如何构建现代Agent以OpenManus为例

如何构建现代Agent以OpenManus为例

一、引言

在人工智能快速发展的今天，Agent（智能体）已成为连接大语言模型与实际应用场景的关键桥梁。现代Agent不仅能够理解自然语言指令，更重要的是能够通过工具调用（Tool Calling）主动执行操作，完成复杂的任务。从代码编写、数据分析到网页浏览、文件操作，Agent正在重塑我们与计算机交互的方式。

OpenManus是一个开源的通用AI Agent框架，它展示了如何构建一个功能完整、架构清晰的现代Agent系统。本文将以OpenManus项目为蓝本，系统性地解答现代Agent构建中的四个核心问题：

1. 项目结构与核心部分代码如何编写
2. 工具是如何被添加到Agent的
3. Agent是如何调用这些工具的
4. Agent是如何思考的

通过深入分析OpenManus的代码实现，我们将构建对现代Agent架构的完整认知，为构建自己的Agent系统提供实践指导。

二、项目结构与核心代码架构

2.1 分层架构设计

现代Agent系统通常采用分层架构，每一层负责不同的职责。OpenManus采用了清晰的四层架构设计：

基础层（Base Layer）：app/agent/base.py

BaseAgent是所有Agent的抽象基类，提供了Agent运行的基础设施：

class BaseAgent(BaseModel, ABC):
    name: str  # Agent唯一标识
    description: Optional[str]  # Agent描述
    system_prompt: Optional[str]  # 系统级指令
    next_step_prompt: Optional[str]  # 下一步行动提示

    llm: LLM  # 大语言模型实例
    memory: Memory  # 记忆存储
    state: AgentState  # 当前状态（IDLE/RUNNING/FINISHED/ERROR）

    max_steps: int = 10  # 最大执行步数
    current_step: int = 0  # 当前步数

核心功能：

1. 状态管理 ：通过state_context上下文管理器实现安全的状态转换
2. 内存管理 ：update_memory()方法统一管理对话历史
3. 执行循环 ：run()方法实现主执行循环，包含步数限制和卡死检测

async def run(self, request: Optional[str] = None) -> str:
    if request:
        self.update_memory("user", request)

    async with self.state_context(AgentState.RUNNING):
        while (self.current_step < self.max_steps and
               self.state != AgentState.FINISHED):
            self.current_step += 1
            step_result = await self.step()  # 执行单步

            if self.is_stuck():  # 检测是否卡死
                self.handle_stuck_state()

思考层（Reasoning Layer）：app/agent/react.py

ReActAgent实现了经典的ReAct（Reasoning + Acting）模式，将Agent的执行分为思考和行动两个阶段：

class ReActAgent(BaseAgent, ABC):
    @abstractmethod
    async def think(self) -> bool:
        """处理当前状态并决定下一步行动"""

    @abstractmethod
    async def act(self) -> str:
        """执行已决定的行动"""

    async def step(self) -> str:
        """执行单步：思考然后行动"""
        should_act = await self.think()
        if not should_act:
            return "Thinking complete - no action needed"
        return await self.act()

这种设计将"决策"和"执行"解耦，使得Agent的思考过程更加清晰可控。

工具调用层（Tool Call Layer）：app/agent/toolcall.py

ToolCallAgent在ReAct模式基础上，实现了具体的工具调用机制：

class ToolCallAgent(ReActAgent):
    available_tools: ToolCollection  # 可用工具集合
    tool_choices: TOOL_CHOICE_TYPE = ToolChoice.AUTO
    tool_calls: List[ToolCall] = Field(default_factory=list)

    async def think(self) -> bool:
        # 调用LLM，传入工具列表
        response = await self.llm.ask_tool(
            messages=self.messages,
            system_msgs=[Message.system_message(self.system_prompt)],
            tools=self.available_tools.to_params(),  # 工具列表
            tool_choice=self.tool_choices,
        )
        # 解析LLM返回的工具调用
        self.tool_calls = response.tool_calls if response else []
        # ...

