agent初步开发小结
新奇的agent一开始让人觉得是很高大上的东西，但其实了解和开发agent并不是太复杂。
一.agent的原理
agent的本质就是API+tools，API使得大模型可以在本地使用，但是也仅限于chatbot一样的聊天功能，让它去访问和修改本地是做不到的，相当于只有大脑没有手脚。
tools的本质是函数列表，函数可以做到读取和修改本地以及其他AI做不到的事，如果把API和tools结合，让大模型调用函数就能实现包括但不限于在电脑上干活，相当于大脑装上了手脚。
比如我这里把专门用于websearch的函数设置为tools,当回答和执行prompt需要进行上网搜索时，API就会调用它。
下图是agent的基本架构
二.如何写一个简单的agent
写agent的语言可以用python的Langchain框架，java，原生态的golang等，最主流最方便的就是Langchain框架(后续agent部署需要实现云原生的话，用go语言开发最佳)，从Langchain入手写一个简单的agent.
1)准备api并初始化大模型
langchain为大多数官方供应商都定制了框架，下面是常见的初始化大模型一条龙
**OpenAI **
这是目前生态支持最好的模型系列。
- 需要安装：
pip install langchain-openai - 环境变量：
OPENAI_API_KEY（也可以通过os.environ[“OPENAI_API_KEY”]临时设置）
Python
fromlangchain_openaiimportChatOpenAI llm=ChatOpenAI(model="gpt-4o",temperature=0,max_tokens=None,timeout=None,max_retries=2,)Google Gemini
适合处理超长文本和多模态任务。
- 需要安装：
pip install langchain-google-genai - 环境变量：
GOOGLE_API_KEY
Python
fromlangchain_google_genaiimportChatGoogleGenerativeAI llm=ChatGoogleGenerativeAI(model="gemini-1.5-pro",temperature=0,)**Anthropic **
目前在写代码和复杂逻辑推理上，Claude是公认的顶流。
- 需要安装：
pip install langchain-anthropic - 环境变量：
ANTHROPIC_API_KEY
Python
fromlangchain_anthropicimportChatAnthropic llm=ChatAnthropic(model="claude-3-5-sonnet-20241022",temperature=0)本地开源模型 (使用 Ollama)
如果条件不错，有自己的本地模型，搭配 Ollama 是最简单的方案。
- 需要安装：
pip install langchain-ollama - 前提条件：后台需要保持 Ollama 软件运行。
Python
fromlangchain_ollamaimportChatOllama llm=ChatOllama(model="llama3.1",# 需要先在终端运行过 ollama run llama3.1temperature=0,)OpenAI 兼容
每个供应商都有自己的框架，各自为政不太方便，最推荐的方式是OpenAI 兼容，把base_url填对就能指向供应商了，供应商也可以是中转站。
fromlangchain_openaiimportChatOpenAI llm=ChatOpenAI(model="模型ID",# 模型名称api_key="your-api-key",# 填入Keybase_url="base_url",#base_urltemperature=0)从用户使用的角度来讲，开发agent时用模型自框架用于初始化时用户直接对现有provider进行connect，用OpenAI 兼容则允许用户自定义provider。
2）写tools和定义tools
框架有常用的内置tools
fromlangchain_community.toolsimportDuckDuckGoSearchRun search_tool=DuckDuckGoSearchRun()#这个websearch的tool很有必要，由于训练的周期，许多大模型本身的弱项就是消息实时性tools本质是带上tool装饰器的函数，我们也可以自己写tool
@tooldefget_word_length(word:str)->int:"""返回一个单词的长度。当你需要计算单词字母数量时使用此工具。"""returnlen(word)和正常的函数区别是1.@tool装饰器2.带三引号的提示词，告诉模型什么时候需要调用这个tool
最后把tool组合起来定义tools
tools=[search_tool,get_word_length]3）初始化和简单使用agent
模型API和tools二要素具备，初始化agent，最后可以为agent补一个全局提示词
agent_executor=create_agent(model=llm,tools=tools,system_prompt="你是一个聪明的 AI 助手。请尽量使用工具来解答用户的问题。",)简单的使用agent
