Agent 开发进阶（十三）：后台任务系统，让慢命令不阻塞主循环
本文是「从零构建 Coding Agent」系列的第十三篇，适合想让 Agent 处理慢命令而不阻塞的开发者。
先问一个问题
当你的 Agent 需要执行 npm install、pytest、docker build 这样的慢命令时，会发生什么？
- 主循环一直同步等待，什么都做不了？
- 用户想继续别的工作，却被整轮流程堵住？
- 长时间的等待让用户以为系统卡住了？
如果你的答案是肯定的，那么你需要一个后台任务系统。
执行慢命令的「阻塞困境」问题
到了这一阶段，你的 Agent 已经具备了多种能力：
- 核心循环运行
- 工具使用与分发
- 会话内规划（TodoWrite）
- 子智能体机制
- 技能加载
- 上下文压缩
- 权限系统
- Hook 系统
- Memory 系统
- 系统提示词组装
- 错误恢复
- 任务系统
但当面对慢命令时，同步执行的方式会遇到明显问题：
- 阻塞主循环：模型在等待期间什么都做不了
- 用户体验差：用户想继续别的工作，却被整轮流程堵住
- 响应缓慢：长时间的等待让系统看起来卡顿
- 资源浪费：主线程一直在等待，不能做其他有意义的工作
所以到了这个阶段，我们需要一个后台任务系统：
把「慢执行」移到后台，让主循环继续推进别的事情。
后台任务系统的核心设计：异步执行与通知机制
用一个图来表示后台任务系统的工作流程：
主循环
|
+-- background_run("pytest")
| -> 立刻返回 task_id
|
+-- 继续别的工作
|
+-- 下一轮模型调用前
-> drain_notifications()
-> 把摘要注入 messages
后台执行线
|
+-- 真正执行 pytest
+-- 完成后写入通知队列
关键点只有两个：
- 异步执行：慢命令在后台线程执行
- 通知机制：完成后通过通知队列把结果摘要送回主循环
几个必须搞懂的概念
前台（Foreground）
前台指的是：
主循环这轮发起以后，必须立刻等待结果的执行路径。
后台（Background）
后台不是神秘系统。
后台只是说：
命令先在另一条执行线上跑，主循环先去做别的事。
通知队列（Notification Queue）
通知队列就是一条「稍后再告诉主循环」的收件箱。
后台任务完成以后，不是直接把全文硬塞回模型， 而是先写一条摘要通知，等下一轮再统一带回去。
运行时任务（Runtime Task）
运行时任务指的是：
正在运行的执行单元，包含命令、状态、结果等信息。
最小实现
1. Background Manager
import os
import threading
import subprocess
import json
from pathlib import Path
import time
import uuid
class BackgroundManager:
"""后台任务管理器"""
def __init__(self, runtime_dir=".runtime-tasks"):
self.runtime_dir = Path(runtime_dir)
self.runtime_dir.mkdir(exist_ok=True)
self.tasks = {}
self.notifications = []
self.lock = threading.Lock()
# 加载已存在的任务
self._load_existing_tasks()
def _load_existing_tasks(self):
"""加载已存在的任务"""
for task_file in self.runtime_dir.glob("*.json"):
try:
task = json.loads(task_file.read_text(encoding="utf-8"))
self.tasks[task["id"]] = task
except Exception as e:
print(f"加载任务失败 {task_file}: {e}")
def _generate_task_id(self):
"""生成任务 ID"""
return str(uuid.uuid4())
def run(self, command):
"""运行后台任务"""
task_id = self._generate_task_id()
# 创建任务记录
task = {
"id": task_id,
"command": command,
"status": "running",
"started_at": time.time(),
"result_preview": "",
"output_file": f"{task_id}.log",
}
# 保存任务记录
task_file = self.runtime_dir / f"{task_id}.json"
task_file.write_text(json.dumps(task, indent=2, ensure_ascii=False), encoding="utf-8")
with self.lock:
self.tasks[task_id] = task
# 启动后台线程
thread = threading.Thread(
target=self._execute,
args=(task_id, command),
daemon=True,
)
thread.start()
return task_id
def _execute(self, task_id, command):
"""在后台执行命令"""
output_file = self.runtime_dir / f"{task_id}.log"
try:
# 执行命令
result = subprocess.run(
command,
shell=True,
capture_output=True,
text=True,
timeout=300
)
# 读取输出
output = result.stdout + result.stderr
output_file.write_text(output, encoding="utf-8")
# 生成摘要
status = "completed" if result.returncode == 0 else "failed"
preview = output[:500] + ("..." if len(output) > 500 else "")
except subprocess.TimeoutExpired:
status = "timeout"
preview = "Command timed out after 300 seconds"
output_file.write_text(preview, encoding="utf-8")
except Exception as e:
status = "error"
preview = f"Error executing command: {str(e)}"
output_file.write_text(preview, encoding="utf-8")
# 更新任务状态
with self.lock:
if task_id in self.tasks:
self.tasks[task_id].update({
"status": status,
"result_preview": preview,
"completed_at": time.time(),
})
# 保存任务记录
task_file = self.runtime_dir / f"{task_id}.json"
task_file.write_text(
json.dumps(self.tasks[task_id], indent=2, ensure_ascii=False),
encoding="utf-8"
)
# 添加通知
self.notifications.append({
"type": "background_completed",
"task_id": task_id,
"status": status,
"preview": preview,
})
def check(self, task_id):
"""检查任务状态"""
with self.lock:
task = self.tasks.get(task_id)
if not task:
return "Task not found"
return f"Task #{task_id}: {task['status']}\nCommand: {task['command']}\nPreview: {task.get('result_preview', '')}"
def list(self):
"""列出所有后台任务"""
with self.lock:
if not self.tasks:
return "No background tasks"
lines = ["# Background Tasks\n"]
