AI Agent 的真相：为什么看起来神奇

无需重型框架，仅用 80 行代码构建

很长一段时间以来，我一直有种感觉，AI Agent 被一种神秘的光晕所笼罩。没人真正知道它们在做什么，它们可能很快就要接管世界了，如果你想自己构建一个……嗯，显然你需要一个框架。

如果我告诉你这都不是真的呢？你可以用大约 80 行代码构建自己的 AI Agent。

我得承认，这周还不错。工作上发生了很多事。除此之外，我还收到了一封自动拒绝邮件，对应我提交的一个会议演讲。通常，这种事最多会占据我的思绪五分钟，因为会议拒绝只是这个行业的一部分。

但是……我其实被那个会议邀请了。"你已经被接受了，只需要在 CFP 中提交演讲详情。"因为有这个邀请，我婉拒了另外两个会议机会。算了，至少我现在 9 月份有空了。😉

不管怎样，生活还要继续。今天是我的生日，所以作为送给自己（也送给你们！）的小礼物，我写了这篇文章。😄 希望你会喜欢！

我们真的需要框架吗？

让我们直奔主题。

LangChain、CrewAI 或 Mastra 这样的框架并不是在玩魔法。它们简化了对话历史、工具执行、重试、降级等功能。

一旦你理解了底层机制，就会更容易判断何时框架才真正值得使用。即使你最后还是选择使用一个框架，你也会明白它在引擎盖下做的是什么。

所以我决定构建一个小演示，看看 AI Agent 实际需要多少代码。

我用 Node.js 写了一个 AI Agent，大约 80 行代码……好吧，核心循环确实只有约 80 行。还有工具、提供者抽象和一些周边逻辑。但是说句实话，"一个 80 行的 AI Agent"听起来听得多了。😄

这是仓库：

https://github.com/sylwia-lask/code-review-agent

既然今天是我的生日……如果你喜欢这个项目，可以给它一个 ⭐。当然，只有在你真的喜欢它的时候。😄

这个应用是一个简单的代码审查 Agent。嗯……不完全是这样。

认识 Steve：一位拥有 15 年代码审查经验的软件工程师。Steve 不会轻信任何事情。当然，他有时候可能有点讽刺……但很难反驳他的结论。

他的一个代码审查是这样的：

或者当你有空的 diff 时：

目前，Steve 审查本地 Git diff。这基本上意味着……他在审查自己。所以我想我已经构建了一个自愈 Agent 的原型，根据 @nitsancohen770 的说法，这个东西有一天会让我失业。

如你所见，我基本上是在帮助自动化自己失去工作。也许现在是时候开始考虑退休了。😄

"Agent 只不过是一个循环"

在我之前的文章中，我拿那些声称 AI Agent 不过是一个循环的人开玩笑。嗯……我的 Agent 甚至不是 while 循环。它是一个 for 循环，因为我想保护自己不要意外地创建无限循环，并因 token 花费太多钱。😄

好吧，说实话，循环本身实际上没有做任何事情。它只是负责编排整个过程。但有趣的是，大多数 Agent 框架在引擎盖下做的东西也是相当类似的。

循环本身写起来很轻松。真正的挑战正好在你期望的地方。

构建一个 AI Agent 始于……选择一个 LLM。😄 这次我选择了 Gemini API，因为这类项目的 token 便宜得离谱。我绝对想用本地模型构建下一个版本，但……慢着。😄

我立即遇到了一个问题：某些 Gemini 模型过载了，所以我一直收到 503 响应。这意味着我必须实现框架通常开箱即用的东西——一个简单的重试机制。

我的重试机制有意很基础。生产框架通常提供更多功能，比如指数退避、抖动或自动降级到另一个模型。

下一个挑战当然是写出正确的 prompt。在那之后，一切都变得出乎意料地简单。

Agent 实际上是如何工作的？

这比你想象的简单得多。

步骤 1：发送 prompt 和可用工具

我们向模型发送两样东西：

• 模型被允许使用的工具列表
• 请求看起来是这样的：

{
  "model": "gemini-2.5-flash",
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "Please review the current git diff."
        }
      ]
    }
  ],
  "config": {
    "systemInstruction": "You are Steve, a senior software engineer with 15 years of experience...",
    "tools": [
      {
        "functionDeclarations": [
          {
            "name": "getDiff",
            "description": "Get the git diff of the current repository...",
            "parameters": {
              "type": "OBJECT",
              "properties": {},
              "required": []
            }
          },
          {
            "name": "getFile",
            "description": "Read a file from the repository...",
            "parameters": {
              "type": "OBJECT",
              "properties": {
                "path": {
                  "type": "STRING",
                  "description": "Path to the file relative to the repository root"
                }
              },
              "required": ["path"]
            }
          },
          {
            "name": "listFiles",
            "description": "List files and directories at a given path...",
            "parameters": {
              "type": "OBJECT",
              "properties": {
                "path": {
                  "type": "STRING",
                  "description": "Directory path relative to the repository root"
                }
              },
              "required": ["path"]
            }
          }
        ]
      }
    ]
  }
}