print("\n=== 测试 1：调用搜索工具 ===")# 返回一个字典，其中包含一个键 "messages"，其值是一个列表，列表中的每个元素都是一个元组，元组的第一个元素是消息的发送者（如 "user" 或 "agent"response1=agent_executor.invoke({"messages":[("user","科比·布莱恩特的名言是什么？")]})print("最终回答:",response1["messages"][-1].content)response1返回的是一个字典，其中"messages"键对应的值是一个由元组组成的数组，每一个元组都是带发送者和内容的message，数组的最后一个元组就是AI的回答，这是要返回给用户的。
伪代码结构如下
{"messages":[# 1. 你的原始输入 (人类消息)HumanMessage(content="2024年巴黎奥运会中国队拿了多少枚金牌？",additional_kwargs={},response_metadata={}),# 2. 模型的第一次思考 (AI消息：决定调用工具)AIMessage(content="",# 此时通常没有文本输出tool_calls=[{'name':'duckduckgo_search','args':{'query':'2024年巴黎奥运会中国队金牌数量'},'id':'call_aB3dE5'# 每次调用的唯一ID}],additional_kwargs={},response_metadata={'finish_reason':'tool_calls',...}),# 3. 工具执行的结果 (工具消息)ToolMessage(content="2024年巴黎奥运会，中国体育代表团共收获40枚金牌、27枚银牌、24枚铜牌...",name="duckduckgo_search",tool_call_id="call_aB3dE5"# 与上面 AI 调用的 ID 一一对应),# 4. 最终回答 (AI消息：根据搜索结果生成的最终文本)AIMessage(content="2024年巴黎奥运会中国队总共拿了40枚金牌。",additional_kwargs={},response_metadata={'finish_reason':'stop',...})]}最后是全部代码
importosfromlangchain_core.toolsimporttoolfromlangchain_community.toolsimportDuckDuckGoSearchRunfromlangchain_deepseekimportChatDeepSeekfromlangchain.agentsimportcreate_agent# 1. 设置 API Keyos.environ["DEEPSEEK_API_KEY"]="yourkey"# 2. 定义工具search_tool=DuckDuckGoSearchRun()@tooldefget_word_length(word:str)->int:"""返回一个单词的长度。当你需要计算单词字母数量时使用此工具。"""returnlen(word)tools=[search_tool,get_word_length]# 3. 初始化 DeepSeek 模型llm=ChatDeepSeek(model="deepseek-chat",temperature=0)# 4. 创建 Agent 大脑# 【修改点 2】使用最新的 create_agent 函数# 【修改点 3】系统提示词的参数名由 state_modifier 变成了更易懂的 system_promptagent_executor=create_agent(model=llm,tools=tools,system_prompt="你是一个聪明的 AI 助手。请尽量使用工具来解答用户的问题。",)# 5. 测试运行if__name__=="__main__":print("\n=== 测试 1：调用搜索工具 ===")# 返回一个字典，其中包含一个键 "messages"，其值是一个列表，列表中的每个元素都是一个元组，元组的第一个元素是消息的发送者（如 "user" 或 "agent"response1=agent_executor.invoke({"messages":[("user","科比·布莱恩特的名言是什么？")]})print("最终回答:",response1["messages"][-1].content)print("\n=== 测试 2：调用自定义工具 ===")response2=agent_executor.invoke({"messages":[("user","单词 'Supercalifragilisticexpialidocious' 有多少个字母？")]})print("最终回答:",response2["messages"][-1].content)三.agent实现多会话功能
1）添加记忆
一个能用的agent至少是可以携带记忆一直对话的而不是单次问答。实现这个并不复杂，只需要添加记忆储存器，记忆储存器有三种：MemorySaver，SqliteSaver，PostgresSaver ，第一个内存储存基本用不到，第二个是在当前目录储存（把db文件直接放当前目录下），第三个是PostgreSQL数据库储存（ PostgreSQL 原生对 AI 和 Agent 非常友好）。
用SqliteSaver可以在本地玩玩，更多的是用PostgresSaver，符合企业的工业级多机分布式 Agent
建立连接并利用连接实例化SqliteSaver
