A4 里模型调用一次工具就回答了。真实任务常常要好几步：先查资料，再算数，再查另一个东西……每一步做什么取决于上一步的结果。把「调用工具 → 看结果 → 决定下一步」放进循环，就是 Agent。
最小的 Agent 循环
python
import json, os
from openai import OpenAI
client = OpenAI(base_url="https://hivegpt.cn/v1", api_key=os.environ["HIVEGPT_API_KEY"])
def run_agent(question, tools, functions, max_steps=6):
messages = [
{"role": "system", "content": "你可以使用工具。需要信息就先查，需要计算就用计算器，不要自己心算。"},
{"role": "user", "content": question},
]
for step in range(max_steps):
resp = client.chat.completions.create(model="gpt-5.5", messages=messages, tools=tools)
msg = resp.choices[0].message
if not msg.tool_calls: # 不再调用工具：这就是最终回答
return msg.content
messages.append(msg) # 先把模型这一步（含 tool_calls）放回对话
for call in msg.tool_calls: # 一步里可能有多个调用
try:
args = json.loads(call.function.arguments)
result = functions[call.function.name](**args)
except Exception as e: # 出错也要回传，让模型自己调整
result = f"调用失败：{e}"
print(f"第 {step + 1} 步：{call.function.name}({args}) -> {result}")
messages.append({"role": "tool", "tool_call_id": call.id, "content": str(result)})
return "步数用完了，没有得到答案。"循环只有三种结局：
- 模型不再调用工具，给出回答 → 正常结束。
- 达到
max_steps→ 强制结束，防止死循环和费用失控。 - 出现异常（网络、余额不足等）→ 交给外层重试或报错，下一课细讲。
工具怎么准备
接着用上一课的咖啡店：一个查资料的工具，一个计算器。
python
DOCS = {
"菜单": "拿铁 28 元，美式 22 元，燕麦拿铁 32 元；大杯加 4 元。",
"会员规则": "会员每消费 1 元积 1 分，每 100 分可抵扣 5 元。",
"营业时间": "周一到周五 8:00–21:00，周末 9:00–22:00。",
}
def search_docs(query):
hits = [f"{k}：{v}" for k, v in DOCS.items() if any(w in k + v for w in query.split())]
return "\n".join(hits) or "没有找到相关资料"
def calculator(expression):
allowed = set("0123456789+-*/(). ")
if not set(expression) <= allowed:
raise ValueError("只支持数字和 + - * / ( )")
return eval(expression, {"__builtins__": {}}) # 示例用；正式项目请用安全的表达式解析库
TOOLS = [
{"type": "function", "function": {"name": "search_docs", "description": "查询小蜂咖啡的菜单、会员规则、营业时间等资料",
"parameters": {"type": "object", "properties": {"query": {"type": "string", "description": "关键词，空格分隔"}}, "required": ["query"]}}},
{"type": "function", "function": {"name": "calculator", "description": "计算四则运算表达式，例如 28*3-10",
"parameters": {"type": "object", "properties": {"expression": {"type": "string"}}, "required": ["expression"]}}},
]
print(run_agent("我买 3 杯大杯拿铁，用 200 积分抵扣，还要付多少钱？", TOOLS,
{"search_docs": search_docs, "calculator": calculator}))动手：看 Agent 一步步做
下面的运行框会真的跑这个循环：每一步把模型想调用的工具显示出来，工具在你的浏览器里执行（资料就是上面那几条），结果再发回模型。每一步都是一次模型调用，从你选的 Key 按用量计费。
▶ 运行 Agent 循环
第 1 步 · search_docs({"query":"拿铁 大杯"}) → 菜单：拿铁 28 元……大杯加 4 元。
第 2 步 · search_docs({"query":"积分 抵扣"}) → 会员规则：……每 100 分可抵扣 5 元。
第 3 步 · calculator({"expression":"(28+4)*3-200/100*5"}) → 86
第 4 步 · 最终回答：3 杯大杯拿铁共 96 元，200 积分抵 10 元，还需支付 86 元。试试换个问题：「周六晚上 9 点半还能去吗？」「一杯燕麦拿铁比美式贵百分之多少？」看它调用的工具有什么不同。
让 Agent 更可靠
- 工具描述要具体：写清楚「什么时候用」「参数是什么格式」，模型选错工具多半是描述含糊。
- 工具结果要简短：把几万字的网页原样塞回去，既贵又容易让模型迷失；先截取、摘要。
- 报错也是结果：参数不对时把错误信息回传，模型通常会改正后重试。
- 记录每一步：打印或存下每步的工具名、参数、结果和 token，出问题时才能复盘。
- 有副作用的工具要确认：下单、发消息、删数据前，让用户确认（A4 讲过）。
什么时候不用 Agent
Agent 灵活，但每一步都是一次模型调用：更慢、更贵、结果也更难预测。如果步骤是固定的（比如「先检索，再回答」），直接按顺序写代码更好——A5 的 RAG 就不需要 Agent。步骤要根据中间结果临时决定时，才值得用循环。
小结
- Agent = Function Calling + 循环：模型选工具，你执行，结果交回，直到它不再调用工具。
- 一定要有步数上限；工具出错也要回传；每一步都记日志。
- 流程固定就写普通代码，需要临场决策才用 Agent。
下一课：工具一多，每个应用都要重复接一遍。MCP 把工具做成标准插件，一次编写，多处使用。