AI Agent 工程化实战从最小工具调用循环到生产级系统一、Agent 不是会聊天的机器人很多团队把 Agent 理解成更聪明的聊天机器人这个认知偏差会导致整个技术方案走偏。Agent 的本质是能感知目标、规划步骤、调用工具、根据反馈迭代的智能体。专业开发的核心不是把 Prompt 写得花哨而是把不确定性关进工程框架状态可追踪、工具可管控、失败可恢复、成本可约束。一个可落地的 Agent 通常包含四层规划层负责把用户目标拆成子任务并决定下一步记忆层承载短期对话上下文和长期向量检索工具层对接函数、API、数据库、代码执行沙箱执行循环则是LLM 决策 → 调用工具 → 回填观察 → 继续推理的闭环直到产出最终答案。主流框架有 LangChain/LangGraph、AutoGen、CrewAI、OpenAI Agents SDK 等但无论用哪个底层都是 ReAct 循环的变体。先吃透这个循环再谈框架。二、代码实战从零实现一个工具调用 Agent下面用 OpenAI 兼容 SDK 实现一个最小可运行的 Agent包含计算器和天气查询两个工具importjson,os,refromopenaiimportOpenAI clientOpenAI(api_keyos.getenv(OPENAI_API_KEY))TOOLS[{type:function,function:{name:calculator,description:计算数学表达式例如 (128)*3,parameters:{type:object,properties:{expression:{type:string}},required:[expression]}}},{type:function,function:{name:get_weather,description:查询指定城市天气,parameters:{type:object,properties:{city:{type:string}},required:[city]}}},]defcalculator(expression:str)-str:ifnotre.fullmatch(r[0-9\-*/().\s],expression):return表达式包含不允许的字符try:returnstr(eval(expression,{__builtins__:{}},))exceptExceptionase:returnf计算失败:{e}defget_weather(city:str)-str:data{北京:晴25℃,上海:多云28℃,深圳:阵雨30℃}returndata.get(city,f暂无{city}的天气数据)TOOL_MAP{calculator:calculator,get_weather:get_weather}defrun_agent(user_input:str,max_steps:int5):messages[{role:system,content:你是严谨助手。需要计算或天气时调用工具不要编造。},{role:user,content:user_input}]for_inrange(max_steps):respclient.chat.completions.create(modelgpt-4o-mini,messagesmessages,toolsTOOLS,tool_choiceauto,temperature0.2)msgresp.choices[0].message messages.append(msg)ifnotmsg.tool_calls:returnmsg.contentforcallinmsg.tool_calls:fncall.function.name argsjson.loads(call.function.arguments)resultTOOL_MAP[fn](**args)messages.append({role:tool,tool_call_id:call.id,content:result})return达到最大步数任务未完成 这段代码展示了 Agent 的基本闭环。注意几个生产化要点eval 要替换为安全计算库模拟天气要换成真实 APImax_steps 必须设置否则模型可能陷入调工具—不满意—再调的死循环把 Token 烧光。## 三、生产级关键点六个必答题从 Demo 到生产不是把代码搬到服务器上而是要回答六个问题**状态管理。**用 LangGraph 这类框架把循环建模为状态图支持中断、恢复、人工审批。会话上下文存 Redis长任务支持断点续传。没有状态管理的 Agent 一重启就失忆。**工具安全。**工具必须最小权限。代码执行要放沙箱禁止直接执行用户输入所有工具调用记录审计日志。能查的、能写的、能删的要分级危险操作前请求确认。这是 Agent 最容易出安全事故的地方。**可观测性。**记录每步的 prompt、token、耗时、工具入参出参接入 LangSmith 或 OpenTelemetry。没有 trace线上出问题只能靠猜。**成本控制。**设置最大步数、最大 token、单次预算小模型做路由和简单任务大模型做复杂推理。多模型路由是成本优化的第一杠杆。**评估体系。**用固定测试集评估任务完成率、工具调用准确率、幻觉率而不是只看回答像不像人。评测集要覆盖正常路径和边界路径。**合规红线。**遵守平台条款、隐私法规、开源许可证不开发用于欺诈、攻击、骚扰的 Agent涉及 AI 生成内容的场景按需标注。## 四、工程化架构分层解耦的 Agent 工厂生产级 Agent 适合采用分层架构把 API 层、编排层、记忆层、工具层解耦。每层通过依赖注入连接便于单元测试和替换实现。 