    async def act(self) -> str:
        # 执行工具调用
        for command in self.tool_calls:
            result = await self.execute_tool(command)
            # 将结果添加到记忆
            tool_msg = Message.tool_message(
                content=result,
                tool_call_id=command.id,
                name=command.function.name,
            )
            self.memory.add_message(tool_msg)

应用层（Application Layer）：app/agent/manus.py

Manus是具体的业务Agent实现，配置了实际可用的工具集合：

class Manus(ToolCallAgent):
    name: str = "Manus"
    system_prompt: str = SYSTEM_PROMPT.format(directory=config.workspace_root)

    # 配置工具集合
    available_tools: ToolCollection = Field(
        default_factory=lambda: ToolCollection(
            PythonExecute(),      # Python代码执行
            BrowserUseTool(),     # 浏览器操作
            StrReplaceEditor(),   # 文件编辑
            AskHuman(),          # 人工交互
            Terminate(),         # 终止工具
        )
    )

2.2 核心代码模块

数据模型：app/schema.py

定义了Agent系统的核心数据结构：

• Message：消息模型，支持user、assistant、system、tool四种角色
• Memory：对话历史管理，维护完整的消息序列
• ToolCall：工具调用结构，包含工具ID、名称和参数
• AgentState：Agent状态枚举（IDLE、RUNNING、FINISHED、ERROR）

class Message(BaseModel):
    role: ROLE_TYPE  # user/assistant/system/tool
    content: Optional[str]
    tool_calls: Optional[List[ToolCall]]
    tool_call_id: Optional[str]  # 关联工具调用结果
    base64_image: Optional[str]  # 支持多模态

LLM封装：app/llm.py

LLM类提供了统一的大模型接口，关键方法：

• ask_tool()：支持function calling的调用方法，接收工具列表并返回工具调用决策
• Token计数与管理：跟踪输入输出token，防止超出限制
• 消息格式化：将内部Message对象转换为LLM API格式

async def ask_tool(
    self,
    messages: List[Union[dict, Message]],
    system_msgs: Optional[List[Union[dict, Message]]] = None,
    tools: Optional[List[dict]] = None,
    tool_choice: TOOL_CHOICE_TYPE = ToolChoice.AUTO,
) -> ChatCompletionMessage:
    # 格式化消息
    messages = self.format_messages(messages, supports_images)

    # 计算token并检查限制
    input_tokens = self.count_message_tokens(messages)
    if not self.check_token_limit(input_tokens):
        raise TokenLimitExceeded(...)

    # 调用API
    response = await self.client.chat.completions.create(
        model=self.model,
        messages=messages,
        tools=tools,
        tool_choice=tool_choice,
    )
    return response.choices[0].message

工具系统：app/tool/

工具系统是Agent能力的核心扩展点：

• BaseTool：所有工具的抽象基类
• ToolCollection：工具集合管理器，提供统一的工具查找和执行接口
• 具体工具实现：PythonExecute、BrowserUseTool、StrReplaceEditor等

三、工具如何被添加到Agent

3.1 工具的定义与实现

工具基类设计

所有工具都继承自BaseTool，它定义了工具的标准接口：

class BaseTool(ABC, BaseModel):
    name: str  # 工具名称，必须唯一
    description: str  # 工具描述，LLM据此决定是否使用
    parameters: Optional[dict]  # JSON Schema格式的参数定义

    @abstractmethod
    async def execute(self, **kwargs) -> Any:
        """工具执行逻辑，子类必须实现"""
        pass

    def to_param(self) -> Dict:
        """转换为OpenAI function calling格式"""
        return {
            "type": "function",
            "function": {
                "name": self.name,
                "description": self.description,
                "parameters": self.parameters,
            },
        }

