从0到0.1一个简易Agent的诞生

1. 开篇：我为什么想做一个简易 Agent

• 我想验证什么？
  我想真正弄清楚：AI 模型是如何调用工具，又是如何接收并利用工具执行结果。相比只停留在概念层面，我更想亲手把这条调用链路跑通，把它背后的实现步骤看清楚。

• 我为什么不想一开始就上复杂框架？
  因为欲速则不达。我的目标不是为了重复造轮子，而是想通过“造轮子”这个过程，真正理解 Agent 是怎么运作的。与其一上来就依赖复杂框架，不如先从最简单的部分做起，再逐步把能力扩展开。

• 我心里对“简易 Agent”的定义是什么？
  在当前这个阶段，我给“简易 Agent”的定义很朴素：一个支持多轮问答，并且能够执行 bash 命令行工具的 Demo。

2026 年初，我开始频繁接触到 Agent 这个词。虽然以前也接触过不少 AI 相关概念，但大多停留在“一知半解”的状态。借着这次机会，我希望把原本只是“知道”的东西，变成自己真正能够理解的知识。

我之所以选择从 Agent 入手，也是因为自己对 AI 的整体认知一直有些模糊。AI 模型、DeepSeek、千问、豆包、元宝、Agent、OpenClaw、Claude Code……这些概念经常一起出现，但它们之间到底是什么关系、各自解决什么问题，我其实并没有真正理清楚。

后来在自己动手搭了一个 OpenClaw 之后，我对 AI 的理解和能力被再次刷新了。以前我理解的 AI，更像是“你问它答”的一问一答；而现在我看到的 AI，则更像是“你说，它做”，能够一步一步地完成任务。也正是从那时起，我心里开始冒出一个问题：OpenClaw 这样的 Agent，到底是怎么做到这些事情的？

带着这个问题，我先去梳理了一些基础概念，比如 LLM、训练与推理、量化、Agent 等等。

在我当前的理解里，Agent 是一种具备操作能力的 AI 程序。它连接 AI 模型，负责调用工具，再把工具的执行结果返回给模型，作为后续推理的依据。在一次会话中，模型可能会多次调用不同工具，汇总执行结果之后，再给用户一个最终回答。而 Agent，正是连接“模型推理”和“工具执行”的那层中介。

对这些基础概念有了初步理解之后，我开始进一步思考：我能不能自己实现一个类似 OpenClaw 的 Agent？
既然凡事都该从易到难，那边先用 Python 做一个简单的、多轮互动的 Agent Demo。

---

2. 简单的多轮互动的 Agent 包含哪些功能

做之前，先确定简单的多轮互动 Agent 包含哪些功能，一个最基础的 Agent 至少可以拆成三个部分：

• 第一部分：它首先是一个能够记住上下文的多轮对话程序
• 第二部分：它开始能够根据任务决定是否调用工具
• 第三部分：它会把工具执行结果重新纳入上下文，继续完成任务

把这三部分整合起来，这个 Agent 就可以理解为：

一个能够进行多轮对话、协助 AI 模型调用工具，并将工具执行结果返回给模型继续处理的程序。

这一定义不复杂，但足够支撑我做出一个最小可运行的 Demo。先把这三个部分想清楚，比急着追求更复杂的能力更重要。

---

3. 简易 Agent 的基本框架

从用户输入开始，到调用 AI 模型 API，再到工具参与、返回结果，最后生成结论，这整个过程可以看作一次完整对话。
而当这个过程能够持续循环、反复进行时，就构成了 Agent 的基本框架。

换句话说，Agent 本质上就是一个能够维持对话、调用工具、再把结果接回对话中的循环程序。因此先关注两个最基础的问题：

• AI 模型 API 调用
• 用户输入文本与 AI 模型调用工具的执行和结果反馈

---

4. 实现 Agent Demo 代码

Demo 的实现代码：

import os
import logging
import subprocess
import json

from openai import OpenAI
from dotenv import load_dotenv

logger = logging.getLogger(__name__)
logging.basicConfig(
        level=logging.INFO,
        format="%(asctime)s | %(levelname)s | %(name)s | %(message)s",
        force=True,
    )


load_dotenv(override=True)

DEEPSEEK_BASE_URL = os.environ.get('DEEPSEEK_BASE_URL', 'https://api.deepseek.com')
DEEPSEEK_API_KEY = os.environ.get('DEEPSEEK_API_KEY', 'YOUR_API_KEY')
DEFAULT_MODEL = os.environ.get('DEFAULT_MODEL', 'deepseek-v4-flash')

MODELS = [
    'deepseek-v4-flash',
    'deepseek-v4-pro'
]

