AI Agent本质解析：50行代码实现ReAct循环

一个AI店主引发的思考

2025年，Anthropic与AI安全公司Andron Labs让Claude Sonnet 3.7经营一家迷你办公室商店，为期约一个月。它自主决定进货和定价，结果却令人哭笑不得：员工开玩笑要一块钨立方，它真进了货，还引发了一波特种金属订单潮；定价不做调研，部分商品售价低于成本；甚至免费送出薯片和钨立方。Anthropic的结论很直接——「如果那天我们招店主，我们不会雇Claude。」

这个实验暴露了Agent的核心问题：它如何做决策？为何重复犯错？又是什么阻止它无限循环？本文基于一档技术视频的拆解，从原理到50行代码实践，还原Agent的真实工作机制。

Agent的本质：模型+工具+循环

视频给出了一个简洁定义：Agent = 模型 + 工具 + 循环。模型的职责是写文本，工具是外部函数，循环则是“思考-行动-观察”的重复过程。OpenAI的Agent构建指南将核心三要素列为模型、工具、指令，而Anthropic工程师的描述更直白：Agent就是LLM在环境反馈中循环使用工具。

你可以把它想象成第一天上班的实习生：拿到任务和清单，思考下一步，执行一个动作（打电话、开表格），查看结果，再回到清单，直到任务完成或主动求助。实习生的大脑是模型，电话和表格是工具，清单是指令——三者缺一不可。

这个循环有一个专门的名字：ReAct（Reason and Act）。它来自2022年10月普林斯顿大学与Google Brain团队的一篇论文。当时模型被分开训练“逐步推理”和“执行动作”，研究者提出让两者交替进行：想一句，做一个动作，读回结果，再想下一句。他们给模型配了一个简易维基百科工具，仅支持搜索、查找和填空三个动作。

论文中的一个例子是：米豪斯（Millhouse）这个辛普森角色名字从何而来？模型先搜索“Millhouse”，再查找“named after”，读到它得名于美国总统理查德·尼克松，最后输出答案。在两个测试环境中，ReAct仅需一两个示例提示，成功率就比模仿学习和强化学习方法分别高出34和10个点；在需要查资料的问题上，它把纯推理产生的编造事实减少了约一半。八周后，ChatGPT发布。

ReAct 是 Reasoning and Acting 的缩写，核心思想是让大语言模型交替进行“推理轨迹”和“动作执行”。在 ReAct 之前，主流方法要么只做链式推理（Chain-of-Thought），模型在内部独白但不与外部交互；要么只做动作预测（Act-only），模型直接输出动作但缺乏推理支撑。ReAct 将两者交织：模型先输出一段思考（Thought），再输出动作（Action），环境返回观察（Observation），模型再基于观察继续思考。这种设计让模型能动态调整计划、纠正错误，并利用外部工具弥补自身知识盲区。论文在 HotpotQA 和 FEVER 等任务上验证了其有效性，尤其适合需要多步推理和外部信息检索的场景。ReAct 已成为当前 Agent 架构的事实基础，后续的工具调用协议（如 function calling）本质上是对“动作”部分的标准化。

工具调用：从论文到产品

ReAct解决了“怎么循环”，工具调用解决了“怎么让模型可靠地请求工具”。2023年2月，Meta AI团队指出一个悖论：大模型在算术和查事实等基础任务上表现不佳，而更小的专用模型反而更擅长。他们的方案是训练模型决定何时调用哪个工具、输入什么参数，比如计算器。

2023年6月，OpenAI推出function calling：你描述函数，模型回复一个JSON对象，标明函数名和参数。例如“波士顿天气如何”转化为对天气函数的调用。2024年5月，Anthropic在Claude 3系列全面开放tool use。Google Gemini文档中称之为function calling或tool use。2024年7月，可在笔记本运行模型的Ollama也加入支持。到2025年3月，OpenAI发布开源Agents SDK，Google推出开源Agent Development Kit，LangChain有LangGraph，CrewAI专注多Agent协作，微软有Agent Framework（AutoGen的继任者）。

这些框架风格各异，但其中四个都内置了同一个安全机制——后文会揭晓。

Function calling（函数调用） 是一种让大语言模型以结构化格式（通常是 JSON）输出工具调用请求的机制。在此之前，让模型调用工具通常依赖提示工程或微调，输出格式不稳定，难以可靠解析。Function calling 的核心在于：开发者用 JSON Schema 描述每个函数的名称、用途和参数类型，模型在需要时输出一个符合该 Schema 的 JSON 对象，而非自然语言。运行时系统解析该对象，执行对应函数，并将结果回传给模型。这一机制将“模型输出”与“程序执行”解耦，使工具调用变得可验证、可编排。OpenAI 于 2023 年 6 月推出该能力，随后 Anthropic 的 tool use、Google 的 function calling 均采用类似设计。它也是现代 Agent 框架能够标准化循环流程的关键前提。

关键认知：模型不执行工具

回到开头的问题：一个只会写文本的程序，如何改商店里的价格？答案是：它不改，它写请求，你的代码去改。

完整循环是：

• 思考：模型收到任务和工具列表（含简短描述），回复最终答案或工具请求（名称+参数）。
• 行动：你的程序（不是模型）执行该工具。
• 观察：结果被回传给模型。
• 重复：带着结果进入下一轮。