# 1. 建立数据库连接conn=sqlite3.connect("agent_memory.db",check_same_thread=False)# 2. 直接实例化 SqliteSavermemory=SqliteSaver(conn)# 3. 如果是第一次运行，需要调用 setup() 让框架自动建表memory.setup()这步如果是用PostgresSaver则是,
# 1. 配置PostgreSQL 数据库连接字符串 (URI)# 格式: postgresql://账号:密码@主机地址:端口/数据库名DB_URI="postgresql://postgres:123456@localhost:5432/agent_db"# 2. 建立数据库连接池 (ConnectionPool),更优雅的写法是with ConnectionPool() as pool:后续会给示例pool=ConnectionPool(conninfo=DB_URI,max_size=20# 生产环境根据服务器配置可调大)# 3. 实例化 PostgresSavermemory=PostgresSaver(pool)# 4. 关键：如果是第一次运行，让框架在你的 Postgres 库里自动创建必要的表memory.setup()然后把它添加为初始化agent的参数checkpointer
agent_executor=create_agent(model=llm,tools=tools,system_prompt="你是一个聪明的 AI 助手。请尽量使用工具来解答用户的问题。",checkpointer=memory,)使用记忆储存器时要搭配thread_id使用，调用API思考和查记忆库的进程是很轻量的，这种进程会在后端一个服务成百上千个用户，需要靠thread_id区分用户。方法是定义config再到invoke里加参
# Agent 内部会自动根据 thread_id 去数据库里精准提取只属于这个人的记忆config={"configurable":{"thread_id":"user_production_001"}}print("=== 第一轮对话：写入记忆 ===")response1=agent_executor.invoke({"messages":[("user","我叫林克，最喜欢的水果是哈密瓜")]},config=config)print("Agent 回答:",response1["messages"][-1].content)print("\n=== 第二轮对话：测试数据库读取 ===")response2=agent_executor.invoke({"messages":[("user","还记我叫什么吗")]},config=config)print("Agent 回答:",response2["messages"][-1].content)运行结果
同时LangGraph 建了四张表，记录对话，里面的数据都是存为bytea二进制格式，作为人暂时看不懂
checkpoints（存储记忆的检查点元数据） checkpoint_blobs（存储具体的对话内容大对象） checkpoint_writes（存储工具调用等写入记录） checkpoint_migrations（记录数据库版本）使用PostgresSaver的完整代码
importosfromlangchain_core.toolsimporttoolfromlangchain_community.toolsimportDuckDuckGoSearchRunfromlangchain.agentsimportcreate_agentfromlangchain_openaiimportChatOpenAIfromlangchain_deepseekimportChatDeepSeek# 引入 PostgreSQL 相关的库frompsycopg_poolimportConnectionPoolfromlanggraph.checkpoint.postgresimportPostgresSaver search_tool=DuckDuckGoSearchRun()@tooldefget_word_length(word:str)->int:"""返回一个单词的长度。当你需要计算单词字母数量时使用此工具。"""returnlen(word)tools=[search_tool,get_word_length]os.environ["DEEPSEEK_API_KEY"]="sk"llm=ChatDeepSeek(model="deepseek-chat",temperature=0)""" llm = ChatOpenAI( model="", base_url="", api_key="", temperature=0, ) """# 配置PostgreSQL 数据库连接字符串 (URI)DB_URI="postgresql://postgres:675563@localhost:5432/agent_db"if__name__=="__main__":# 使用 with 语句管理连接池，确保程序结束时优雅关闭withConnectionPool(conninfo=DB_URI,max_size=20,kwargs={"autocommit":True})aspool:# 实例化 PostgresSavermemory=PostgresSaver(pool)# 如果是第一次运行，让框架在你的 Postgres 库里自动创建必要的表memory.setup()# 初始化Agentagent_executor=create_agent(model=llm,tools=tools,system_prompt="你是一个聪明的 AI 助手。