自己实现一个最小 AI Agent 循环
可以得到什么
一个能"读取任务 → 决定调用工具 → 获得结果 → 继续推理"的最简 Agent，作为后续扩展工具、上下文、计划、子 Agent 等机制的基础循环。
适合哪些情况
- 想理解 Claude Code 类工具内部从零开始如何拼装。
- 在教学或原型场景下，希望先跑通"模型 + 工具调用"最小闭环。
- 为团队后续搭建 Agent 平台做底层演示。
需要准备什么
- Python 运行环境。
- Anthropic API Key 或同类模型 API。
- 终端基础知识与可运行 Python 文件结构。
常见做法
- 编写一个循环：从消息历史构造请求 → 调用模型 → 检查返回是否包含工具调用 → 执行工具 → 把结果追加回历史 → 再次调用模型，直至模型不再请求工具。
- 每一步只打印关键状态（消息、工具名、工具结果），便于观察循环过程。
- 在确认最简循环稳定后再加入新机制。
真实案例与教程
限制和检查点
- 最简循环仅含模型与工具调用，未覆盖权限、审计、恢复、错误隔离等治理能力。
- 不能据此推断 Claude Code 内部源码。
- API 费用随循环次数增加，注意控制调用深度。
相关任务
来源