创建你的第一个 AI Agent
🚀 快速体验
0 代码体验 AI Agent，一句话生成应用：立即体验 →
本节将带你从零开始，用 Python 创建一个简单但完整的 AI Agent。
准备工作
1. Python 环境
Python 3.8+ 版本
2. OpenAI API Key
从 OpenAI 官网获取，或使用其他 LLM API
3. 安装依赖
bash
pip install openai最简单的 Agent
让我们创建一个能够计算数学表达式的简单 Agent：
python
import openai
import json
# 定义工具
def calculate(expression: str) -> str:
"""计算数学表达式"""
try:
result = eval(expression)
return f"计算结果: {result}"
except Exception as e:
return f"计算错误: {str(e)}"
# 工具描述（让 LLM 知道如何使用）
tools = [{
"type": "function",
"function": {
"name": "calculate",
"description": "计算数学表达式，如 '2+3*4'",
"parameters": {
"type": "object",
"properties": {
"expression": {
"type": "string",
"description": "要计算的数学表达式"
}
},
"required": ["expression"]
}
}
}]
# Agent 主循环
def run_agent(user_input: str):
messages = [
{"role": "system", "content": "你是一个数学助手，可以帮用户计算数学问题。"},
{"role": "user", "content": user_input}
]
# 调用 LLM
response = openai.chat.completions.create(
model="gpt-4",
messages=messages,
tools=tools
)
# 检查是否需要调用工具
if response.choices[0].message.tool_calls:
tool_call = response.choices[0].message.tool_calls[0]
args = json.loads(tool_call.function.arguments)
# 执行工具
result = calculate(args["expression"])
# 将结果返回给 LLM
messages.append(response.choices[0].message)
messages.append({
"role": "tool",
"tool_call_id": tool_call.id,
"content": result
})
# 获取最终回复
final_response = openai.chat.completions.create(
model="gpt-4",
messages=messages
)
return final_response.choices[0].message.content
return response.choices[0].message.content
# 测试
print(run_agent("帮我计算 (15 + 27) * 3 - 10"))代码解析
1. 定义工具
calculate 函数是我们的工具，Agent 可以调用它来计算数学表达式。
2. 工具描述
tools 数组告诉 LLM 有哪些工具可用，以及如何调用它们。
3. Agent 循环
LLM 决定是否调用工具，如果调用，我们执行工具并将结果返回给 LLM，让它生成最终回复。
下一步
- 添加更多工具（搜索、文件操作、API 调用）
- 实现记忆系统，让 Agent 记住对话历史
- 添加错误处理和重试机制
- 使用 LangChain 等框架简化开发