步骤 2：等待模型的响应

模型可以用三种方式响应：

• 通过请求工具调用
• 返回纯文本

如果它返回纯文本，我们完成了：那就是我们最终的代码审查。如果它要求我们调用工具，我们进行到步骤 3。

例如，我们可能会收到：

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {
            "text": "Let's see what damage we're dealing with today..."
          },
          {
            "functionCall": {
              "id": "call_001",
              "name": "getDiff",
              "args": {}
            }
          }
        ]
      }
    }
  ]
}

步骤 3：本地执行工具

现在轮到我们的应用了。

我们在本地执行请求的工具。例如，运行 git diff 或从仓库读取文件，然后将结果作为对话中的另一条消息发送回模型。

这个演示中可用的工具有：

换句话说，就是一个好的代码审查者需要的一切。😄

步骤 4：重复直到模型完成

然后我们简单地回到步骤 2。为了避免陷入无限循环，我将最大迭代次数限制为 10。

不过还有一个重要的细节。

看看下一个请求。注意我们是否在将整个对话历史发送回模型：

{
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "Please review the current git diff."
        }
      ]
    },
    {
      "role": "model",
      "parts": [
        {
          "text": "Let's see what damage we're dealing with today..."
        },
        {
          "functionCall": {
            "id": "call_001",
            "name": "getDiff",
            "args": {}
          }
        }
      ]
    },
    {
      "role": "user",
      "parts": [
        {
          "functionResponse": {
            "id": "call_001",
            "name": "getDiff",
            "response": {
              "result": "diff --git a/src/auth.ts b/src/auth.ts\n--- a/src/auth.ts\n+++ b/src/auth.ts\n@@ -12,7 +12,7 @@\n-  if (password === storedHash) {\n+  if (password == storedHash) {\n"
            }
          }
        }
      ]
    }
  ]
}

就这样。LLM 决定使用哪个工具，以及何时完成。其他一切——执行工具、处理重试、强制迭代限制和编排循环——是我们应用的责任。

很简单，不是吗？如果你喜欢可视化，ChatGPT 为我们准备了一个 😉

我希望在将来至少写两篇后续文章。一篇关于将 Steve 连接到 MCP，另一篇关于用本地 LLM 替换托管模型。

但是……慢着。一步一步来。😄

额外内容：模型是怎么知道该调用函数的？

如果你只是来这里学习如何构建 AI Agent 的，你现在可能可以停止阅读了。😄

这一部分是给好奇的人的。因为迟早有人会问："Sylwia，你在说什么？你说你在构建自己的 AI Agent，但你只是在使用 Gemini SDK。你发送 JSON，得到 JSON 返回。"

而且，正如 @darkwiiplayer 经常指出的那样，LLM 基本上是一个非常复杂的下一个 token 预测器，不是某种神奇的 JSON 生成器。

那么……当我们向模型发送 JSON 时，它怎么知道该做什么？如果我们用的不是 Gemini，而是某个旧的本地 Llama 模型，会发生什么？

Gemini SDK 是否暗中预先添加了某个特殊的 prompt？或者是模型本身被训练了这个功能？

诚实的答案是我们不知道所有的细节。我们知道的是像 Gemini 和 GPT 这样的模型对工具调用有原生支持。SDK 负责正确格式化请求并与 API 通信，而模型本身理解工具声明，并可以在它认为需要的时候生成函数调用。

换句话说，如果我们拿一个更旧的 Llama 模型，我们仍然可以写一个 prompt，解释如何解释 JSON，并要求它用特定的 JSON 格式响应。

然后我们简单地调用 JSON.parse()……

……假设模型实际上返回有效的 JSON，而不是 Markdown、解释或它决定添加的几个"有帮助"的注释。😄

也就是说，值得一提的是，越来越多的新开源模型也开始原生支持工具调用。

尾声：由另一个 Agent 编写的 Agent

说实话。现在是 2026 年。这个 Agent 主要是由……另一个 AI Agent 编写的。😄

由于我做了很长一段时间的 AWS Community Builder，我取消了 Claude Code 订阅，改用 Kiro：一个 AI IDE，内置支持多个 LLM，包括 Claude、GPT 和 Gemini。价格差不多，但由于该计划，我可以免费使用它。

到目前为止，我真的很喜欢它。感觉有点像是 VS Code 顶部的一个 Agent 驱动的层，所以我立即感到了宾至如归。我还有种感觉，我目前可能只在使用它能做的东西的 10%，所以我相当确定我以后会写更多关于它的内容。

现在我只是希望 AWS 最后能给我寄一些周边产品。😄 我特别梦想着他们的一件 T 恤。多年前，我们在波兰实际上有一个叫 AWS 的政党，所以我绝对很想看看一些年长的人的表情。😄

AWS……如果你在阅读这个……我在等待！！😄

如你所见，AI Agent 不一定要从框架开始。有时你只需要一个 LLM、工具、对话历史和一个简单的循环。其他一切都是便利、生产强化和生活质量的改进。

你觉得 Steve 怎么样？你觉得这种构建 AI Agent 的方法怎么样？😄

如果你喜欢这篇文章，你也可以在 LinkedIn 上关注我。

一些评论可能只对登录访问者可见。登录查看所有评论。

要采取进一步的行动，你可以考虑阻止此人和/或举报滥用。