当前位置：首页 > news >正文

从零开始！用Python打造你的第一个Agent，小白也能轻松收藏学习大模型原理

news 2026/7/1 15:05:51

很多人第一次接触 Agent，是从 LangChain、CrewAI、AutoGen 开始。框架文档里 Chain、Tool、Memory、Planner 一堆抽象，很容易让人觉得：Agent 很复杂，必须先学框架。

其实把框架剥开，底层逻辑就三件事：LLM 负责思考，工具负责行动，循环负责持续推进。

即：Agent = LLM + Tools + Loop。

理解这个公式，比背任何框架 API 都重要。框架会变，机制不会。下面用最小 Python Agent 把循环跑起来。

1. Agent 到底是什么？

普通 LLM 调用是一次性的：用户提问，模型回答，结束。Agent 多了”行动循环”：

LLM 读取用户问题和当前状态；
LLM 判断是否需要工具；
如果需要，程序执行工具并把结果返回给 LLM；
LLM 基于新结果继续判断；
直到模型认为任务完成，输出最终答案。

这个模式常称ReAct：Reasoning + Acting。先推理，再行动，再观察结果，继续推理。

图1：Agent 循环流程图——用户输入进入 LLM，LLM 要么直接回答，要么调用工具；工具结果回传 LLM 继续思考，直到输出最终答案

什么时候需要 Agent？任务需要”多步判断 + 外部动作”时，如查资料、算数、调接口、读文件。只做改写、摘要、分类，普通 LLM 调用就够。

2. 用 Python 写一个最小 Agent

示例用 Anthropic Claude API 的tool_use。OpenAI function calling 同一套思想：定义工具 → 模型选工具 → 程序执行 → 结果回传。

先安装依赖，通过环境变量设置 Key（不要写进代码）：

pip install anthropicexport ANTHROPIC_API_KEY="你的_API_Key"

2.1 定义工具

工具不是函数本身，而是给模型看的"能力说明书"：工具叫什么、能做什么、需要哪些参数。

import reimport anthropicclient = anthropic.Anthropic()tools = [{ "name": "calculator", "description": "计算简单数学表达式，只支持数字、加减乘除和括号。", "input_schema": { "type": "object", "properties": { "expression": { "type": "string", "description": "数学表达式，例如 123 * 456 + 789" } }, "required": ["expression"] }}]

工具描述越清楚，模型越容易选对。这里只放一个计算器，方便看懂完整链路。

2.2 执行工具

模型不会真的执行代码。它只提出”我要调 calculator，参数是 x”。真正执行的是你的 Python 程序。

def run_tool(name: str, args: dict) -> str: if name != "calculator": return"未知工具" expr = args["expression"] ifnot re.fullmatch(r"[0-9+\-*/(). ]+", expr): return"表达式包含不允许的字符" try: return str(eval(expr, {"__builtins__": {}}, {})) except Exception as e: returnf"计算失败：{e}"

这里用白名单限制字符。生产环境更建议用专门数学解析库，别让模型生成内容直接进入高权限执行环境。

2.3 写 Agent 循环

核心就是一个for循环：请求模型 → 检查工具调用 → 执行工具 → 结果塞回历史 → 再请求模型。

def agent(user_input: str, max_steps: int = 5) -> str: messages = [{"role": "user", "content": user_input}] for _ in range(max_steps): response = client.messages.create( model="claude-opus-4-8", max_tokens=1024, tools=tools, messages=messages, ) messages.append({"role": "assistant", "content": response.content}) if response.stop_reason != "tool_use": return"".join( block.text for block in response.content if block.type == "text" ) tool_results = [] for block in response.content: if block.type == "tool_use": result = run_tool(block.name, block.input) tool_results.append({ "type": "tool_result", "tool_use_id": block.id, "content": result, }) messages.append({"role": "user", "content": tool_results}) return"达到最大循环次数，Agent 停止。"print(agent("123 乘以 456 再加上 789 等于多少？"))

典型运行：用户提问 → LLM 判断需要计算器 → 生成工具调用calculator({"expression":"123*456+789"})→ Python 执行得56877→ 结果回传 LLM → LLM 输出自然语言答案。

图2：Agent 运行过程——LLM 思考"需要计算器"→ 调用 calculator → 工具返回 56787 → LLM 组织最终回答

注意：图中示例数值用于展示流程；如果你换表达式，结果以程序实际计算为准。

什么时候用这个最小版？学原理、验证工具调用、做内部小工具。还不适合直接上生产——缺权限控制、日志、重试、上下文管理和人工确认。

3. 拆开看：Agent 的 4 个关键机制

机制一：工具定义

工具定义就是 LLM 的“工具菜单”。模型根据name、description和参数 schema 判断能不能用、该不该用、怎么传参。

坑点：工具描述太泛会导致误选。例如“处理数据”不如“计算数学表达式并返回结果”。工具越多，描述越要互斥。

什么时候用：只要模型需要访问外部世界——数据库、文件、接口、搜索、计算——就要定义工具。

机制二：模型决策

Agent 不是你硬编码“先调 A，再调 B”。LLM 会根据问题和工具列表自己决定下一步。这是 Agent 相比普通脚本最大的区别。

什么时候用：路径不固定时用 Agent；路径固定时用普通代码编排更稳定、更便宜。

机制三：工具执行

LLM 只负责“提出动作”，程序负责“执行动作”。这个边界很重要：工具权限、参数校验、失败处理，都应该在你控制的代码里完成。

什么时候用：永远如此。不要让模型直接执行任意 shell、SQL 或高权限 API。

机制四：循环终止

stop_reason == "tool_use"表示模型还想行动；否则说明它准备回答。除此之外，还要加max_steps，防止无限循环。

什么时候用：所有 Agent 都必须有循环上限。没有上限，成本和风险都会失控。

4. 从最小 Agent 到实用 Agent

最小版本能说明原理，但实用 Agent 至少要补三层能力。

图3：从最简 Agent 到实用 Agent 的演进——补循环上限、补错误回传、补上下文管理

第一，循环上限。用max_steps控制最多执行几轮，避免模型在“搜索—总结—再搜索”里打转。

第二，错误回传。工具失败时不要吞错误，要把错误作为tool_result返回给模型。模型看见“参数不合法”或“接口超时”，才有机会换策略。

第三，上下文管理。每轮工具调用都会让消息历史变长。短任务可以直接保留全部历史；长任务要做截断、摘要或外部记忆，否则 token 会爆。

什么时候升级？当 Agent 需要跑很多步、接多个工具、给多人使用，或者会触碰文件/数据库/生产系统时，就不能停留在教学版。

5. 要不要用框架？

方案	适合场景	优点	坑点
原生 API + 循环	学原理、简单工具	透明、好调试	基建要自己补
LangChain	快速原型、RAG	生态大	抽象多、版本变化快
CrewAI	多角色协作	任务组织清晰	简单任务容易过度设计
AutoGen	多 Agent 对话	适合研究协作模式	调试链路长