请尽量使用工具来解答用户的问题。",checkpointer=memory,)print("💡 提示：当前记忆已接入远端 PostgreSQL 数据库。")print("支持多进程、多服务器分布式读取！\n")config={"configurable":{"thread_id":"user_production_002"}}whileTrue:response1=agent_executor.invoke({"messages":[("user",input("请输入问题："))]},config=config,)print("Agent 回答:",response1["messages"][-1].content)2）实现一个用户拥有多个独立对话（Session）
刚才虽然区分了用户，但是一个用户只有一个对话，很不现实。实现这个也很简单，再绑一个session_id,即可
config={"configurable":{"thread_id":session_id,"user_id":current_user_id}}改进后的代码（伪代码）
importuuid# 引入生成唯一 ID 的库# ... (前面的引用、tool定义、初始化llm和 PostgreSQL 连接初始化代码完全保持不变) ...if__name__=="__main__":# 使用 with 语句管理连接池，确保程序结束时优雅关闭withConnectionPool(conninfo=DB_URI,max_size=20,kwargs={"autocommit":True})aspool:# 实例化 PostgresSavermemory=PostgresSaver(pool)# 如果是第一次运行，让框架在你的 Postgres 库里自动创建必要的表memory.setup()# 初始化Agentagent_executor=create_agent(model=llm,tools=tools,system_prompt="你是一个聪明的 AI 助手。请尽量使用工具来解答用户的问题。",checkpointer=memory,)# 假设当前登录的用户是 002current_user_id="user_production_002"print(f"\n👨💻 欢迎回来，用户：{current_user_id}")# 改进点 1：让用户选择是新建对话，还是继续历史对话print("1. 新建一个空白对话")print("2. 继续之前的历史对话")choice=input("请选择 (1或2): ")ifchoice=="1":# 生成一个全新的、绝不重复的 UUID 作为会话 IDsession_id=str(uuid.uuid4())print(f"✨ 已开启新对话！当前对话专属 ID:{session_id}")else:# 从业务数据库里拉取该用户的历史 Session 列表(可以给agent配个tool，让它自己拉取)供他点击。再传到后端session_id="用户选择的session"# 改进点 2：组装进阶版 Config# thread_id 绑定为具体的会话；同时把 user_id 存入配置中，方便日后数据审计和权限隔离config={"configurable":{"thread_id":session_id,"user_id":current_user_id}}print("\n💡 提示：输入 'q' 可以退出当前对话。\n")whileTrue:user_msg=input("请输入问题：")ifuser_msg.strip().lower()=='q':print("👋 对话结束。")breakresponse1=agent_executor.invoke({"messages":[("user",user_msg)]},config=config,)print("Agent 回答:",response1["messages"][-1].content)四.更多的tool
langchain_community.tools是 LangChain 生态中最庞大、最活跃的社区贡献tools库。常用且高效的tool都已经写好了，甚至还有专攻某类任务而一条龙集成tools的Toolkit，官方文档https://docs.langchain.com/oss/python/integrations/tools
1）常见tool
- 搜索引擎与知识库查询 (最常用)
这类工具让 Agent 能够突破模型预训练数据的限制，获取实时信息或专业文献。
- DuckDuckGo (
DuckDuckGoSearchRun)：免费、无需注册的网页搜索（你已经用过了）。 - Google Search / Serper (
GoogleSearchRun,GoogleSerperRun)：商业级 Google 搜索，需要 API Key，返回结果更结构化。 - Tavily (
TavilySearchResults)：专为 AI Agent 设计的搜索引擎，直接返回清洗好的无广告正文，目前业界极力推荐。 - Wikipedia (
WikipediaQueryRun)：直接检索维基百科的词条和摘要。 - 学术与科研 (
ArxivQueryRun,PubMedQueryRun)：专用于搜索 Arxiv 论文和 PubMed 医学文献。
- 系统执行与代码工具
- 文件管理 (