TOOLS = [
    {
        "type": "function",
        "function": {
            "name": "powershell",
            "description": "Windows PowerShell Command",
            "parameters": {
                "type": "object",
                "properties": {
                    "command": {
                        "type": "string",
                        "description": "可在Windows 10环境中运行的命令"
                    }
                },
                "required": ["command"]
            }
        }
    }
]

client = OpenAI(
        api_key = DEEPSEEK_API_KEY,
        base_url = DEEPSEEK_BASE_URL
    )

def run_powershell(arg: str) -> str:
    result = subprocess.run(["powershell", "-Command", arg], capture_output=True, text=True)
    return result.stdout

def llm_session(messages, model=DEFAULT_MODEL):
    
    response = client.chat.completions.create(
        model=model,
        messages=messages,
        tools=TOOLS,
        stream=False
    )
    return response.choices[0].message

# 退出指令判断
def exit_check(s):
    if s == '/exit':
        return True
    if s == '/quit':
        return True
    
    return False

system_prompt = "你是一个AI助手，用户程序运行在Windows 10环境，对话保持简洁，禁止“好的”之类无用的词语。"
messages = []
def main():
    user_input = input("你 > ")
    messages.append({"role": "system", "content": system_prompt})
    messages.append({"role": "user", "content": user_input})

    while(exit_check(user_input) == False):
        message = llm_session(messages)
        messages.append(message)
        logger.debug(message)

        # 检查AI是否调用工具及限制AI单次对话中调用工具次数
        if message.tool_calls is not None:
            tool = message.tool_calls[0]
            logger.debug(tool)
            func_args = tool.function.arguments
            exec_command = json.loads(func_args)["command"]
            tool_result = run_powershell(exec_command)
            print("tool > " + tool_result)
            messages.append({"role": "tool", "tool_call_id": tool.id, "content": tool_result})
        else:
            print("AI > " + message.content)
            user_input = input("你 > ")
            messages.append({"role": "user", "content": user_input})

if __name__ == "__main__":
    main()

运行程序后的效果如下：

你 > 今天星期几
tool > Saturday
AI > 今天是星期六。
你 > 是什么日期？
tool > 2026年5月9日
AI > 2026年5月9日。
你 > 明天是什么时候？
tool > 2026年5月10日
AI > 明天是2026年5月10日，星期日。
你 > 星期日是什么日子？
tool > 5月第一个星期日: 2026-05-03
      5月第二个星期日: 2026-05-10
      是母亲节
AI > 是**母亲节**（5月第二个星期日）。
你 > 母亲节是中国的传统节日吗？
AI > 不是。母亲节起源于美国，20世纪80年代才传入中国，属于**西方舶来节日**，并非中国传统节日。
      中国的传统节日如春节、清明节、端午节、中秋节、重阳节等，才是本土文化传承。

从这个 Demo 可以看到 AI模型能够在对话中调用工具，并基于工具结果继续回答，整个程序的行为就已经和普通的一问一答不一样了。

---

5. 对 Agent 的理解

完成这个 Agent Demo 之后，我对 Agent 又多了一层更具体的理解。如果用一个更直观的比喻来描述：

• AI 模型更像是大脑
• Agent为 AI 提供了行动的躯体
• 工具则像是 Agent 伸向外部世界的触角

模型负责理解、判断和生成；Agent 负责衔接流程、组织上下文、调用工具；而工具的丰富程度和可用程度，则直接决定了 Agent 能做多复杂的事。

也正因为如此，我对 Agent 的认识：Agent 的能力边界，本质上不是由“会不会聊天”决定的，而是由它能不能稳定地连接模型、调用工具并处理结果决定的。

---

6. 遇到的问题

在实现过程中，我最先遇到的一个问题是：如果不限制 AI 调用工具的次数，就可能出现 AI 反复调用工具、甚至陷入循环的问题。
因此，在工具调用这一步，必须增加一个最大调用次数的判断，用来避免程序失控。

第二个问题是：工具执行过程中的报错和异常，如果不处理，会直接导致 Agent 意外中断。
而且一旦 Agent 中断退出，AI 模型也拿不到工具执行失败时的错误信息，自然也就无法根据报错内容自行修正下一次调用参数。

所以这个 Demo 后续还需要补充下面几项能力：

• 收集工具执行时的错误输出（stderr）
• 捕获并处理工具调用过程中的异常
• 尽量保证 Agent 在工具失败时依然能够继续运行，而不是直接退出

说到底，Agent 的关键不只是“能不能调用工具”，还包括调用失败之后，系统能不能继续运行。 这背后体现的，其实就是程序的健壮性。

---

附：参考资料

• Learn Claude Code：https://learn.shareai.run/zh/
• DeepSeek API 文档：https://api-docs.deepseek.com/zh-cn/guides/tool_calls