工具实现示例

以PythonExecute工具为例：

class PythonExecute(BaseTool):
    name: str = "python_execute"
    description: str = "Executes Python code string..."
    parameters: dict = {
        "type": "object",
        "properties": {
            "code": {
                "type": "string",
                "description": "The Python code to execute.",
            },
        },
        "required": ["code"],
    }

    async def execute(self, code: str, timeout: int = 5) -> Dict:
        """执行Python代码"""
        # 使用多进程执行，支持超时控制
        with multiprocessing.Manager() as manager:
            result = manager.dict({"observation": "", "success": False})
            proc = multiprocessing.Process(
                target=self._run_code, args=(code, result, safe_globals)
            )
            proc.start()
            proc.join(timeout)
            # ...
        return dict(result)

工具描述的质量直接影响LLM的选择准确性。好的描述应该：

• 清晰说明工具的用途
• 明确参数的含义和约束
• 说明工具的使用场景和限制

3.2 Agent中的工具配置

静态工具配置

在Agent类定义时，通过Field(default_factory=...)配置工具集合：

class Manus(ToolCallAgent):
    available_tools: ToolCollection = Field(
        default_factory=lambda: ToolCollection(
            PythonExecute(),
            BrowserUseTool(),
            StrReplaceEditor(),
            AskHuman(),
            Terminate(),
        )
    )

这种方式适合在Agent初始化时就确定可用的工具。

动态工具添加

ToolCollection提供了动态添加工具的方法：

class ToolCollection:
    def __init__(self, *tools: BaseTool):
        self.tools = tools
        self.tool_map = {tool.name: tool for tool in tools}

    def add_tool(self, tool: BaseTool):
        """添加单个工具"""
        if tool.name in self.tool_map:
            logger.warning(f"Tool {tool.name} already exists, skipping")
            return self
        self.tools += (tool,)
        self.tool_map[tool.name] = tool
        return self

    def add_tools(self, *tools: BaseTool):
        """批量添加工具"""
        for tool in tools:
            self.add_tool(tool)
        return self

MCP工具的动态添加

OpenManus支持通过MCP（Model Context Protocol）协议动态连接远程工具服务器：

class Manus(ToolCallAgent):
    mcp_clients: MCPClients = Field(default_factory=MCPClients)

    async def connect_mcp_server(
        self, server_url: str, server_id: str = "", use_stdio: bool = False
    ) -> None:
        """连接MCP服务器并添加其工具"""
        if use_stdio:
            await self.mcp_clients.connect_stdio(server_url, [], server_id)
        else:
            await self.mcp_clients.connect_sse(server_url, server_id)

        # 获取新工具并添加到可用工具集合
        new_tools = [
            tool for tool in self.mcp_clients.tools
            if tool.server_id == server_id
        ]
        self.available_tools.add_tools(*new_tools)

MCP工具的工作流程：

1. 连接服务器：通过SSE或stdio建立连接
2. 发现工具 ：调用list_tools()获取服务器提供的工具列表
3. 创建代理工具 ：为每个远程工具创建MCPClientTool代理
4. 添加到集合：将代理工具添加到Agent的工具集合中

class MCPClientTool(BaseTool):
    """MCP工具的代理，执行时调用远程服务器"""
    session: Optional[ClientSession] = None
    server_id: str = ""
    original_name: str = ""

    async def execute(self, **kwargs) -> ToolResult:
        """通过MCP协议调用远程工具"""
        result = await self.session.call_tool(self.original_name, kwargs)
        return ToolResult(output=result.content)

3.3 工具Schema转换

工具必须转换为LLM可理解的格式。to_param()方法将工具转换为OpenAI function calling格式：

def to_param(self) -> Dict:
    return {
        "type": "function",
        "function": {
            "name": self.name,
            "description": self.description,
            "parameters": self.parameters,  # JSON Schema格式
        },
    }

ToolCollection.to_params()将所有工具转换为列表：

def to_params(self) -> List[Dict[str, Any]]:
    return [tool.to_param() for tool in self.tools]

