5.2 构建 AI Agent

Agent = LLM + 工具 + 循环——让 AI 自主决定调用什么工具、执行多少轮，直到完成任务。

这一节在讲什么？

上一节我们学了 Function Calling 的单次调用流程——模型请求调用工具，你执行后返回结果，模型生成最终回答。但实际场景中，一个任务可能需要多轮工具调用——AI 先查天气，再查航班，再订票。AI Agent 就是一个能自主进行多轮工具调用的循环——AI 自己决定调用什么工具、执行多少轮，直到完成任务。这一节我们用 DeepSeek 构建一个完整的 AI Agent。

Agent 循环

Agent 的核心是一个循环：

Agent 循环：

  while 任务未完成:
    1. 发送 messages 给 LLM
    2. LLM 返回响应
    3. 如果 LLM 请求调用工具：
       a. 执行工具
       b. 把结果加入 messages
       c. 继续循环
    4. 如果 LLM 直接给出最终回答：
       a. 返回回答
       b. 退出循环

完整的 Agent 实现

python

from openai import OpenAI
import json

client = OpenAI(api_key="sk-xxxxxxxx", base_url="https://api.deepseek.com")

# 工具定义
tools = [
    {
        "type": "function",
        "function": {
            "name": "search_web",
            "description": "搜索互联网获取信息",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {"type": "string", "description": "搜索关键词"}
                },
                "required": ["query"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "calculate",
            "description": "执行数学计算",
            "parameters": {
                "type": "object",
                "properties": {
                    "expression": {"type": "string", "description": "数学表达式"}
                },
                "required": ["expression"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "read_file",
            "description": "读取文件内容",
            "parameters": {
                "type": "object",
                "properties": {
                    "path": {"type": "string", "description": "文件路径"}
                },
                "required": ["path"]
            }
        }
    }
]

# 工具实现
def search_web(query: str) -> str:
    return f"搜索结果：关于'{query}'的最新信息..."

def calculate(expression: str) -> str:
    try:
        result = eval(expression)
        return str(result)
    except Exception as e:
        return f"计算错误：{e}"

def read_file(path: str) -> str:
    try:
        with open(path, "r") as f:
            return f.read()[:2000]
    except FileNotFoundError:
        return f"文件不存在：{path}"

tool_map = {
    "search_web": search_web,
    "calculate": calculate,
    "read_file": read_file
}

# Agent 主循环
def run_agent(user_message: str, max_rounds: int = 10) -> str:
    messages = [
        {"role": "system", "content": "你是一个AI助手，可以使用工具帮助用户完成任务。"},
        {"role": "user", "content": user_message}
    ]

    for round_num in range(max_rounds):
        response = client.chat.completions.create(
            model="deepseek-chat",
            messages=messages,
            tools=tools,
            temperature=0.1
        )

        message = response.choices[0].message
        messages.append(message)

        if not message.tool_calls:
            return message.content

        for tool_call in message.tool_calls:
            func_name = tool_call.function.name
            func_args = json.loads(tool_call.function.arguments)

            print(f"[Round {round_num + 1}] 调用工具: {func_name}({func_args})")

            result = tool_map[func_name](**func_args)

            messages.append({
                "role": "tool",
                "tool_call_id": tool_call.id,
                "content": str(result)
            })

    return "Agent 达到最大轮数限制，任务未完成。"

# 使用 Agent
answer = run_agent("计算 (15 + 27) * 3 的结果")
print(answer)

错误处理

Agent 的工具调用可能失败——你需要处理这些错误：

python

for tool_call in message.tool_calls:
    func_name = tool_call.function.name
    func_args = json.loads(tool_call.function.arguments)

    try:
        result = tool_map[func_name](**func_args)
    except Exception as e:
        result = f"工具执行失败：{e}"

    messages.append({
        "role": "tool",
        "tool_call_id": tool_call.id,
        "content": str(result)
    })

当工具执行失败时，把错误信息返回给模型——模型可能会换一种方式完成任务，或者告诉用户遇到了问题。

常见误区

误区一：Agent 不需要限制工具调用轮数

需要。如果模型陷入循环（反复调用同一个工具），可能导致 API 费用失控。建议设置最大轮数（如 10 轮），超过后强制退出。

误区二：Agent 只能用 deepseek-chat

deepseek-reasoner 也支持 Function Calling，但 V3 的工具调用更可靠、更快速。建议 Agent 场景优先用 V3。

误区三：Agent 的工具调用总是正确的

不一定。模型可能传入错误的参数、调用不相关的工具、甚至"幻觉"出不存在的工具名。你需要在代码中验证模型的工具调用请求——检查函数名是否存在、参数是否合法。

误区四：Agent 能完成任何任务

不能。Agent 的能力受限于你提供的工具——没有数据库查询工具，Agent 就无法查数据库；没有文件写入工具，Agent 就无法修改文件。Agent 的能力边界 = LLM 的推理能力 + 你提供的工具集。

小结

这一节我们用 DeepSeek 构建了一个完整的 AI Agent：Agent 循环（LLM → 工具调用 → 执行 → 结果返回 → 继续）、工具注册表模式、错误处理、最大轮数限制。Agent 的核心是"自主决策"——AI 自己决定调用什么工具、执行多少轮。下一节我们学习 DeepSeek + RAG 实战。

5.2 构建 AI Agent ​

这一节在讲什么？ ​

Agent 循环 ​

完整的 Agent 实现 ​

错误处理 ​

常见误区 ​

小结 ​