pythonclassAgentOrchestrator:def__init__(self,tools,memory,redis_client):self.tools{t.name:tfortintools}self.llmChatOpenAI(modelgpt-4o,temperature0.2,streamingTrue)self.memorymemory self.max_iterations5asyncdefrun(self,user_input,session_id,stream_callbackNone):historyself._get_short_term(session_id)memoriesawaitself.memory.retrieve_relevant(user_input)system_promptself._build_system_prompt(memories)messages[SystemMessage(contentsystem_prompt)]history[HumanMessage(contentuser_input)]forstepinrange(self.max_iterations):responseawaitself.llm.ainvoke(messages,tools[t.to_openai_schema()fortinself.tools.values()],tool_choiceauto)messages.append(response)ifnotresponse.tool_calls:returnresponse.content tool_resultsawaitself._execute_tools(response.tool_calls)fortc,resultinzip(response.tool_calls,tool_results):messages.append({role:tool,tool_call_id:tc[id],content:result})return达到最大步数 记忆系统采用短期 长期双轨短期用 Redis 存当前会话的滑动窗口长期用向量库存历史问答每次推理前按相关性注入。双轨的好处是既保持对话连贯又不让上下文无限膨胀。## 五、容错与降级设计LLM 接口不稳定是常态容错设计要分层工具调用设置独立超时可重试错误429、5xx用指数退避重试连续失败时降级——LLM 不可用返回缓存答案工具失败返回预设兜底响应。重试放大是个容易被忽视的坑同一个请求不要让 SDK、网关、队列三层都重试否则一次上游抖动会放大成几倍的请求洪峰。## 六、评估体系用数据说话很多团队把 Agent 上线后只看回答像不像人这是最大的误区。评估要围绕三个可量化指标任务完成率测试集里成功完成的比例、工具调用准确率该调的工具调对了多少次、幻觉率编造事实的比例。评测集要覆盖三类用例正常路径、边界输入空输入、超长输入、模糊指令、恶意输入提示注入尝试。 评估跑通之后每次改 Prompt、换模型、调参数都先过一遍评测集再上线。这一步投入不大但能拦住绝大多数改坏了没人发现的回归问题。我见过太多项目死在上线两周后质量悄悄下降——没有评测基线你根本不知道是哪次改动引起的。## 七、总结与建议大模型 Agent 的专业开发本质是把 LLM 的不确定性封装进可观测、可控制、可恢复的工程系统。建议的成长路线先手写一个最小工具调用循环理解 ReAct 的本质再引入框架做状态管理和多 Agent 协作最后补齐观测、评估、成本治理。代码本身不复杂难的是对边界、成本和安全的持续把控。与其看十篇概念文章不如今天就写一个能跑的循环——从最小闭环开始逐步长出生产级的血肉。
AI Agent 工程化实战从最小工具调用循环到生产级系统一、Agent 不是会聊天的机器人很多团队把 Agent 理解成更聪明的聊天机器人这个认知偏差会导致整个技术方案走偏。Agent 的本质是能感知目标、规划步骤、调用工具、根据反馈迭代的智能体。专业开发的核心不是把 Prompt 写得花哨而是把不确定性关进工程框架状态可追踪、工具可管控、失败可恢复、成本可约束。一个可落地的 Agent 通常包含四层规划层负责把用户目标拆成子任务并决定下一步记忆层承载短期对话上下文和长期向量检索工具层对接函数、API、数据库、代码执行沙箱执行循环则是LLM 决策 → 调用工具 → 回填观察 → 继续推理的闭环直到产出最终答案。主流框架有 LangChain/LangGraph、AutoGen、CrewAI、OpenAI Agents SDK 等但无论用哪个底层都是 ReAct 循环的变体。先吃透这个循环再谈框架。二、代码实战从零实现一个工具调用 Agent下面用 OpenAI 兼容 SDK 实现一个最小可运行的 Agent包含计算器和天气查询两个工具importjson,os,refromopenaiimportOpenAI clientOpenAI(api_keyos.getenv(OPENAI_API_KEY))TOOLS[{type:function,function:{name:calculator,description:计算数学表达式例如 (128)*3,parameters:{type:object,properties:{expression:{type:string}},required:[expression]}}},{type:function,function:{name:get_weather,description:查询指定城市天气,parameters:{type:object,properties:{city:{type:string}},required:[city]}}},]defcalculator(expression:str)-str:ifnotre.fullmatch(r[0-9\-*/().\s],expression):return表达式包含不允许的字符try:returnstr(eval(expression,{__builtins__:{}},))exceptExceptionase:returnf计算失败:{e}defget_weather(city:str)-str:data{北京:晴25℃,上海:多云28℃,深圳:阵雨30℃}returndata.get(city,f暂无{city}的天气数据)TOOL_MAP{calculator:calculator,get_weather:get_weather}defrun_agent(user_input:str,max_steps:int5):messages[{role:system,content:你是严谨助手。需要计算或天气时调用工具不要编造。