这个工具列表会被传递给LLM，LLM根据工具描述和当前上下文，决定调用哪些工具。

四、Agent如何调用这些工具

4.1 工具调用的完整流程

Agent调用工具的过程遵循ReAct模式，分为三个阶段：

Step 1: 思考阶段（think）

Agent分析当前状态，决定需要调用哪些工具：

async def think(self) -> bool:
    # 1. 添加下一步提示到消息历史
    if self.next_step_prompt:
        user_msg = Message.user_message(self.next_step_prompt)
        self.messages += [user_msg]

    # 2. 调用LLM，传入工具列表
    response = await self.llm.ask_tool(
        messages=self.messages,  # 对话历史
        system_msgs=[Message.system_message(self.system_prompt)],
        tools=self.available_tools.to_params(),  # 工具列表
        tool_choice=self.tool_choices,  # AUTO/REQUIRED/NONE
    )

    # 3. 解析LLM返回的工具调用
    self.tool_calls = response.tool_calls if response else []
    content = response.content if response else ""

    # 4. 创建Assistant消息并添加到记忆
    assistant_msg = Message.from_tool_calls(
        content=content, tool_calls=self.tool_calls
    )
    self.memory.add_message(assistant_msg)

    return bool(self.tool_calls)

LLM接收的信息包括：

• 对话历史：用户请求、之前的工具调用和结果
• 系统提示词：定义Agent的角色和能力边界
• 工具列表：所有可用工具的schema
• 下一步提示：指导Agent如何选择工具

LLM基于这些信息，生成结构化的工具调用决策。

Step 2: 执行阶段（act）

Agent执行LLM决定的工具调用：

async def act(self) -> str:
    if not self.tool_calls:
        return self.messages[-1].content or "No action to execute"

    results = []
    for command in self.tool_calls:
        # 执行单个工具调用
        result = await self.execute_tool(command)

        # 将结果封装为ToolMessage
        tool_msg = Message.tool_message(
            content=result,
            tool_call_id=command.id,
            name=command.function.name,
        )
        self.memory.add_message(tool_msg)
        results.append(result)

    return "\\n\\n".join(results)

Step 3: 结果反馈

工具执行结果被添加到对话历史，供下一轮思考使用：

async def execute_tool(self, command: ToolCall) -> str:
    name = command.function.name

    # 1. 查找工具实例
    if name not in self.available_tools.tool_map:
        return f"Error: Unknown tool '{name}'"

    # 2. 解析参数
    args = json.loads(command.function.arguments or "{}")

    # 3. 执行工具
    result = await self.available_tools.execute(name=name, tool_input=args)

    # 4. 处理特殊工具（如Terminate）
    await self._handle_special_tool(name=name, result=result)

    # 5. 格式化结果
    observation = f"Observed output of cmd `{name}` executed:\\n{str(result)}"
    return observation

4.2 核心代码流程

ToolCollection.execute()：工具执行入口

async def execute(
    self, *, name: str, tool_input: Dict[str, Any] = None
) -> ToolResult:
    # 1. 根据名称查找工具
    tool = self.tool_map.get(name)
    if not tool:
        return ToolFailure(error=f"Tool {name} is invalid")

    try:
        # 2. 调用工具的execute方法
        result = await tool(**tool_input)
        return result
    except ToolError as e:
        return ToolFailure(error=e.message)

工具选择策略

tool_choice参数控制LLM的工具选择行为：

• AUTO：LLM自主决定是否调用工具（默认）
• REQUIRED：必须调用至少一个工具
• NONE：不允许调用工具，只能返回文本

if self.tool_choices == ToolChoice.REQUIRED and not self.tool_calls:
    # 要求调用工具但LLM没有返回，可能需要重试
    return True

if self.tool_choices == ToolChoice.AUTO and not self.tool_calls:
    # 自动模式，如果没有工具调用但有文本内容，继续
    return bool(content)

4.3 执行循环

完整的执行循环在BaseAgent.run()中实现：

async def run(self, request: Optional[str] = None) -> str:
    if request:
        self.update_memory("user", request)

    results: List[str] = []
    async with self.state_context(AgentState.RUNNING):
        while (
            self.current_step < self.max_steps and
            self.state != AgentState.FINISHED
        ):
            self.current_step += 1

