第 4 章

Agent Loop

Agent 的心跳 — 思考、行动、观察的循环

🎯

像厨师做菜一样

一个厨师做菜的过程是：看菜谱（思考）→ 切菜（行动）→ 尝味道（观察）→ 决定加盐还是加糖（再思考）→ 继续操作。这个循环会一直进行，直到菜做好上桌。Agent Loop 就是完全一样的过程 —— AI 不断循环「思考 → 使用工具 → 查看结果 → 再思考」，直到任务完成。

Agent Loop 是什么？

Agent Loop 是整个 Harness 的核心引擎，可以说是 Agent 的「心跳」。它的工作流程非常简单： 1. 把用户的消息发送给 LLM 2. LLM 返回响应 —— 可能是文字，也可能是工具调用请求 3. 如果是工具调用，执行工具，把结果反馈给 LLM 4. 回到步骤 2，继续循环 5. 直到 LLM 认为任务完成，返回最终文字响应这就是 Agent 能完成复杂任务的秘密 —— 它不是一次性给出答案，而是通过多轮循环，逐步推进任务。

🔄 Agent Loop 动画演示

用户

LLM

工具调用

权限检查

执行工具

返回结果

💬第 1 步：用户发送消息

用户输入一个请求，比如「帮我读取 config.json 文件」

来看看真实的代码（简化版）

openharness/engine/query.py

1async def run_query(context):
2    """Agent Loop 的核心：不断循环直到任务完成"""
3
4    for turn in range(context.max_turns):
5        # 第 1 步：把消息发给 LLM，获取响应
6        response = await stream_response(
7            context.api_client,
8            context.messages,
9            context.tools
10        )
11
12        # 第 2 步：如果 LLM 没有请求工具调用，说明任务完成
13        if response.stop_reason != "tool_use":
14            break
15
16        # 第 3 步：执行 LLM 请求的每个工具
17        for tool_call in response.tool_uses:
18            result = await execute_tool(tool_call)
19            context.messages.append(result)
20
21        # 第 4 步：工具结果已加入消息，回到循环顶部

这是 OpenHarness 中 Agent Loop 的核心代码，简化后只有不到 20 行：

为什么 Agent Loop 如此重要？

Agent Loop 是 Agent 所有能力的基础。没有它，工具、权限、技能这些子系统都只是零散的组件。是 Agent Loop 把它们串联起来，形成一个完整的工作流程。想想看：如果一个任务需要读取文件、修改内容、运行测试、修复错误 —— 这需要多次循环才能完成。每次循环中，LLM 都会根据前一步的结果来决定下一步做什么。这种「思考 → 行动 → 观察」的循环，正是 AI Agent 强大的原因。

stop_reason 的秘密

在 Agent Loop 中，有一个关键的判断条件：stop_reason。当 LLM 返回的 stop_reason 是 "tool_use" 时，意味着 LLM 想要使用工具，循环继续。当 stop_reason 是其他值（比如 "end_turn"）时，意味着 LLM 认为任务已完成，循环结束。这个简单的判断，就是 Agent 知道何时继续工作、何时停止的机制。

📌 关键要点

循环是 Agent 的核心模式

Agent Loop 是一个简单但强大的模式：发送消息 → 获取响应 → 如果需要工具就执行 → 把结果反馈给 LLM → 重复。整个 OpenHarness 的 Agent Loop 核心代码不到 70 行，但它驱动了所有复杂功能。

🧠 检验理解

Agent Loop 什么时候会停止循环？

🧠 检验理解

如果 Agent 需要完成「读取文件 → 修改内容 → 运行测试」这个任务，Agent Loop 大概会循环几次？

Harness 公式工具系统