FileManagementToolkit)：包含一整套工具，如ReadFileTool,WriteFileTool,CopyFileTool,DeleteFileTool。它内置了安全目录隔离（只能在指定的 Root 目录内操作）。 - Shell 终端 (
ShellTool)：允许 Agent 执行 Bash/CMD 命令。 - Python 交互环境 (
PythonREPLTool)：允许 Agent 生成 Python 代码并在沙盒（或当前环境）中执行，这是实现复杂数学计算或数据分析（如 Pandas 操作）的核心工具。
- 网络爬虫与 API 交互
当标准的搜索引擎无法满足需求，Agent 需要亲自去“逛”网页或调用外部接口时使用。
- Requests (
RequestsGetTool,RequestsPostTool)：最基础的 HTTP 请求工具，Agent 可以用它自行构造 API 调用。 - Playwright / Selenium 浏览器工具：让 Agent 可以真正启动一个无头浏览器（Headless Browser），进行点击按钮、填写表单、提取动态渲染的网页内容等自动化测试级别的操作。
- 数据库与数据分析
让 Agent 化身为数据分析师，直接用自然语言查询你的公司数据库。
- SQL 数据库 (
SQLDatabaseToolkit)：这是一个超级工具包。只要给它一个数据库连接URI，Agent 就能自动查看表结构（Schema）、编写 SQL、执行查询，并根据结果回答问题。 - Spark SQL (
SparkSQLToolkit)：用于处理大数据场景下的 Spark 集群交互。
- SaaS 平台与办公协同
企业级 Agent 落地最多的场景：让 AI 帮你打工。
- 研发协作：
GitHub（提 PR、查 Issue、Review 代码）、GitLab、Jira。 - 日常办公：
Gmail（读写邮件）、Office365、GoogleCalendar（安排日程）、Slack/Discord（自动回复消息）。
2)tool的进阶用法
函数被@tool装饰成tool后，可以调用invoke方法进行简单测试
fromlangchain_community.toolsimportDuckDuckGoSearchRun# 1. 初始化search=DuckDuckGoSearchRun()# 2. 单独测试这个工具，不经过大模型print("正在执行搜索测试...")result=search.invoke("DeepSeek V3 发布日期")# 3. 打印工具真正的返回结果print(result)有的tool初始化是直接加()
#Python 代码执行沙盒fromlangchain_experimental.toolsimportPythonREPLTool python_tool=PythonREPLTool()tools=[search_tool,wiki_tool,python_tool]另一种是需配置 API Key 或参数进行初始化
以 AI 专用搜索引擎Tavily为例：
importosfromlangchain_community.tools.tavily_searchimportTavilySearchResults# 必须先设置对应的环境变量 (去 tavily.com 免费申请)os.environ["TAVILY_API_KEY"]="tvly-your-api-key-here"# 初始化时可以传入特定的参数，比如控制只返回 3 条结果tavily_tool=TavilySearchResults(max_results=3)tools=[tavily_tool]集成tools的工具包（toolkit)用法如下:先初始化工具包+再获取其中tools
fromlangchain_community.agent_toolkitsimportSQLDatabaseToolkitfromlangchain_community.utilitiesimportSQLDatabasefromlangchain_deepseekimportChatDeepSeek# 1. 初始化你的 LLM (Toolkit 里的工具需要大脑来帮忙写 SQL)llm=ChatDeepSeek(model="deepseek-chat",temperature=0)# 2. 初始化你的数据库连接 (假设就是你刚才建的 agent_db)db=SQLDatabase.from_uri("postgresql://postgres:675563@localhost:5432/agent_db")# 3. 初始化 Toolkit (把数据库和 LLM 喂给它)toolkit=SQLDatabaseToolkit(db=db,llm=llm)# 4. 关键点：Toolkit 不能直接塞给 Agent，必须调用 get_tools() 解包成工具列表！newtools=toolkit.get_tools()tools.extend(newtools)# 现在，你可以把 tools 交给 create_agent 了因使用opencode而对agent萌生兴趣，就想着试试agent开发。写这篇文章时，我也只是一个初次接触agent的小白，这么简单的文章写了好久且没有什么技术含量，当然这也只是第一步，未来还要接触复杂工作流编排 (Workflow Orchestration)、多智能体协作 (Multi-Agent System)、本地知识库的挂载 (RAG 检索增强)、**生产环境部署与基建 (Production Deployment)**这些高阶开发，希望这不仅仅只是我的一腔热血而是一件命运的齿轮。