            # 执行单步：think -> act
            step_result = await self.step()

            # 检测是否卡死
            if self.is_stuck():
                self.handle_stuck_state()

            results.append(f"Step {self.current_step}: {step_result}")

    return "\\n".join(results)

每一步都是完整的think-act循环，直到任务完成或达到最大步数。

五、Agent是如何思考的

5.1 ReAct模式：推理与行动循环

ReAct（Reasoning + Acting）是现代Agent的核心模式，它将Agent的执行分为三个环节：

1. Reasoning（推理）：分析当前状态，理解任务，决定下一步行动
2. Acting（行动）：执行选定的工具
3. Observing（观察）：收集工具执行结果，更新状态

这三个环节循环往复，直到任务完成。

实现机制

async def step(self) -> str:
    should_act = await self.think()  # 思考：分析并决策
    if not should_act:
        return "Thinking complete - no action needed"
    return await self.act()  # 行动：执行工具

这种设计的优势：

• 可解释性：每一步的思考过程都记录在对话历史中
• 可控性：可以在思考阶段进行干预和调整
• 可扩展性：可以轻松添加新的思考策略

5.2 LLM驱动的决策机制

提示词工程

Agent的思考能力主要依赖于精心设计的提示词：

System Prompt：定义Agent的角色和能力边界

SYSTEM_PROMPT = (
    "You are OpenManus, an all-capable AI assistant, aimed at solving any task "
    "presented by the user. You have various tools at your disposal that you can "
    "call upon to efficiently complete complex requests. Whether it's programming, "
    "information retrieval, file processing, web browsing, or human interaction "
    "(only for extreme cases), you can handle it all."
    "The initial directory is: {directory}"
)

Next Step Prompt：指导Agent如何选择工具

NEXT_STEP_PROMPT = """
Based on user needs, proactively select the most appropriate tool or combination
of tools. For complex tasks, you can break down the problem and use different tools
step by step to solve it. After using each tool, clearly explain the execution
results and suggest the next steps.

If you want to stop the interaction at any point, use the `terminate` tool/function call.
"""

工具描述：每个工具的name、description、parameters共同构成LLM决策的依据

Function Calling机制

LLM的function calling能力使得Agent能够进行结构化决策：

response = await self.llm.ask_tool(
    messages=self.messages,  # 完整的对话历史
    system_msgs=[Message.system_message(self.system_prompt)],
    tools=self.available_tools.to_params(),  # 工具schema列表
    tool_choice=self.tool_choices,  # 选择策略
)

LLM的处理过程：

1. 理解上下文：分析对话历史，理解当前任务状态
2. 评估工具：根据工具描述，评估哪些工具适合当前任务
3. 生成调用：生成结构化的工具调用，包含工具名称和参数
4. 参数验证：参数必须符合JSON Schema定义

LLM返回的格式：

{
    "content": "我需要先查看文件内容，然后进行编辑",  # 思考过程
    "tool_calls": [
        {
            "id": "call_abc123",
            "type": "function",
            "function": {
                "name": "str_replace_editor",
                "arguments": '{"command": "view", "path": "/path/to/file"}'
            }
        }
    ]
}

5.3 状态管理与循环控制

Agent状态机

Agent的状态转换遵循明确的状态机：

class AgentState(str, Enum):
    IDLE = "IDLE"      # 空闲，等待任务
    RUNNING = "RUNNING"  # 执行中
    FINISHED = "FINISHED"  # 任务完成
    ERROR = "ERROR"    # 发生错误

状态转换通过上下文管理器安全控制：

@asynccontextmanager
async def state_context(self, new_state: AgentState):
    previous_state = self.state
    self.state = new_state
    try:
        yield
    except Exception as e:
        self.state = AgentState.ERROR
        raise e
    finally:
        self.state = previous_state

执行循环控制

while (
    self.current_step < self.max_steps and
    self.state != AgentState.FINISHED
):
    self.current_step += 1
    step_result = await self.step()

