不用任何框架，从零手写一个 AI Agent

什么是 Agent？跟普通 AI 有什么区别？

普通 AI：你问 → 它答，一问一答。

Agent：你给任务 → 它自己决定用什么工具 → 执行 → 看结果 → 不满意再调 → 直到完成任务。

普通AI:"1+1等于几" → "2"Agent: "帮我算 (15*8+200)/4" → 调计算器 → 拿结果 → "等于80"

Agent 的本质：一个 while 循环

Agent 的代码结构简单到离谱——你 Week 1 就写过：

# Week 1 的聊天机器人while True:user_input = input("你: ")reply = api.call(user_input)print(f"AI: {reply}")# Week 4 的 Agentwhile not done:response = api.call(messages, tools=[计算器, 读文件, Python沙箱...])if response wants to use tool:result = run_tool(response.tool_name, response.args)messages.append(result) # 把工具结果告诉 AIelse:print(response.content) # AI 给出最终答案done = True

多出来的只是"判断要不要调工具"这一步。

完整代码（150行核心逻辑）

import jsonfrom openai import OpenAItools = [{"type": "function","function": {"name": "calculator","description": "计算数学表达式","parameters": {"type": "object","properties": {"expression": {"type": "string"}},"required": ["expression"]}}}]def run_agent(client, task, max_iterations=8):messages = [{"role": "system", "content": "你是一个Agent，可以用工具完成任务。"},{"role": "user", "content": task}]for i in range(max_iterations):response = client.chat.completions.create(model="deepseek-chat",messages=messages,tools=tools,# ← 关键：告诉 AI 有哪些工具stream=False)msg = response.choices[0].messageif msg.tool_calls:# AI 决定调工具messages.append(msg)for tc in msg.tool_calls:args = json.loads(tc.function.arguments)result = eval(args["expression"])# 执行工具messages.append({"role": "tool","tool_call_id": tc.id,"content": str(result)})continue # 回到循环开头，让 AI 看结果return msg.content # AI 直接回答了return "达到最大循环次数"

这就是 Agent 的全部秘密——没有黑魔法，没有复杂框架。

我做了哪些工具

多工具组合才见真章

Agent 真正厉害的不是单次工具调用，而是一次任务多次决策：

用户："先看看项目目录有什么文件，读最大的那个，然后总结"→ Agent: list_files → 发现 plan.md 最大→ Agent: read_file("plan.md") → 获取内容→ Agent: 输出总结（全程自己决策，没问我"要读哪个文件"）

关键要点

1. Tool Calling 是 API 原生能力——DeepSeek/OpenAI 都支持，不需要框架
2. 非流式获取 tool_calls——工具调用时不能用 stream=True
3. 温度设低点——Agent 决策要确定性，0.1-0.3 最合适
4. 安全沙箱——Python 执行工具必须隔离，我用 AST 检查 + 黑名单

项目地址

GitHub：github.com/Speed-Fanta…

完整代码在 week04/ + week06/（Agent 升级版，加了文档检索）。

下一篇：Python 新手如何用 AI 辅助两个月做出 6 个项目