool_call.function.arguments)
        result = query_weather(args["city"])  # 这里执行真实工具
        messages.append({"role": "tool", "tool_call_id": tool_call.id, "content": result})
        print(f"🔧 正在查询: {args['city']} -> {result}")

运行逻辑拆解：

• 第1轮：Agent发现需要查天气，立即返回tool_calls参数。
• 本地代码执行工具，拿回真实数据。
• 第2轮：Agent拿到天气数据，发现“晴转多云”意味着明天下雨概率低，于是生成最终人性化回复给用户。

三、Agent开发中最棘手的三大“暗坑”

当你开始编写更复杂的Agent时，以下问题几乎必然遇到：

1. 陷入死循环（Infinite Loop）：Agent反复调用同一个工具，始终无法得出结论。对策：在系统提示词中加入“最多尝试3次，如果还无法解决请直接告诉用户无法完成”。
2. 工具参数解析错误：大模型输出的JSON不符合格式，导致代码崩溃。对策：增加try-except捕捉JSON解析异常，并给模型返回“参数格式错误，请重新输出有效的JSON”。
3. 上下文超长（Context Overflow）：每次循环都要把历史记录全部塞给大模型，几轮对话后Token就爆了。对策：只保留最近的3轮“思考-行动”记录，旧记录做压缩摘要。

四、代码进阶：无需API密钥的本地Agent（Ollama版）

如果你不想依赖云端API，完全可以在本地运行开源Agent。下面的代码使用ollama库和纯文本解析（因为本地模型不一定支持Function Calling）。

import ollama, re

def search_web(query): return f"搜索结果显示：{query}的相关新闻暂无最新更新。"

prompt = """你是Agent，你拥有工具: search_web(query)。用户问: 今天有什么大新闻？
请严格按格式输出：
行动: search_web("科技新闻")
"""
response = ollama.chat(model='qwen2.5:7b', messages=[{"role": "user", "content": prompt}])
action_match = re.search(r'行动: (\w+)\((.*?)\)', response['message']['content'])
if action_match:
    tool_name, arg = action_match.groups()
    result = search_web(eval(arg))  # 安全起见，实际应用请用ast.literal_eval
    print(f"观察结果: {result}")

尽管这种基于正则解析的方式不如官方函数调用稳定，但它让你直观地理解了Agent最底层的“字符串反应堆”原理。

五、写在最后：Agent是通往通用人工智能（AGI）的关键阶梯

如果说预训练大模型是“读过万卷书”，那么Agent开发就是要让AI“行万里路”。

未来的软件形态，将是数以万计的Agent协作——一个负责写代码、一个负责测试、一个负责部署，它们通过标准协议（如MCP）互相通信。你现在所写的这十几行Agent循环代码，其实就是未来“数字员工”的操作系统内核。

💡 开发者建议：不要迷信复杂的Agent框架（如AutoGen或LangGraph），新手入门请先用原生API手写ReAct循环。只有当你能精准控制每一次“思考-行动”的流转，你才真正掌握了Agent开发的灵魂。

现在，复制上面那段十几行的代码，换个真实的API密钥（或换成本地Ollama），试着自己命令AI去查询明天的天气、计算房贷月供，或者搜索最新的科技资讯吧。你会发现，AI的世界大门，正在从“聊天室”通往“现实世界”。🌍