for task_id, task in self.tasks.items():
lines.append(f"- **#{task_id}** {task['command']} [{task['status']}]")
return "\n".join(lines)
def drain_notifications(self):
"""排空通知队列"""
with self.lock:
notifications = self.notifications.copy()
self.notifications.clear()
return notifications
def read_output(self, task_id):
"""读取任务完整输出"""
output_file = self.runtime_dir / f"{task_id}.log"
if not output_file.exists():
return "Output file not found"
try:
return output_file.read_text(encoding="utf-8")
except Exception as e:
return f"Error reading output: {str(e)}"
2. 后台任务工具
def create_background_tools(background_manager):
"""创建后台任务相关的工具"""
def background_run(command):
"""运行后台任务"""
task_id = background_manager.run(command)
return f"后台任务已启动: #{task_id}\n命令: {command}\n请使用 background_check 查看状态"
def background_check(task_id):
"""检查后台任务状态"""
return background_manager.check(task_id)
def background_list():
"""列出所有后台任务"""
return background_manager.list()
def background_read_output(task_id):
"""读取后台任务完整输出"""
output = background_manager.read_output(task_id)
return f"任务 #{task_id} 完整输出:\n{output}"
return {
"background_run": background_run,
"background_check": background_check,
"background_list": background_list,
"background_read_output": background_read_output,
}
3. 集成到 Agent Loop
def agent_loop_with_background(state):
"""带后台任务系统的 Agent Loop"""
# 初始化后台任务管理器
background_manager = BackgroundManager()
# 创建后台任务工具
background_tools = create_background_tools(background_manager)
state["tools"] = state.get("tools", []) + [
{
"name": "background_run",
"description": "在后台运行命令",
"parameters": {
"command": {"type": "string", "description": "要执行的命令"}
}
},
{
"name": "background_check",
"description": "检查后台任务状态",
"parameters": {
"task_id": {"type": "string", "description": "任务 ID"}
}
},
{
"name": "background_list",
"description": "列出所有后台任务",
"parameters": {}
},
{
"name": "background_read_output",
"description": "读取后台任务完整输出",
"parameters": {
"task_id": {"type": "string", "description": "任务 ID"}
}
}
]
# 主循环
while True:
# 1. 排空通知队列
notifications = background_manager.drain_notifications()
if notifications:
text = "\n".join(
f"[后台任务 #{n['task_id']}] {n['status']} - {n['preview']}"
for n in notifications
)
state["messages"].append({"role": "user", "content": text})
# 2. 调用模型
response = call_model(state["messages"])
if response.stop_reason != "tool_use":
return response.content
results = []
for block in response.content:
if hasattr(block, "type") and block.type == "tool_use":
tool_name = block.name
tool_input = block.input
# 执行后台任务工具
if tool_name in background_tools:
output = background_tools[tool_name](**tool_input)
else:
# 执行其他工具
output = run_tool(tool_name, tool_input)
results.append({
"type": "tool_result",
"tool_use_id": block.id,
"content": output
})
if results:
state["messages"].append({"role": "user", "content": results})
核心功能说明
1. 运行后台任务
启动后台任务：
task_id = background_manager.run("pytest")
# 立刻返回 task_id，不阻塞主循环
检查任务状态：
status = background_manager.check(task_id)
# 查看任务是否完成，以及结果摘要
读取完整输出：
output = background_manager.read_output(task_id)
# 当模型需要查看详细输出时使用
2. 通知机制
通知格式：
notification = {
"type": "background_completed",
"task_id": "a1b2c3d4",
"status": "completed",
"preview": "tests passed",
}
通知处理：
- 后台任务完成后，将通知添加到队列
- 主循环在下一轮调用模型前，排空通知队列
- 通知被转换为用户消息，注入到上下文中
3. 输出管理
输出处理：
- 完整输出写入磁盘文件（
.runtime-tasks/{task_id}.log） - 通知中只包含简短摘要（最多 500 字符）
- 模型可以通过
background_read_output工具查看完整输出
这样做的好处是：
- 避免长日志撑爆上下文
- 模型可以先看摘要，再决定是否查看全文
- 输出持久化，方便后续查询
后台任务 vs 任务系统的边界
| 特性 | 后台任务 | 任务系统 |
|---|---|---|
| 关注点 | 正在运行的执行单元 | 工作目标和依赖关系 |
| 生命周期 | 短期（执行完成后可清理） | 长期（跨会话持久） |
| 状态 | 运行中、完成、失败、超时 | pending、in_progress、completed、deleted |
| 作用 | 处理慢命令，不阻塞主循环 | 管理复杂任务的依赖和进度 |
| 存储 | 运行时临时存储 | 持久化存储 |
使用建议：
- 对于慢命令（如
npm install、pytest）：使用后台任务 - 对于复杂的工作流程：使用任务系统
- 两者可以结合使用：任务系统管理工作目标，后台任务处理具体的慢执行
新手最容易犯的 4 个错
1. 以为「后台」就是更复杂的主循环
# ❌ 错误
# 为每个后台任务创建一个主循环
def background_main_loop():
while True:
# 处理后台任务...
# ✅ 正确
# 主循环仍然只有一条，后台任务只是执行线
thread = threading.Thread(target=self._execute, args=(task_id, command))
thread.start()
2. 只开线程，不登记状态
# ❌ 错误
# 只启动线程，没有任务状态管理
def run_in_background(command):
thread = threading.Thread(target=lambda: subprocess.run(command, shell=True))
thread.start()
# ✅ 正确
# 登记任务状态，便于管理和查询
def run(self, command):
task_id = self._generate_task_id()
self.tasks[task_id] = {"id": task_id, "command": command, "status": "running"}
thread = threading.Thread(target=self._execute, args=(task_id, command))
thread.start()
return task_id
3. 把长日志全文塞进上下文
# ❌ 错误
# 直接把完整输出塞进上下文
def _execute(self, task_id, command):
result = subprocess.run(command, shell=True, capture_output=True, text=True)
output = result.stdout + result.stderr
self.notifications.append({"task_id": task_id, "output": output}) # 危险！
# ✅ 正确
# 只放摘要，完整输出放文件
def _execute(self, task_id, command):
result = subprocess.run(command, shell=True, capture_output=True, text=True)
output = result.stdout + result.stderr
output_file.write_text(output, encoding="utf-8")
preview = output[:500] + ("..." if len(output) > 500 else "")
self.notifications.append({"task_id": task_id, "preview": preview})
4. 把工作目标和运行任务混为一谈
# ❌ 错误
# 把任务系统的工作目标和后台任务混在一起
def run_task(task_id):
# 直接执行任务系统中的任务
task = task_manager.get(task_id)
background_manager.run(task["subject"]) # 错误！subject 不是命令
# ✅ 正确
# 明确区分工作目标和执行命令
def run_task(task_id):
# 标记任务开始
task_manager.update(task_id, status="in_progress")
# 执行具体命令
bg_task_id = background_manager.run("pytest")
# 记录后台任务 ID
task_manager.update(task_id, bg_task_id=bg_task_id)
为什么这很重要
因为一个真正高效的 Agent，不应该被慢命令阻塞。
后台任务系统让你能够：
- 提高响应速度：主循环不再等待慢命令，能更快响应用户
- 并行处理：同时处理多个任务，提高系统效率
- 更好的用户体验：用户可以继续别的工作，不会被卡住
- 资源合理利用：主线程可以做其他有意义的工作
- 输出管理：避免长日志撑爆上下文
推荐的实现步骤
- 第一步：实现 BackgroundManager 类，支持任务的创建和管理
- 第二步：实现后台执行线程，处理命令执行
- 第三步：实现通知机制，将结果摘要送回主循环
- 第四步：创建后台任务相关的工具，暴露给模型
- 第五步：集成到 Agent Loop，在模型调用前排空通知队列
后台任务系统与后续章节的关系
- s13 后台任务：解决慢命令如何在后台运行的问题
- s14 定时任务：解决任务如何按时间触发的问题
- s15 Agent 团队：会利用后台任务系统来并行处理多个任务
- s17 自主智能体：会利用后台任务系统来管理复杂的执行流程
所以后台任务系统是构建高效 Agent 系统的重要组件。
下一章预告
有了后台任务系统，你的 Agent 已经具备了处理慢命令的能力。下一章我们将探讨定时任务系统，让 Agent 能够按时间自动触发任务，实现更智能的工作调度。
一句话总结：主循环只有一条，并行的是等待，不是主循环本身。
如果觉得有帮助，欢迎关注，我会持续更新「从零构建 Coding Agent」系列文章。