商店AI也是如此。网页搜索、邮件、与客户沟通的Slack、改价工具——每个都是人写的函数，模型只负责写请求。模型只依赖对话中的内容，那段消息列表就是它的笔记本，没写进去的它一概不知。这也是商店AI需要记录工具的原因：完整运营历史会超出上下文窗口。

上下文窗口（context window） 是模型在单次推理中能“看到”的全部文本范围，包括系统提示、对话历史、工具定义和工具返回结果。模型没有持久记忆，每次调用都是无状态的——它只能基于当前上下文窗口中的内容做决策。因此，Agent 的“记忆”本质上是对上下文窗口的管理：哪些信息写回、哪些丢弃、何时压缩摘要。商店 AI 实验中的学习和记忆挑战正源于此：完整运营历史很快超出窗口容量，模型无法记住几天前的定价决策，导致重复犯错。这也是为什么 Agent 工程中常需要外部记忆存储（如向量数据库）或滚动摘要机制，来弥补上下文窗口的物理限制。

50行代码跑通一个Agent

视频作者用约50行Python、一个在笔记本上运行的小模型（Qwen 2.5，约5亿参数）和Ollama（支持工具调用）构建了一个Agent。工具只有两个：计算器和天气查询（仅Pune和London，假数据）。顶部设一条规则：最多5步。

第一个任务：23乘47等于多少。第1步，模型思考并请求计算器，参数23和47；代码执行，返回1081；第2步，模型给出最终答案。模型从未做数学，计算器做的——这正是Meta团队思路的体现。

下一个任务：London和Pune的天气。模型一步内同时请求两个城市，得到12°C雨和31°C晴，然后作答。

再难一点：Pune天气多少华氏度？天气工具返回31°C，模型直接输出“31°F”。错了，31°C约88°F，计算器就在手边，它却只换了标签。这个迷你模型的教训是：循环只检查模型决定检查的东西。作者注：在温度0、固定种子下做了8次完整运行（另有2次侧边故障），每次步骤和答案完全一致，但换模型或设置可能不同。

故意破坏：无限循环的诞生

现在故意埋一个bug：每步之后不写回任何内容——不写模型请求，也不写结果。模型每次都看到同样的笔记本，温度0下做出同样请求。

同样问Pune天气：第1步调用天气工具，观察31°C晴；第2步再次调用；第3步、第4步、第5步……同样的调用、同样的结果。它看不到结果，就不知道自己已经拿到了。第5步触发上限，终止，无最终答案。

那行步数限制是它停下的唯一原因。没有它，循环会一直跑到别的东西坏掉。每一步都是一次模型调用，付费服务上每一步都花钱——5次调用，0个答案。

这正是商店AI问题的漫画版。它宣布取消折扣码，几天后又开始发；Anthropic记录称“学习和记忆是那次实验的重大挑战”。后续用更新的Claude模型时商店表现更好，但讨好用户的倾向仍让它在对抗性测试者面前吃亏。ReAct论文也报告过类似常见错误：模型重复之前的思考与行动，无法跳出循环；无效搜索占其错误案例的23%。Anthropic坦言，自主性意味着更高成本和错误累积的可能。

修复很朴素：把每个结果都写回对话。OpenAI Agents SDK正是这样描述：执行工具调用，追加结果，再跑循环，直到达到停止条件（如最大步数）。Anthropic称步数限制是常见实践，OpenAI指南视其为正常运行结束方式。

最大步数限制（max steps / max turns） 是 Agent 循环中最基础也最重要的安全机制。由于模型每次调用都是无状态的，它无法感知自己已经重复了多少次相同动作——除非代码主动把历史写回上下文或强制终止。最大步数限制在框架层面硬性截断循环，防止因观察缺失、工具故障或模型陷入重复模式而导致的无限调用。不同框架命名各异（max_turns、recursion_limit、max_iterations），但逻辑一致：设定一个上限，达到后强制结束并返回当前最佳结果或报错。这一机制不仅控制成本（每次模型调用都计费），也避免 Agent 在无人监督下持续产生副作用。生产环境中，步数上限通常还需配合超时、人工审批和异常回滚等机制共同使用。

安全阀：四个框架同一个答案

什么能阻止失控的Agent？就是那个安全阀：

• OpenAI Agents SDK：max_turns，超过即报错。
• LangGraph：recursion_limit，自1.0.6版本起默认1000步。
• Google ADK：限制单次运行的模型调用数，默认500。
• CrewAI：max_iterations，默认20，之后Agent必须给出最佳答案。

四个工具包，四个名字，同一个安全阀。如果每一步都花钱，上线前先检查这个设置。

三个常见误解

误解一：Agent是更聪明的特殊模型。 错。视频里的Agent用的就是你聊天时那个小模型，工具和循环让它成为Agent。

误解二：自主性越高越好。 OpenAI指南建议团队逐步构建，Anthropic推荐能用的最简单方案，有时根本不需要Agent。Agent适合“固定规则不够用”的场景。

误解三：必须用框架。 50行代码就够。Google ADK和LangGraph确实提供中断恢复、故障处理、人工审批等实际好处，但也可能隐藏底层提示、增加调试难度。这是取舍，不是对错。

结语

Agent就是一个拿着清单的实习生：模型、工具、指令，在循环中思考、行动、观察、重复。模型只写请求，你的代码执行工具；它只知道笔记本里写了什么；它需要步数限制，因为有时它不会自己停下。理解这三件事，你就理解了当下所有Agent框架的底层逻辑。