1. 引言：不追框架，先懂思想

AI Agent（智能体）是近两年大模型应用领域最热的关键词之一。但很多入门教程一上来就甩出 LangChain、AutoGPT、AgentScope 等重量级框架，学习曲线陡峭，反而让人看不清 Agent 的本质。

这篇文章想做的，是剥掉框架的外壳，用几十行纯 Python 代码讲清楚 Agent 的核心思想：大模型不只是"说话"，而是会思考、决策、调用工具，最后形成完整闭环。

读完你会发现，Agent 并没有那么神秘——它本质上就是"大模型 + 工具调用 + 循环反馈"的组合拳。

2. Agent 的核心思想：思考、决策、调用工具

2.1 普通大模型在做什么

当我们用 ChatGPT 这类产品提问时，对话流程大致是：

• 用户输入问题
• 大模型基于训练数据和上下文直接生成回答
• 返回结果

这个过程本质上是一个单次推理：模型只能"凭记忆"回答。遇到需要实时数据、私有数据或执行具体操作的任务时，它就会捉襟见肘。

2.2 Agent 增加了什么

Agent 在"大模型"外面包了一层行动能力。它的核心循环可以拆成三个环节：

1. 思考（Reason）：大模型理解用户意图，判断"这个问题我能不能直接回答？"
2. 决策（Decide）：如果不能直接回答，它决定"我需要调用哪个工具、传什么参数"
3. 调用工具（Act）：执行工具获取外部信息或完成操作，然后把结果反馈给大模型，由它整合生成最终回复

这个闭环可以反复进行，直到大模型认为信息足够、可以给出最终答案为止。

下面是 Agent 的完整工作流程图：

图中的关键在闭环：工具结果会再次进入大模型，形成"思考 → 调用 → 反馈 → 再思考"的循环，而不是一次就结束。

3. Agent 与普通对话机器人的区别

理解二者差异，是入门 Agent 的关键一步。下面这张对比图可以帮你快速建立认知：

具体差异可以归纳为三点：

对比维度	普通对话机器人	AI Agent
信息范围	仅凭模型参数记忆	可访问实时数据、私有系统
执行能力	只能"说"，不能"做"	可调用 API、查库、操作文件
推理模式	单次推理直接输出	多轮循环，直到任务完成

一句话总结：对话机器人是"只会说"，Agent 是"既会想，也会做"。

4. 极简 Demo：用 Python 实现工具调用智能体

下面我们动手写一个最小可运行的 Agent。它不依赖任何 Agent 框架，只用 requests 直接调用 OpenAI 兼容接口，核心逻辑不到 60 行。

4.1 整体设计

我们的 Agent 只有一个工具：get_weather（查天气）。场景是：

• 用户问"北京今天天气怎么样？"
• 大模型发现自己不知道实时天气，于是决定调用 get_weather 工具
• 工具返回结果后，大模型整合信息，生成自然语言回复

4.2 完整代码

import json
import requests
from typing import Optional

# ========== 配置区 ==========
API_URL = "https://api.openai.com/v1/chat/completions"
API_KEY = "你的-API-Key"
MODEL = "gpt-4o-mini"  # 或任何支持 function calling 的模型

# ========== 定义工具 ==========
# 工具列表会直接告诉大模型："我有这些能力，你可以按需调用"
TOOLS = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "获取指定城市的实时天气信息",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "城市名称，例如：北京"
                    }
                },
                "required": ["city"]
            }
        }
    }
]


def get_weather(city: str) -> str:
    """本地工具函数：模拟天气查询（实际场景可替换为真实 API）"""
    fake_db = {
        "北京": "晴，25°C，空气质量优",
        "上海": "多云，28°C，东南风 3 级",
        "广州": "雷阵雨，30°C，湿度较大",
    }
    return fake_db.get(city, "晴转多云，23°C")


def call_llm(messages: list[dict], tools: Optional[list] = None) -> dict:
    """调用大模型，messages 为对话历史，tools 为可选工具列表"""
    headers = {
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json",
    }
    payload = {
        "model": MODEL,
        "messages": messages,
    }
    if tools:
        payload["tools"] = tools
        payload["tool_choice"] = "auto"  # 让模型自己决定是否调用工具

    resp = requests.post(API_URL, headers=headers, json=payload, timeout=60)
    resp.raise_for_status()
    return resp.json()


def run_agent(user_question: str) -> str:
    """
    Agent 主循环：
    1. 大模型思考用户问题
    2. 大模型决策：是否调用工具
    3. 若调用，执行工具并把结果反馈给大模型
    4. 大模型基于工具结果生成最终回复
    """
    messages = [{"role": "user", "content": user_question}]

