你真的了解Agent的工作原理吗？为什么你给它一个任务，它就能一直帮你做下去？

经常使用Agent帮你干活的同学们都知道，你跟claude说“帮我做一个贪吃蛇的页面小游戏”，它马上就会吭哧吭哧地开始帮你创建文件夹、写代码，最后给你一份成品。可是你跟大模型直接对话的时候，却只能你说一句它回一句。

这是为什么呢？Agent和LLM有什么区别呢？这就要说到Agent的两个核心能力：Agent Loop --- 心跳，Tool System --- 手脚。

Agent 的心跳

Agent和LLM最本质的区别就是Agent的心跳机制，其实也就是一个while循环。Agent在工作时，LLM遇到解决不了的问题，就会返回一个tool_call类型的字段来告诉你它需要调用什么工具来解决这个问题，当然，前提是你先做好一个工具系统，提前告诉LLM你有哪些工具可供调用。

那么我们就可以用是否有工具调用作为条件来决定是否结束while循环，如果有工具需要调用，Agent中就会帮LLM调用工具，然后把结果返回给LLM，然后继续循环。当某一轮循环不再有工具需要调用时，就可以结束循环。

import { streamText } from "ai";

const MAX_STEPS = 50 // 设置一个最大循环次数
let step = 0  // 当前这轮的循环次数
while(step < MAX_STEPS) {
    step++;
    let hasToolCall = false  // 当前这轮是否有工具调用
    const result = streamText({
      model,
      tools,
      messages,
      system,
    )}
    for awit (const part of result.fullStream) {
        if(part.type === 'tool_call') {
            hasToolCall = true
            break
        }
    }
    stepResponse = await result.response
    messages.push(...stepResponse!.messages)
    if (!hasToolCall) {
      if (fullText) console.log()
      break
    }
}

Agent 的手脚

想要让Agent完成任务，需要有一个Tool System，因为LLM本身干不了这些事情，需要你自己准备多个工具来让Agent完成你的任务，向LLM通信时可以传一个tool参数告诉它有哪些工具可以使用。Agent里都会事先打造一些基本工具，比如读写文件之类的。

我们可以使用AI SDK来打造工具，这样LLM返回工具调用时，这个包会帮你执行execute属性内的代码。比如：

const readFileTool = {
  name: 'read_file',
  description: '读取指定路径的文件内容',
  parameters: {
    type: 'object',
    properties: {
      path: {
        type: 'string',
        description: '文件路径',
      }
    },
    required: ['path'],
    additionalProperties: false,
  },
  execute: async ({ path }: { path: string }) => {
    return readFileSync(resolve(path), 'utf-8')
  },
}

然后将工具传给LLM。当然也可以接入一些已经打造好的MCP服务，里面会包含很多工具可供使用。这样Agent就能一步一步帮你完成任务了。

你已经了解了Agent中最基础的两个功能了，那么开始打造你自己的Agent吧！