100多行代码实现一个最简单的Agent(用ReAct)

九卷2026-04-13 14:54

一、介绍

这里用 ReAct 来写一个最简单的 Agent，调用 DeepSeek 的 API ，外加 CLI 进行多轮对话的 Agent。

二、ReAct 最简单介绍

ReAct 拆开来 ，就是 Re + Act，Reasoning + Acting。

先思考 （我要做什么）→ 再行动 （调用工具 / 回答）→ 观察结果 → 继续思考 → 再行动 → 观察结果，... ...，直到完成任务。

三、实现代码

第一步：调用大模型API

这类调用 DeepSeek API。

python 实现调用DeepSeek API ，代码如下：

python 复制代码 
import requests
import json

# ===================== 配置项 =====================
DEEPSEEK_API_KEY = "你的 DeepSeek API Key"  # 替换成你的 key
DEEPSEEK_API_URL = "https://api.deepseek.com/chat/completions"
MODEL_NAME = "deepseek-chat"
# ==================================================

def deepseek_chat(messages):
    """调用 DeepSeek 大模型接口"""
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {DEEPSEEK_API_KEY}"
    }
    
    data = {
        "model": MODEL_NAME,
        "messages": messages,
        "temperature": 0.1  # 低温度让思考更稳定
    }
    
    response = requests.post(DEEPSEEK_API_URL, headers=headers, json=data)
    if response.status_code != 200:
        return f"API 调用失败：{response.status_code}，{response.text}"
    
    return response.json()["choices"][0]["message"]["content"]

第二步：实现ReAct的Agent

python 复制代码 
def react_agent():
    """ReAct 智能体主函数：多轮对话 + 思考-行动-观察"""
    print("=" * 50)
    print("🔥 ReAct 智能体（DeepSeek）已启动 | 输入 exit 退出")
    print("=" * 50)
    
    # 系统提示词：定义 ReAct 行为规则（核心！）
    system_prompt = """
    你是一个遵循 ReAct 框架的智能体。
    你的工作流程严格按照：
    1. 思考：我现在需要解决什么问题？
    2. 行动：直接给出最终回答
    3. 观察：根据结果继续优化
    
    要求：
    - 保持简洁、有用、直接
    - 支持多轮对话，记住上下文
    - 不要输出多余格式
    """
    
    # 对话历史（保存上下文，实现多轮）
    messages = [{"role": "system", "content": system_prompt}]
    
    while True:
        # 用户输入
        user_input = input("\n你：")
        if user_input.lower() in ["exit", "quit", "q"]:
            print("\n👋 智能体已退出")
            break
        
        # 加入用户消息
        messages.append({"role": "user", "content": user_input})
        
        # 调用模型（ReAct 思考 + 行动）
        print("\n🤖 智能体思考中...")
        response = deepseek_chat(messages)
        
        # 输出结果
        print(f"智能体：{response}")
        
        # 保存回答到历史（关键：多轮对话的核心）
        messages.append({"role": "assistant", "content": response})

第三步：完整程序

把上面2步中的代码合并，实现一个完整的 Agent 程序：

python 复制代码 
import requests
import json

# ===================== 配置项 =====================
DEEPSEEK_API_KEY = "你的 DeepSeek API Key"  # 替换成你的 key
DEEPSEEK_API_URL = "https://api.deepseek.com/chat/completions"
MODEL_NAME = "deepseek-chat"
# ==================================================

def deepseek_chat(messages):
    """调用 DeepSeek 大模型接口"""
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {DEEPSEEK_API_KEY}"
    }
    
    data = {
        "model": MODEL_NAME,
        "messages": messages,
        "temperature": 0.1  # 低温度让思考更稳定
    }
    
    response = requests.post(DEEPSEEK_API_URL, headers=headers, json=data)
    if response.status_code != 200:
        return f"API 调用失败：{response.status_code}，{response.text}"
    
    return response.json()["choices"][0]["message"]["content"]

def react_agent():
    """ReAct 智能体主函数：多轮对话 + 思考-行动-观察"""
    print("=" * 50)
    print("🔥 ReAct 智能体（DeepSeek）已启动 | 输入 exit 退出")
    print("=" * 50)
    