    # ---- 第一轮：让大模型思考并决策 ----
    response = call_llm(messages, tools=TOOLS)
    message = response["choices"][0]["message"]

    # 如果大模型决定调用工具
    if message.get("tool_calls"):
        # 把大模型的工具调用请求追加到对话历史
        messages.append(message)

        for tool_call in message["tool_calls"]:
            func_name = tool_call["function"]["name"]
            args = json.loads(tool_call["function"]["arguments"])

            # 执行对应的本地工具
            if func_name == "get_weather":
                result = get_weather(args["city"])
            else:
                result = f"未知工具：{func_name}"

            # 把工具执行结果反馈给大模型
            messages.append({
                "role": "tool",
                "tool_call_id": tool_call["id"],
                "content": result,
            })

        # ---- 第二轮：大模型基于工具结果生成最终回复 ----
        response = call_llm(messages)
        return response["choices"][0]["message"]["content"]

    # 不需要工具时，直接返回第一轮的回答
    return message["content"]


if __name__ == "__main__":
    # 测试 1：需要调用工具的问题
    print("Q: 北京今天天气怎么样？")
    print("A:", run_agent("北京今天天气怎么样？"))
    print("-" * 50)

    # 测试 2：不需要工具的问题
    print("Q: 用一句话解释什么是人工智能？")
    print("A:", run_agent("用一句话解释什么是人工智能？"))

4.3 代码解读：三个关键点

第一，工具以结构化方式"声明"给大模型。 TOOLS 列表用 JSON Schema 描述了工具名称、用途和参数，大模型就是通过这份描述来理解"我什么时候该调它、传什么参数"。

第二，tool_choice 设为 "auto"。 这表示把决策权交给模型：它自己判断要不要调工具。这正是 Agent "决策"能力的体现。

第三，工具结果必须"喂回去"。 很多初学者容易漏掉这一步——调完工具就结束了。实际上，工具返回的结果要作为一条 role: "tool" 的消息追加回对话历史，再让大模型进行第二轮推理，它才能把"北京 25°C"这种原始数据转化为"北京今天晴朗，气温 25°C，适合出门"这样的自然语言回复。

4.4 运行效果预期

第一个问题会触发工具调用，Agent 返回类似：

北京今天天气晴朗，气温 25°C，空气质量优，适合户外活动。

第二个问题不需要工具，Agent 直接回答：

人工智能是让计算机系统模拟人类智能、完成学习与推理任务的技术。

5. 当前轻量 Agent 的局限性

这个 Demo 足够轻量、易理解，但它也诚实地暴露了轻量 Agent 的边界。了解这些局限，才能在实际项目中做出合理的技术选型。

5.1 单轮调用为主，难以处理复杂任务

我们的实现中，工具调用只走了一个循环。真实场景里，一个任务往往需要多轮、多工具协作，比如"先查用户信息 → 再查订单 → 最后生成报告"。这需要引入更复杂的状态管理和任务规划能力。

5.2 缺少记忆与上下文管理

Demo 没有持久化记忆。每次运行 run_agent 都是全新的对话。要让 Agent 记住"用户偏好、历史对话"，需要额外的存储和检索方案。

5.3 没有错误处理与重试机制

工具执行失败、返回异常、参数错误等情况，Demo 都未处理。生产级 Agent 需要设计兜底策略：工具失败时要不要重试？要不要降级为"直接回答"？

5.4 安全性几乎为零

让大模型自由调用工具存在风险：它可能调用不该调用的接口、泄露敏感数据。真实系统必须加权限控制（白名单、鉴权）和人工确认环节。

5.5 没有并行与性能优化

当需要调用多个独立工具时，轻量实现是串行执行的。高效率 Agent 会考虑并行调用、结果聚合等优化手段。

小结：轻量 Agent 的价值在于帮助理解原理、快速验证想法。当需求变得复杂时，再引入成熟框架去解决工程化问题，是更务实的路径。

6. 总结

Agent 的核心并不神秘，本质上是一个循环：

思考 → 决策 → 调用工具 → 反馈 → 再思考

用几十行 Python 就能把这个闭环跑通。相比普通对话机器人，Agent 的核心突破在于获得了"行动"的能力——它不再只是回答问题，而是能够获取外部信息、操作真实系统。

建议你亲自动手把这套代码跑起来，然后试着扩展一个新工具（比如查股票、查快递），你会发现：所谓 Agent，不过是把大模型的"嘴"，接上了真实世界的"手"。