首页 › concepts › agent loop
agentllmarchitecture type: concept 创建: 2026-04-10 更新: 2026-04-10

Agent Loop

AI Agent 的核心执行循环模式：LLM 与工具之间反复交互，直到任务完成或达到迭代上限。

通用模式

消息 → 构建上下文 → LLM推理 → [工具调用?] → [执行工具] → [继续循环?] → 响应

nanobot 的实现

位于 nanobot/agent/loop.py（~750行）。

核心流程

  1. 接收入站消息：从 MessageBus 接收 InboundMessage
  2. 构建上下文：ContextBuilder 组装 system prompt（bootstrap 文件 + 记忆 + 技能 + 运行时上下文）
  3. LLM 推理：调用 AgentRunner 执行
  4. 工具调用：解析 LLM 输出的 tool calls，执行工具
  5. 发送响应：通过 MessageBus 发送 OutboundMessage

AgentRunner（共享执行引擎）

位于 agent/runner.py（~723行），负责：

  • 重试机制：空响应最多重试 2 次，长度恢复最多 3 次
  • 截断策略：超过 max_tool_result_chars 时截断，保留最近 10 条工具结果
  • 工具预算：按 _COMPACTABLE_TOOLS（read_file/exec/grep/glob/web_search 等）决定是否压缩历史
  • 错误处理：工具执行失败时自动追加 [Analyze the error above and try a different approach.]

Hook 系统

hook.py 定义生命周期钩子 _LoopHook：

  • wants_streaming(): 是否启用流式输出
  • on_stream(): 增量 delta 输出（剥离 <think> 标签）
  • before_execute_tools(): 工具执行前回调（进度提示、日志）
  • after_iteration(): 迭代结束后回调（token 使用统计）
  • finalize_content(): 最终内容后处理

关键工具集

  • 内置 9 类：exec(shell) | filesystem(read/write/edit/list_dir/grep/glob) | web(search/fetch) | spawn(子agent) | message | cron | mcp | sandbox | search(glob/grep)
  • MCP 外部工具：mcp_* 前缀，排序后追加到内置工具列表

工具调用截断策略

_COMPACTABLE_TOOLS = frozenset({
    "read_file", "exec", "grep", "glob",
    "web_search", "web_fetch", "list_dir",
})

读文件、exec、grep、web 类工具结果可被压缩，只保留最近 10 条且最小 500 字符。

相关概念