    # 系统提示词：定义 ReAct 行为规则（核心！）
    system_prompt = """
    你是一个遵循 ReAct 框架的智能体。
    你的工作流程严格按照：
    1. 思考：我现在需要解决什么问题？
    2. 行动：直接给出最终回答
    3. 观察：根据结果继续优化
    
    要求：
    - 保持简洁、有用、直接
    - 支持多轮对话，记住上下文
    - 不要输出多余格式
    """
    
    # 对话历史（保存上下文，实现多轮）
    messages = [{"role": "system", "content": system_prompt}]
    
    while True:
        # 用户输入
        user_input = input("\n你：")
        if user_input.lower() in ["exit", "quit", "q"]:
            print("\n👋 智能体已退出")
            break
        
        # 加入用户消息
        messages.append({"role": "user", "content": user_input})
        
        # 调用模型（ReAct 思考 + 行动）
        print("\n🤖 智能体思考中...")
        response = deepseek_chat(messages)
        
        # 输出结果
        print(f"智能体：{response}")
        
        # 保存回答到历史（关键：多轮对话的核心）
        messages.append({"role": "assistant", "content": response})

if __name__ == "__main__":
    react_agent()

四、程序核心特性（极简）

  1. 真正 ReAct 框架：思考 → 行动 → 观察
  2. 多轮对话：自动保存上下文，记住之前的对话
  3. 纯 CLI：干净、轻量、无界面依赖

五、使用步骤

1. 安装依赖

运行

复制代码 
pip install requests

2. 获取 DeepSeek API Key

需要充点钱

  • 打开 DeepSeek 平台
  • 注册 → 登录 → 创建 API Key
  • 复制 Key 替换代码里的 你的 DeepSeek API Key

3. 运行

运行

复制代码 
python react_agent.py

4. CLI 使用示例

输入：1+1等于几


六、扩展：ReAct智能体 + 联网搜索工具

把上面的程序扩展为带有联网搜索能力的 ReAct 智能体。

智能体遇到不知道的问题会自动调用搜索，知道的问题直接回答，完美遵循 ReAct 流程：

思考 → 决定是否搜索 → 调用搜索工具 → 观察结果 → 回答

这里使用 使用 DuckDuckGo 免费搜索，无需 key ，简单。

加上搜索功能

方法 web_search 代码如下：

python 复制代码 
# 搜索工具配置（使用 DuckDuckGo 免费搜索，无需API Key）
SEARCH_API_URL = "https://api.duckduckgo.com/"
# ==================================================

def web_search(query: str) -> str:
    """
    联网搜索工具DuckDuckGo，免费无需 Key
    :param query: 搜索关键词
    :return: 搜索结果摘要
    """
    try:
        params = {
            "q": query,
            "format": "json",
            "no_html": 1,
            "skip_disambig": 1
        }
        response = requests.get(SEARCH_API_URL, params=params, timeout=10)
        data = response.json()
        
        # 提取搜索结果
        results = []
        for item in data.get("Results", [])[:3]:  # 取前3条结果
            title = item.get("Text", "")
            url = item.get("FirstURL", "")
            results.append(f"【结果】{title}\n链接：{url}")
        
        if not results:
            return "未搜索到相关信息"
        
        return "\n".join(results)
    except Exception as e:
        return f"搜索失败：{str(e)}"

完整代码

python 复制代码 
import requests
import json

# ===================== 配置项 =====================
DEEPSEEK_API_KEY = "你的 DeepSeek API Key"  # 替换你的key
DEEPSEEK_API_URL = "https://api.deepseek.com/chat/completions"
MODEL_NAME = "deepseek-chat"

# 搜索工具配置（使用 DuckDuckGo 免费搜索，无需API Key）
SEARCH_API_URL = "https://api.duckduckgo.com/"
# ==================================================

def web_search(query: str) -> str:
    """
    联网搜索工具（免费无Key）
    :param query: 搜索关键词
    :return: 搜索结果摘要
    """
    try:
        params = {
            "q": query,
            "format": "json",
            "no_html": 1,
            "skip_disambig": 1
        }
        response = requests.get(SEARCH_API_URL, params=params, timeout=10)
        data = response.json()
        
