100行代码,讲懂主流Agent开发框架的原理和流程

Pythonimport requestsfrom openai import OpenAI0️⃣# LM Studio# 天气API# 天气工具def get_weather(city):"""极简天气查询工具：入参纯中文城市名，轻量判键避免崩溃"""# Agent核心框架client = OpenAI(base_url=LM_BASE_URL, api_key=LM_API_KEY)class WeatherAgent:# Agent主体信息 + 工具注册（插件化核心思想）def __init__(self):self.tools = {"get_weather": (get_weather, "查询中国城市今日实时天气，用户问天气时必须调用")}....# 大模型决策1：判断是否需要调用天气工具，仅返回True/Falseasync def judge_tool_call(self, question):3️⃣return ....# 大模型决策2：从问题中提取纯中文城市名，无多余字符async def extract_city(self, question):5️⃣return ....# 大模型决策3：整合上下文生成符合Agent角色的自然语言回答async def generate_answer(self, question, context)prompt = f"你是..."7️⃣res = client.chat.completions.create(...8️⃣return ....# Agent核心调度流程（核心！完整体现大模型驱动+工具调用）async def chat(self, question):# 步骤1：大模型判断是否需要调用天气工具need_call = await self.judge_tool_call(question)2️⃣if need_call:# 步骤2：大模型从问题中提取城市名参数city = await self.extract_city(question)4️⃣# 步骤3：调用注册的天气工具，获取结构化天气数据weather_info = self.tools["get_weather"][0](city)6️⃣else:# 非天气问题，构造拒绝回答的上下文# 步骤4：大模型整合上下文，生成最终自然语言回答return await self.generate_answer(question, context)9️⃣# 循环命令行交互async def main():agent = WeatherAgent()print("===== 极简本地天气AI Agent（命令行版） =====")print("使用说明：输入天气问题查询（如：今天上海的天气如何？），输入exit退出程序\n")while True:user_question = input("你：")# 输入exit/EXIT退出循环if user_question.strip().lower() == "exit":print("Agent：再见！")# 调用Agent核心方法，获取回答并打印agent_answer = await agent.chat(user_question)1️⃣print(f"Agent：{agent_answer}")🔟# 程序入口if __name__ == "__main__":import asyncioasyncio.run(main())

Pythonimport requests # 调用天气API的HTTP协议模块from openai import OpenAI # 调用 LM Studio模块# === 1. 项目依赖&配置 ===LM_BASE_URL = "http://127.0.0.1:1234/v1" # LM Studio本地地址LM_API_KEY = "sk123456" # 占位符，无实际作用LM_MODEL = "llama-3-8b" # 本地大模型名，与LM Studio一致TEMPERATURE = 0.1 # 大模型温度，0.1结果更确定MAX_TOKENS = 1024 # 大模型最大生成令牌数BAIDU_WEATHER_URL = "https://weather.cma.cn/api/weather/view" # 天气API

Python# 2. 天气工具 =============def get_weather(city):# 极简天气查询工具：入参纯中文城市名，轻量判键避免崩溃# 清洗城市名，去除空格/冗余字符，避免用户输入"上海市"/"上 海"导致查询失败city = city.strip().replace("市", "").replace("省", "").replace("自治区", "")# 构造请求params = {"stationid": "", "cityname": city, "province": ""}headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) Chrome/120.0.0.0"}# 调用API并解析（无复杂异常处理，仅基础取值）response = requests.get(BAIDU_WEATHER_URL, params=params, headers=headers, verify=False)data = response.json()# 轻量判键，避免KeyError崩溃（仅保证程序运行，不做复杂异常处理）wd = data.get("data", {})real= wd.get("realtime", {})fore = wd.get("forecast", [{}])[0]# 格式化返回（无数据则显示"未知"）return f"""【{city}今日天气】 实时温度：{real.get('temp', '未知')}℃天气状况：{real.get('weather', '未知')}风力风向：{real.get('windDir', '未知')}{real.get('windPower', '未知')}级 相对湿度：{real.get('humidity', '未知')}%今日气温：{fore.get('tempMin', '未知')}℃ ~ {fore.get('tempMax', '未知')}℃"""

Pythonclass WeatherAgent:def __init__(self):# Agent主体信息 + 工具注册（插件化核心思想）self.name = "WeatherAgent" # Agent名称self.role = "专业的天气查询助手，仅回答中国城市天气，非天气问题直接拒绝" # Agent角色# 工具注册（核心：Agent的能力插件，字典格式：{工具名: (工具函数, 工具描述)}）# 后续新增工具时，仅需在此注册，无需修改核心逻辑，解耦工具与Agentself.tools = {"get_weather": (get_weather,"查询中国城市今日实时天气，用户问天气时必须调用")}

Pythonself.tools = {"get_weather": (get_weather, # 天气查询工具函数，详见 工具层：weather_tool.天气查询工具"用于查询中国任意城市的今日实时天气和气温预报，用户问天气时必须调用" # 工具描述（给大模型的提示）)}

