Agent系统学习日志-2

不论是 Claude、OpenAI、Gemini 还是 Doubao，在 Agent 的基本工作方式上其实非常相似。模型调用、上下文数据格式以及 Tool 的引用方式虽然在具体 SDK 上有所差异，但整体流程基本一致：

每次调用 LLM 时，都需要提供当前的上下文（Context）以及模型当前可以使用的工具（Tools）。

例如：

tools_schema = [
    {
        "type": "function",
        "name": "get_weather",
        "description": "获取指定城市的实时天气信息",
        "parameters": {
            "type": "object",
            "properties": {
                "location": {
                    "type": "string",
                    "description": "城市名称，例如：北京、上海"
                }
            },
            "required": ["location"]
        }
    }
]

response = client.responses.create(
    model="deepseek-v4-flash",
    instructions="你是一个对话机器人",
    input=messages,          # 包含历史上下文的消息列表
    tools=tools_schema,      # 当前可调用的工具列表
    stream=False,
    extra_body={
        "reasoning": {"effort": "none"},
    }
)

当模型判断需要调用某个工具时，并不会直接执行工具，而是在响应中返回一个 type="function_call" 的项。

服务端接收到这个 function_call 后，需要完成以下几步：

1. 将模型返回的 Tool Call 加入上下文；
2. 根据模型提供的函数名和参数，实际执行对应的工具；
3. 将工具执行结果再次加入上下文；
4. 把更新后的上下文重新发送给 LLM。

例如：

# 处理工具调用
tool_calls = [
    item for item in response.output
    if item.type == "function_call"
]

if tool_calls:
    # 将模型的 tool call 加入上下文
    messages.extend(response.output)

    # 执行所有 tool call
    for tool_call in tool_calls:
        func_name = tool_call.name
        func_args = json.loads(tool_call.arguments)

        print(
            f"[info] 模型决定调用工具: "
            f"{func_name}，参数: {func_args}"
        )

        result = None

        if func_name == "get_weather":
            result = get_weather(
                location=func_args.get("location")
            )

        print(
            f"[info] 工具 {func_name} 运行结果: "
            f"{json.loads(result)}"
        )

        # 将工具执行结果加入上下文
        messages.append({
            "type": "function_call_output",
            "call_id": tool_call.call_id,
            "output": str(result)
        })

    # 将更新后的 messages 再次发送给 LLM
    # ...

模型拿到工具返回的结果后，会基于新的上下文继续进行推理：

• 如果还需要更多信息，就继续调用工具；
• 如果已经获得足够的信息，就生成最终回答。

因此，Agent 的核心其实就是这样一个不断迭代的循环：

LLM → Tool Call → Tool Execution → Tool Result → LLM → …

从更经典的 Agent 视角来看，这对应 ReAct 论文中所描述的：

Thought → Action → Observation → Thought → …

也就是说，所谓的 Agent Loop，本质上就是让模型在推理、行动、观察结果之间不断循环，直到模型认为当前任务已经完成。