Agent ReAct and Loop

同步至个人站点：Agent ReAct and Loop

Agent ReAct and Loop

我一直在使用 ChatGPT 或通义千问这样的 AI 工具，它们很强大，但多数情况下都是“一问一答”。我提一个问题，它给一个答案。

但我注意到，像 Manus 或 Claude Code CLI 这样的“Agent”（智能体）产品，它们似乎可以自动执行任务。你给它一个目标，它会自己去调用工具、分析结果、继续下一步，直到任务完成。

066

这到底是怎么做到的？它如何摆脱“一问一答”的限制，实现自动循环？这就是我这周探索的问题。

关键概念：ReAct

我读了一些资料，发现了一个关键概念：ReAct。

这是 2022 年一篇论文（ReAct: Synergizing Reasoning and Acting in Language Models）提出的思想。它模仿了人类的工作方式：

Reason（思考）：分析当前情况，决定下一步该做什么。
Act（行动）：执行一个动作（比如调用工具、搜索信息）。

完成“行动”后，会得到一个新的“观察”（Observation），比如工具的返回结果。然后，Agent 带着这个新结果，回到第 1 步，再次“思考”，形成一个循环。

一个线索：Claude 的日志

这个“思考-行动”的循环听起来很合理。为了验证它，我做了一个小实验。

我查看了 Claude 编码助手（我在 Mac 上的路径是 ./claude/projects/*.jsonl）的会话日志文件。这些 .jsonl 文件记录了我和 Agent 的完整对话。

067

我发现，里面的消息（Message）并不仅仅是“我问”和“它答”，而是主要有四种类型：

user：用户的消息。
assistant：模型（Agent）的消息。
tool_call：模型决定调用一个工具。
tool_result：工具执行后返回的结果。

这揭示了一个秘密：assistant 的回复并不总是最终答案。它可能是一个 tool_call（工具调用）请求，用来告诉外部程序：“请帮我执行这个函数”。

执行完毕后，系统会把 tool_result（工具结果）再发给 assistant。

流程：一个循环

看到这里，我基本想通了。Agent 的自动执行，本质上就是这样一个流程：

[用户输入] -> [LLM 思考] -> [决定：调用工具 A] -> [系统执行 A] -> [A 的结果] -> [LLM 思考] -> [决定：调用工具 B] -> [系统执行 B] -> ... -> [最终答案]

这个流程的核心，就是一个循环（Loop）。

只要 LLM 返回的不是最终答案，而是一个 tool_call，系统就去执行它，然后把结果塞回去，让 LLM 继续“思考”。

Demo 快速验证

我的逻辑很清晰：一个主函数，它负责调用 LLM。调用后，检查返回结果。

如果结果是普通文本（最终答案），就返回它。
如果结果是 tool_call，就去执行工具，然后把工具结果和之前的对话历史“拼”在一起，递归调用自己。

下面是一个简化的伪代码：

1class SimpleAgent {
2  async chat(message) {
3    const assistantResponse = await this.callLLM(message)
4    if (assistantResponse.hasToolCall) {
5      const toolResult = await this.callTool(assistantResponse.toolCall) // 递归调用，将tool result作为新消息
6      return this.chat(toolResult)
7    }
8    return assistantResponse.content
9  }
10}
11

为了快速验证我的想法，我让 Claude Code 基于 Plasmo 快速开发了一个侧边栏形式的 Browser Agent，效果如下：

068

这不是产品，只是 Demo。仅用于验证我自己所理解的 Loop。

我的感想

在做完这些事情以后，我豁然开朗。

Agent 的“自动执行”，其核心就是这个 “LLM 思考 -> 工具执行 -> 结果反馈 -> LLM 再思考” 的循环。

当然，我这个实现非常简陋。一个工业级的 Agent 框架（比如 LangChain）要复杂得多，它们需要处理：

LLM 兼容：如何适配不同厂商（OpenAI, Anthropic, Google）的接口和 tool_call 格式。
工具管理：如何动态注册、描述和安全地执行工具。
记忆（Memory）：如何在循环中管理越来越长的对话历史，防止 Token 溢出。
路由（Router）：当有上百个工具时，如何决定调用哪一个。

但通过亲自动手，我总算摸清了 ReAct 架构的基本原理。这对于我后续的学习，算是打下了一个很好的基础吧。

（完）

《Agent ReAct and Loop》是转载文章，点击查看原文。