},{role:user,content:user_input}]for_inrange(max_steps):respclient.chat.completions.create(modelgpt-4o-mini,messagesmessages,toolsTOOLS,tool_choiceauto,temperature0.2)msgresp.choices[0].message messages.append(msg)ifnotmsg.tool_calls:returnmsg.contentforcallinmsg.tool_calls:fncall.function.name argsjson.loads(call.function.arguments)resultTOOL_MAP[fn](**args)messages.append({role:tool,tool_call_id:call.id,content:result})return达到最大步数任务未完成 这段代码展示了 Agent 的基本闭环。注意几个生产化要点eval 要替换为安全计算库模拟天气要换成真实 APImax_steps 必须设置否则模型可能陷入调工具—不满意—再调的死循环把 Token 烧光。## 三、生产级关键点六个必答题从 Demo 到生产不是把代码搬到服务器上而是要回答六个问题**状态管理。**用 LangGraph 这类框架把循环建模为状态图支持中断、恢复、人工审批。会话上下文存 Redis长任务支持断点续传。没有状态管理的 Agent 一重启就失忆。**工具安全。**工具必须最小权限。代码执行要放沙箱禁止直接执行用户输入所有工具调用记录审计日志。能查的、能写的、能删的要分级危险操作前请求确认。这是 Agent 最容易出安全事故的地方。**可观测性。**记录每步的 prompt、token、耗时、工具入参出参接入 LangSmith 或 OpenTelemetry。没有 trace线上出问题只能靠猜。**成本控制。**设置最大步数、最大 token、单次预算小模型做路由和简单任务大模型做复杂推理。多模型路由是成本优化的第一杠杆。**评估体系。**用固定测试集评估任务完成率、工具调用准确率、幻觉率而不是只看回答像不像人。评测集要覆盖正常路径和边界路径。**合规红线。**遵守平台条款、隐私法规、开源许可证不开发用于欺诈、攻击、骚扰的 Agent涉及 AI 生成内容的场景按需标注。## 四、工程化架构分层解耦的 Agent 工厂生产级 Agent 适合采用分层架构把 API 层、编排层、记忆层、工具层解耦。每层通过依赖注入连接便于单元测试和替换实现。 pythonclassAgentOrchestrator:def__init__(self,tools,memory,redis_client):self.tools{t.name:tfortintools}self.llmChatOpenAI(modelgpt-4o,temperature0.2,streamingTrue)self.memorymemory self.max_iterations5asyncdefrun(self,user_input,session_id,stream_callbackNone):historyself._get_short_term(session_id)memoriesawaitself.memory.retrieve_relevant(user_input)system_promptself._build_system_prompt(memories)messages[SystemMessage(contentsystem_prompt)]history[HumanMessage(contentuser_input)]forstepinrange(self.max_iterations):responseawaitself.llm.ainvoke(messages,tools[t.to_openai_schema()fortinself.tools.values()],tool_choiceauto)messages.append(response)ifnotresponse.tool_calls:returnresponse.content tool_resultsawaitself._execute_tools(response.tool_calls)fortc,resultinzip(response.tool_calls,tool_results):messages.append({role:tool,tool_call_id:tc[id],content:result})return达到最大步数 记忆系统采用短期 长期双轨短期用 Redis 存当前会话的滑动窗口长期用向量库存历史问答每次推理前按相关性注入。双轨的好处是既保持对话连贯又不让上下文无限膨胀。## 五、容错与降级设计LLM 接口不稳定是常态容错设计要分层工具调用设置独立超时可重试错误429、5xx用指数退避重试连续失败时降级——LLM 不可用返回缓存答案工具失败返回预设兜底响应。重试放大是个容易被忽视的坑同一个请求不要让 SDK、网关、队列三层都重试否则一次上游抖动会放大成几倍的请求洪峰。## 六、评估体系用数据说话很多团队把 Agent 上线后只看回答像不像人这是最大的误区。评估要围绕三个可量化指标任务完成率测试集里成功完成的比例、工具调用准确率该调的工具调对了多少次、幻觉率编造事实的比例。评测集要覆盖三类用例正常路径、边界输入空输入、超长输入、模糊指令、恶意输入提示注入尝试。 评估跑通之后每次改 Prompt、换模型、调参数都先过一遍评测集再上线。这一步投入不大但能拦住绝大多数改坏了没人发现的回归问题。我见过太多项目死在上线两周后质量悄悄下降——没有评测基线你根本不知道是哪次改动引起的。## 七、总结与建议大模型 Agent 的专业开发本质是把 LLM 的不确定性封装进可观测、可控制、可恢复的工程系统。建议的成长路线先手写一个最小工具调用循环理解 ReAct 的本质再引入框架做状态管理和多 Agent 协作最后补齐观测、评估、成本治理。代码本身不复杂难的是对边界、成本和安全的持续把控。与其看十篇概念文章不如今天就写一个能跑的循环——从最小闭环开始逐步长出生产级的血肉。
![【详细教程】对拍 0 基础学习小课堂 [内附例题演示]](http://pic.xiahunao.cn/yaotu/【详细教程】对拍 0 基础学习小课堂 [内附例题演示])
