Agent 循环

概述

Agent 循环（Agent Loop）是所有 AI Agent 的核心心跳：反复调用 LLM，根据停止原因分支——若 stop 则输出结果，若 toolUse 则执行工具并将结果注入下一轮，直至任务完成。

关键内容

基本结构

while (true):
    response = LLM(messages + tools_definition)

    if response.stopReason == "stop":
        break          # LLM 认为任务完成，输出文本

    if response.stopReason == "toolUse":
        tool_results = execute_tools(response.toolCalls)
        messages.append(tool_results)
        # 继续循环，让 LLM 基于工具结果继续推理

魔鬼在细节里

基本结构简单，但工业级实现需解决五类问题：

问题	处理策略
工具执行失败	将错误作为工具结果反馈给 LLM，让其自我修正
工具参数不合法	运行前用 AJV/JSON Schema 验证，生成详细错误消息
执行中实时推送进度	`onUpdate` 回调流式推送（bash 实时输出等）
用户在执行中发出新指令	消息队列（转向消息 / 跟进消息）而非丢弃
中断正在运行的 Agent	AbortSignal 传递给工具执行函数

工具参数验证

在工具执行之前用 TypeBox schema + AJV 校验参数，验证失败时生成详细错误消息反馈给 LLM，允许模型自我修正而非崩溃：

工具调用参数验证失败（bash）：
  - command: 期望 string，收到 number (123)
请使用正确的参数重新调用工具。

消息队列与并发交互

用户在 Agent 执行过程中发出的新消息被队列化，在合适时机注入：

模式	注入时机	用途
转向消息（steering）	下次 LLM 调用之前	在 Agent 运行过程中调整方向
跟进消息（follow-up）	整个 `session_end` 之后	等当前任务完成后追加新任务

为何不内置 max_steps？

"我从未发现 max_steps 这类限制有用。Agent 要么完成任务，要么卡住了——如果卡住了，max_steps 无法修复它，只会在错误的地方截断执行。" — Mario-Zechner

限制步数是用机械手段掩盖 Agent 能力不足，而非真正解决问题。

代表实现

Pi-Agent 的 pi-agent-core 包：最简实现，约 < 500 行 TypeScript
DeepAgents：LangGraph 实现，以中间件链增强循环能力

来源

raw/articles/ai-tools/pi-agent/03-pi-agent-core.md