    # 卡死检测
    if self.is_stuck():
        self.handle_stuck_state()

卡死检测机制：

def is_stuck(self) -> bool:
    """检测Agent是否陷入循环"""
    if len(self.memory.messages) < 2:
        return False

    last_message = self.memory.messages[-1]
    if not last_message.content:
        return False

    # 检查是否有重复的assistant消息
    duplicate_count = sum(
        1 for msg in reversed(self.memory.messages[:-1])
        if msg.role == "assistant" and msg.content == last_message.content
    )

    return duplicate_count >= self.duplicate_threshold

当检测到卡死时，Agent会添加提示词引导改变策略：

def handle_stuck_state(self):
    stuck_prompt = (
        "Observed duplicate responses. Consider new strategies and avoid "
        "repeating ineffective paths already attempted."
    )
    self.next_step_prompt = f"{stuck_prompt}\\n{self.next_step_prompt}"

特殊工具处理

某些工具具有特殊语义，如Terminate工具会终止Agent执行：

async def _handle_special_tool(self, name: str, result: Any, **kwargs):
    if not self._is_special_tool(name):
        return

    if self._should_finish_execution(name=name, result=result, **kwargs):
        logger.info(f"Special tool '{name}' has completed the task!")
        self.state = AgentState.FINISHED

5.4 上下文感知与记忆管理

Memory机制

Memory类维护完整的对话历史：

class Memory(BaseModel):
    messages: List[Message] = Field(default_factory=list)
    max_messages: int = Field(default=100)

    def add_message(self, message: Message) -> None:
        self.messages.append(message)
        # 限制消息数量，保留最近的
        if len(self.messages) > self.max_messages:
            self.messages = self.messages[-self.max_messages:]

对话历史包含完整的交互序列：

User: "帮我创建一个Python脚本"
Assistant: [思考过程] [tool_calls: python_execute]
Tool: [执行结果]
Assistant: [分析结果] [tool_calls: str_replace_editor]
Tool: [文件创建结果]
Assistant: "脚本已创建完成"

上下文构建

Agent的上下文由三部分构成：

1. 系统提示词：定义Agent的能力边界和角色
2. 对话历史：包含用户请求、Agent思考、工具调用、工具结果
3. 动态提示词：根据当前状态调整（如浏览器使用时的上下文）

async def think(self) -> bool:
    # 检查是否在使用浏览器
    browser_in_use = any(
        tc.function.name == BrowserUseTool().name
        for msg in recent_messages
        if msg.tool_calls
        for tc in msg.tool_calls
    )

    # 如果使用浏览器，添加浏览器上下文
    if browser_in_use:
        self.next_step_prompt = (
            await self.browser_context_helper.format_next_step_prompt()
        )

    return await super().think()

这种动态上下文调整使得Agent能够根据当前任务状态，提供更精准的决策。

六、架构图与数据流

6.1 Agent执行流程图

未超限
超限
是
否
是
否
是
否
未完成
完成
开始
初始化Agent
设置状态为RUNNING
检查步数限制
think: 思考阶段
终止执行
调用LLM.ask_tool
解析工具调用
是否有工具调用?
act: 执行阶段
是否有文本内容?
继续循环
执行工具
添加结果到Memory
检测是否卡死?
处理卡死状态
任务完成?
设置状态为FINISHED
结束

6.2 工具调用序列图

记忆系统 具体工具 工具集合 大语言模型 Agent 用户 记忆系统 具体工具 工具集合 大语言模型 Agent 用户 loop [遍历工具调用] loop [执行循环] 发送请求 添加用户消息 think() 获取对话历史 ask_tool(历史+工具列表) 分析上下文 选择工具 返回工具调用决策 添加Assistant消息 act() execute(工具名, 参数) 查找工具实例 执行工具逻辑 返回结果 返回ToolResult 添加Tool消息 检查是否完成 返回最终结果

