第 04 篇 · 多轮循环：Agent 的核心执行机制

上一篇 我们做了一个最简单的工具调用，通过天气查询这个Demo，演示了工具执行的全流程。但是它目前只能调用一次工具来完成任务，而我们实际项目中，大多数情况下 都不可能只调用一次工具。而是多次调用工具来完成任务目标。

比如我们要完成一个任务 :

用户说："帮我看看 hello.txt 里写了什么，把里面的小写字母改成大写，保存回去。"

要处理这个任务，模型会进行推理，思考要如何来完成这个任务

模型会想：先调 read_file("hello.txt") 看看内容；拿到内容以后，再调 write_file("hello.txt", "改完的内容") 保存。

整个过程是：思考 → 调工具 → 看结果 → 再思考 → 再调工具 → 最终回复。这个过程可能需要重复好多轮才会结束

这一篇我们主要来完成这个多轮循环调用工具的过程。

Agent循环

上一篇工具执行流程的伪代码如下：

response1 = call_llm(messages)
if response1.tool_calls:
    execute_tool(...)
    response2 = call_llm(messages + tool_result)
    print(response2.content)

这段代码我们假设了一件事：模型只会调一次工具，，但是这个假设是错误的。

模型完全可能在第二次调用时，继续输出 tool_calls，要求继续调用工具。

比如它读完文件以后，说"我现在要写文件了"，输出一个新的 tool_calls工具调用。

这时如果你的代码直接 print(response2.content)，你会发现 content 是 None或者是一段继续使用工具的文字说明，这个时候 程序执行也结束，不能继续完成用户的任务。

所以正确的写法是：只要这一轮模型输出还需要调工具，就继续下一轮。直到某一轮模型不再输出工具调用、直接给出文字回复，循环才结束。

用循环直接把流程改一下，伪代码大概是这样：

messages = [system, user]
whileTrue:
    response = call_llm(messages)
    messages.append(response.assistant_msg)

ifnot response.tool_calls:
# 模型给出最终回复，结束
break

for call in response.tool_calls:
        result = execute(call)
        messages.append({"role": "tool", "content": result, ...})

每一次 while 循环 就等于 一次模型调用 + 可能的工具执行。退出条件简单：这一轮模型没要求调工具。

循环要不要设个上限