1. Agent 核心实现 - Agent Loop
Agent 和 Chat 的区别
| 维度 | Chat | Agent |
|---|---|---|
| 交互模式 | 问答，用户驱动 | 自主，目标驱动 |
| 能力边界 | 生成文本、图片、视频等 | 可以通过调用工具，影响真实世界 |
| 执行流程 | 用户提问 → 模型回答 | 用户下达任务 → 思考 → 调用工具 → 观察 → 思考 → … → 返回答案 |
| 状态管理 | 每轮对话独立 | 维护完整的消息历史，包含工具调用与返回结果 |
| 自主性 | 无 | 模型自主决定“下一步”，“使用什么工具”，“何时停止” |
Agent 核心架构
1. LLM 客户端初始化
2. 工具定义（Tool Shcema）
3. 工具实现（Tool Functions）
4. Agent 循环（Core Loop）Agent 循环的执行顺序
具体举例：
- 用户输入“统计当前文件夹文件数，新建并写入到count.txt”
- [第一轮循环]发送给 LLM，LLM返回的不是普通文本，而是一个tool_call，请求调用工具
- 收到 LLM 的工具调用请求，本地调用工具
- 追加调用的结果到 messages
- [第二轮循环] 发送给LLM，LLM收到了调用的文件数结果，决定写入文件，返回一个tool_call
- 收到 LLM 的工具调用请求，本地调用工具
- 追加调用的结果到 messages
- [第三轮循环] 发送给LLM，LLM收到调用结果是成功，判断任务完成，返回纯文本
- 退出循环，用户收到LLM的创建成功的消息
import { OpenAI } from "openai";
import { ChatCompletionMessage } from "openai/resources/index";
import { tools, toolsMap } from "./tools";
type ChatMessage = OpenAI.Chat.Completions.ChatCompletionMessageParam;
/**
* 调用 LLM
* @param messages
* @returns
*/
async function callLLM(
messages: ChatMessage[],
): Promise<ChatCompletionMessage> {
const config = new Config();
const { apiKey, baseURL, model } = config;
if (!apiKey) {
console.error("Error: OPENAI_API_KEY environment variable is required");
process.exit(1);
}
const client = new OpenAI({
apiKey,
baseURL,
});
const resp = await client.chat.completions.create({
model,
messages,
tools,
});
return resp.choices[0]?.message;
}
/**
* 核心代码，实现AgentLoop，通过循环让大模型持续使用工具
* @param userInput
* @param maxIterations
* @returns
*/
async function agentLoop(userInput: string, maxIterations = 20) {
const messages: ChatMessage[] = [
{
role: "system",
content:
"You are a helpful assistant that can interact with the system using bash commands. Be concise and helpful.",
},
{
role: "user",
content: userInput,
},
];
for (let i = 0; i < maxIterations; i++) {
console.log(`\n[Iteration ${i + 1}/${maxIterations}]`);
const msg = await callLLM(messages);
messages.push(msg);
if (msg.content) {
console.log(`\nAssistant: ${msg.content}`);
}
if (msg?.tool_calls?.length) {
for (const toolCall of msg.tool_calls) {
if (toolCall.type === "function") {
const funcName: string = toolCall.function.name;
const args = JSON.parse(toolCall.function.arguments || "{}");
console.log(`\n[Tool Call] ${funcName}:`, args);
let toolOutput = "";
if (typeof toolsMap[funcName] === "function") {
toolOutput = await toolsMap[funcName](args.command);
console.log(`[Output]:\n${toolOutput}`);
} else {
toolOutput = `Unknown tool: ${funcName}`;
}
messages.push({
role: "tool",
tool_call_id: toolCall.id,
content: toolOutput,
});
}
}
} else {
// No more tool calls, we're done
break;
}
}
return messages;
}
async function main() {
console.log("starting");
const args = process.argv.slice(2);
const userInput =
args.length > 0 ? args.join(" ") : "List files in current directory";
console.log("=== Any-Agent-Nano ===");
console.log(`User: ${userInput}\n`);
await agentLoop(userInput);
}
main().catch(console.error);
export default main;
核心工具
- Bash: 理论上有了 Bash，LLM可以实现所有东西，但是 如果不指明方向，LLM会过度发散，比如让它编辑一个文件，它甚至会使用 Python 来编辑。
- Read: 读取文件，是 LLM 开始编程的基石
- Write: 写入文件，读取 + 写入，就可以实现一个 code agent 原型了，但是当文件内容比较多的时候，覆盖写入会导致上下文过长
- Update/Edit: 编辑文件，部分写入可以优先减少上下文的长度，配合Diff，就可以实现新旧版本对比
设计理解
- 为什么设置 maxIterations？ 这是一个安全阈值，防止LLM陷入死循环，确保程序最终能够停下来，在生产环境中，这个值通常更大，而且会配置多种复杂的执行条件。
- LLM 如何做出决定调用工具的？
LLM并没有执行代码或者调用函数，实际上是我们传入了
tools参数，LLM阅读了tools参数后，在适当的时候输出一段JSON，描述自己想要调用哪个函数，传入什么参数。我们收到这段JSON后，在本地执行真正的函数，再把结果返回给LLM。LLM是“大脑”，负责思考，tools和对应但函数是手脚，负责执行。
从实现核心，看 Agent 到底是什么？
从实现核心我们可以看出 Agent 的三个本质要素：
- 感知 - 通过工具获取外部信息
- 决策 - LLM 根据用户输入和已有的工具信息，决定下一步决策
- 行动 - LLM 通过工具调用，影响外部环境
无论是OpenClaw、Claude Code 还是 OpenCode都遵循这个范式。当 OpenClaw 在创建定时任务、网页搜索、修改本地文件的时候，背后就是这样的 Agent Loop 在驱动。