6.3 类继承关系图

BaseAgent
+name: str
+memory: Memory
+state: AgentState
+run()
+step()
+update_memory()
ReActAgent
+think()
+act()
+step()
ToolCallAgent
+available_tools: ToolCollection
+tool_calls: List[ToolCall]
+think()
+act()
+execute_tool()
Manus
+mcp_clients: MCPClients
+connect_mcp_server()
<<abstract>>
BaseTool
+name: str
+description: str
+parameters: dict
+execute()
+to_param()
ToolCollection
+tools: tuple
+tool_map: dict
+execute()
+add_tool()
+to_params()
PythonExecute
+execute()
BrowserUseTool
+execute()

6.4 数据流图

输出层
执行层
处理层
输入层
用户请求
系统提示词
工具Schema列表
记忆系统
大语言模型
Agent核心
工具集合
工具1
工具2
工具N
工具执行结果
最终响应

七、实践建议

7.1 如何设计新工具

设计新工具时，遵循以下原则：

1. 清晰的工具描述 ：description字段应该详细说明工具的用途、使用场景和限制
2. 完整的参数定义：使用JSON Schema精确定义参数类型、约束和必需字段
3. 错误处理 ：工具执行应该返回ToolResult，包含成功结果或错误信息
4. 安全性考虑：对于执行代码、文件操作等敏感工具，需要添加权限检查和沙箱隔离

示例：设计一个文件搜索工具

class FileSearchTool(BaseTool):
    name: str = "file_search"
    description: str = (
        "Search for files in a directory tree matching a pattern. "
        "Supports glob patterns and regex. Returns list of matching file paths."
    )
    parameters: dict = {
        "type": "object",
        "properties": {
            "directory": {
                "type": "string",
                "description": "Root directory to search in (absolute path)",
            },
            "pattern": {
                "type": "string",
                "description": "Search pattern (glob or regex)",
            },
            "recursive": {
                "type": "boolean",
                "description": "Whether to search recursively",
                "default": True,
            },
        },
        "required": ["directory", "pattern"],
    }

    async def execute(
        self, directory: str, pattern: str, recursive: bool = True
    ) -> ToolResult:
        try:
            # 验证路径安全性
            if not Path(directory).is_absolute():
                return self.fail_response("Directory must be absolute path")

            # 执行搜索
            matches = await self._search_files(directory, pattern, recursive)
            return self.success_response({"files": matches})
        except Exception as e:
            return self.fail_response(f"Search failed: {str(e)}")

7.2 如何优化提示词

提示词优化是提升Agent性能的关键：

1. 系统提示词 ：
   • 明确Agent的角色和能力边界
   • 说明工作目录、可用资源等环境信息
   • 强调安全性和最佳实践
2. 下一步提示词 ：
   • 指导Agent如何分解复杂任务
   • 说明工具选择的原则
   • 强调结果验证和错误处理
3. 工具描述 ：
   • 使用具体、可操作的描述
   • 说明工具的限制和注意事项
   • 提供使用示例（在description中）

示例：优化后的系统提示词

SYSTEM_PROMPT = """You are OpenManus, a capable AI assistant.

Your capabilities:
- Execute Python code for data processing and analysis
- Browse the web to gather information
- Edit files using safe string replacement
- Interact with users when clarification is needed

Working directory: {directory}

Important guidelines:
- Always verify file paths before operations
- Use sandboxed execution for untrusted code
- Ask for confirmation before destructive operations
- Explain your reasoning at each step
"""

7.3 如何调试Agent行为

调试Agent需要系统化的方法：

1. 日志记录 ：在关键节点添加详细日志
   • 思考阶段的LLM输入输出
   • 工具调用的参数和结果
   • 状态转换和错误信息
2. 记忆检查 ：定期检查agent.memory.messages，验证对话历史的正确性
3. 工具测试：单独测试每个工具，确保其行为符合预期
4. 逐步执行 ：使用max_steps=1限制，逐步观察Agent的行为