Pythonclass WeatherAgent:...async def judge_tool_call(self, question):# 大模型决策1：判断是否需要调用天气工具，仅返回True/Falseprompt = f"判断用户问题是否需要查询天气，仅返回True或False，无任何其他内容。用户问题：{question}"res = client.chat.completions.create(model=LM_MODEL,messages=[{"role": "user", "content": prompt}],temperature=TEMPERATURE,max_tokens=10)return "TRUE" in res.choices[0].message.content.strip().upper()

Python# 调用本地大模型（OpenAI兼容接口，chat.completions.create为固定方法） response = client.chat.completions.create(model=LM_MODEL, # 本地模型名，与LM Studio一致 messages=[{"role": "user", "content": prompt}], # 消息格式：用户角色+提示词temperature=TEMPER, # 温度值，0.1保证结果确定max_tokens=10, # 仅需返回True/False，设置最小令牌数，提高速度)

Pythonreturn "TRUE" in res.choices[0].message.content.strip().upper()

Python# 清洗大模型返回结果（去除空格/大小写，避免大模型输出"true"/" True "等格式）res = response.choices[0].message.content.strip().upper()# 判断结果：包含"TRUE"则返回True，否则返回Falsereturn "TRUE" in res

Pythonclass WeatherAgent:...async def extract_city(self, question):"""大模型决策2：从问题中提取纯中文城市名，无多余字符"""prompt = f"提取用户问题中需要查询天气的城市名，仅返回纯中文，无任何其他字符。用户问题：{question}"res = client.chat.completions.create(model=LM_MODEL,messages=[{"role": "user", "content": prompt}],temperature=TEMPERATURE,max_tokens=20)return res.choices[0].message.content.strip()

Python # 调用本地大模型（固定格式，与判断工具调用一致） response = client.chat.completions.create(model=LM_MODEL,messages=[{"role": "user", "content": prompt}],temperature=TEMPER,max_tokens=20, # 城市名最多2-3个字，设置最小令牌数)

Pythonclass WeatherAgent:...async def generate_answer(self, question, context):"""大模型决策3：整合上下文生成符合Agent角色的自然语言回答"""prompt = f"你是{self.name}，你的角色是{self.role}，请根据给定的上下文简洁回答用户问题。用户问题：{question}，上下文：{context}"res = client.chat.completions.create(model=LM_MODEL,messages=[{"role": "user", "content": prompt}],temperature=TEMPERATURE,max_tokens=MAX_TOKENS)return res.choices[0].message.content.strip()

Python res = client.chat.completions.create(model=LM_MODEL,messages=[{"role": "user", "content": prompt}],temperature=TEMPERATURE,max_tokens=MAX_TOKENS)

Pythonclass WeatherAgent:...async def chat(self, question):"""Agent核心调度流程（核心！完整体现大模型驱动+工具调用）"""# 步骤1：大模型判断是否需要调用天气工具need_call = await self.judge_tool_call(question)if need_call:# 步骤2：大模型从问题中提取城市名参数city = await self.extract_city(question)# 步骤3：调用注册的天气工具，获取结构化天气数据weather_info = self.tools["get_weather"][0](city)context = weather_infoelse:# 非天气问题，构造拒绝回答的上下文context = "该问题不是天气查询问题，我仅能回答中国城市的今日天气查询，请输入天气相关问题"# 步骤4：大模型整合上下文，生成最终自然语言回答return await self.generate_answer(question, context)

Python# === 1/10. 循环命令行交互（极简交互） ===async def main():agent = WeatherAgent()print("===== 🤖 miniWeatherAgent 极简本地天气AI Agent（命令行版） =====")print("使用说明：输入天气问题查询（如：今天上海的天气如何？），输入exit退出程序\n")while True:user_question = input("问题：")# 输入exit/EXIT退出循环if user_question.strip().lower() == "exit":print("Agent：再见！")break# 调用Agent核心方法，获取回答并打印agent_answer = await agent.chat(user_question)print(f"🤖 miniWeatherAgent回答：{agent_answer}")

Python# === 1. 项目依赖&配置 ===LM_BASE_URL = "http://127.0.0.1:1234/v1" # LM Studio本地地址LM_API_KEY = "sk123456" # 占位符，无实际作用LM_MODEL = "llama-3-8b" # 本地大模型名，与LM Studio一致TEMPERATURE = 0.1 # 大模型温度，0.1结果更确定MAX_TOKENS = 1024 # 大模型最大生成令牌数

声明：本接口只用于教学演示，请勿用于商业目的，任何纠纷和本文档无关。

Plain TextGET https://weather.cma.cn/api/weather/view?stationid=${stationId}&cityname=${cityname}&province=${province}

=====miniWeatherAgent 极简本地天气AI Agent（命令行版） =====

使用说明：输入天气问题查询（如：今天上海的天气如何？），输入exit退出程序

问题：今天上海的天气如何？

🤖 miniWeatherAgent回答：今天上海的天气是晴朗，温度在15~20摄氏度之间。

问题：_