示例：调试工具

async def debug_agent(agent: ToolCallAgent, request: str):
    """调试Agent执行过程"""
    print(f"Request: {request}")
    print(f"Available tools: {[t.name for t in agent.available_tools.tools]}")

    # 单步执行
    agent.max_steps = 1
    await agent.run(request)

    # 检查记忆
    print("\\nMemory contents:")
    for i, msg in enumerate(agent.memory.messages):
        print(f"{i}. {msg.role}: {msg.content[:100]}")
        if msg.tool_calls:
            print(f"   Tool calls: {[tc.function.name for tc in msg.tool_calls]}")

7.4 性能优化建议

1. Token管理 ：
   • 监控token使用量，避免超出限制
   • 对于长对话，考虑消息摘要或滑动窗口
   • 工具描述要简洁但完整
2. 工具选择优化 ：
   • 限制工具数量，只包含必要的工具
   • 使用工具分组，根据任务类型动态加载
   • 优化工具描述，提高LLM选择准确性
3. 并发执行 ：
   • 对于独立的工具调用，可以考虑并发执行
   • 注意工具之间的依赖关系
4. 缓存机制 ：
   • 缓存工具执行结果（如文件读取、API调用）
   • 避免重复执行相同的操作

示例：工具结果缓存

from functools import lru_cache
from datetime import datetime, timedelta

class CachedTool(BaseTool):
    _cache: Dict[str, Tuple[Any, datetime]] = {}
    _cache_ttl: timedelta = timedelta(minutes=5)

    async def execute(self, **kwargs) -> ToolResult:
        cache_key = str(sorted(kwargs.items()))

        # 检查缓存
        if cache_key in self._cache:
            result, timestamp = self._cache[cache_key]
            if datetime.now() - timestamp < self._cache_ttl:
                return result

        # 执行工具
        result = await self._execute_impl(**kwargs)

        # 更新缓存
        self._cache[cache_key] = (result, datetime.now())
        return result

八、总结

8.1 现代Agent的核心要素

通过深入分析OpenManus项目，我们总结出现代Agent系统的核心要素：

1. 分层架构：基础层、思考层、工具调用层、应用层的清晰分离
2. ReAct模式：推理-行动-观察的循环机制
3. 工具系统：统一的工具接口和动态扩展能力
4. LLM集成：通过function calling实现智能决策
5. 状态管理：完善的状态机和执行控制
6. 记忆系统：完整的对话历史管理

8.2 OpenManus架构的优势

OpenManus的架构设计具有以下优势：

1. 可扩展性：通过BaseTool抽象，可以轻松添加新工具
2. 可维护性：清晰的分层结构，职责明确
3. 灵活性：支持静态和动态工具配置，支持MCP协议
4. 健壮性：完善的错误处理和状态管理
5. 可观测性：详细的日志和记忆系统

8.3 未来发展方向

现代Agent技术仍在快速发展，未来可能的方向包括：

1. 多Agent协作：多个Agent协同完成复杂任务
2. 长期记忆：超越对话历史的持久化记忆
3. 工具学习：Agent自动发现和学习使用新工具
4. 安全增强：更严格的权限控制和沙箱隔离
5. 性能优化：更高效的token使用和并发执行

8.4 结语

构建现代Agent是一个系统工程，需要深入理解LLM能力、工具设计、系统架构等多个方面。OpenManus项目为我们提供了一个优秀的参考实现，展示了如何将理论转化为实践。

通过本文的系统性分析，我们希望读者能够：

• 理解现代Agent的完整架构
• 掌握工具系统的设计和实现
• 了解Agent的思考和执行机制
• 具备构建自己Agent系统的能力

现代Agent技术正在快速发展，期待更多开发者加入这个领域，共同推动AI Agent技术的进步。

---

参考资料：

• OpenManus项目：https://github.com/FoundationAgents/OpenManus
• ReAct论文：ReAct: Synergizing Reasoning and Acting in Language Models
• OpenAI Function Calling文档：https://platform.openai.com/docs/guides/function-calling