        # 提取搜索结果
        results = []
        for item in data.get("Results", [])[:3]:  # 取前3条结果
            title = item.get("Text", "")
            url = item.get("FirstURL", "")
            results.append(f"【结果】{title}\n链接：{url}")
        
        if not results:
            return "未搜索到相关信息"
        
        return "\n".join(results)
    except Exception as e:
        return f"搜索失败：{str(e)}"

def deepseek_chat(messages):
    """调用 DeepSeek 大模型接口"""
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {DEEPSEEK_API_KEY}"
    }
    
    data = {
        "model": MODEL_NAME,
        "messages": messages,
        "temperature": 0.1
    }
    
    response = requests.post(DEEPSEEK_API_URL, headers=headers, json=data)
    if response.status_code != 200:
        return f"API 调用失败：{response.status_code}，{response.text}"
    
    return response.json()["choices"][0]["message"]["content"]

def react_agent():
    """ReAct 智能体：思考 → 行动(搜索/回答) → 观察 → 最终回答"""
    print("=" * 60)
    print("🔥 ReAct 智能体（DeepSeek + 联网搜索）已启动 | 输入 exit 退出")
    print("📌 功能：不知道的问题会自动联网搜索！")
    print("=" * 60)
    
    # 核心：ReAct 系统提示词（告诉模型什么时候用搜索）
    system_prompt = """
    你是一个严格遵循 ReAct 框架的智能体，必须按照固定流程执行：
    
    流程：
    1. 思考：分析用户问题，判断是否需要联网搜索
       - 实时信息、最新新闻、未知数据 → 必须调用搜索
       - 常识、计算、逻辑问题 → 直接回答
    2. 行动：
       - 需要搜索：输出固定格式：【搜索】+ 搜索关键词
       - 不需要搜索：直接给出答案
    3. 观察：如果调用了搜索，就根据搜索结果整理回答
    
    规则：
    - 只有需要实时/未知信息时才搜索，不要滥用
    - 搜索格式必须严格：【搜索】xxx
    - 回答简洁准确
    """
    
    # 对话历史（保存上下文）
    messages = [{"role": "system", "content": system_prompt}]
    
    while True:
        user_input = input("\n👨‍💻 你：")
        if user_input.lower() in ["exit", "quit", "q"]:
            print("\n👋 智能体已退出")
            break
        
        messages.append({"role": "user", "content": user_input})
        print("\n🤖 智能体思考中...")

        # 第一步：让模型思考是否需要搜索
        thought_response = deepseek_chat(messages)

        # 判断是否触发搜索工具
        if "【搜索】" in thought_response:
            # 提取搜索关键词
            search_query = thought_response.replace("【搜索】", "").strip()
            print(f"🔍 正在联网搜索：{search_query}")
            
            # 调用搜索工具
            search_result = web_search(search_query)
            print(f"✅ 搜索完成，整理结果中...")
            
            # 把搜索结果传给模型，生成最终回答
            messages.append({"role": "assistant", "content": thought_response})
            messages.append({"role": "system", "content": f"搜索结果：{search_result}"})
            final_answer = deepseek_chat(messages)
            
            print(f"\🤖智能体：{final_answer}")
            messages.append({"role": "assistant", "content": final_answer})
        
        # 不需要搜索，直接回答
        else:
            print(f"\🤖 智能体：{thought_response}")
            messages.append({"role": "assistant", "content": thought_response})

if __name__ == "__main__":
    react_agent()

运行代码

替换 deepseek key，把代码里的 你的 DeepSeek API Key 换成你自己的 deepseek api key。

运行：

bash 复制代码 
python react_agent.py

询问：最近关于羽毛球亚锦赛夺冠信息有哪些

大模型回答属于实时赛事消息，然后调用搜索功能，搜索结果，在传给大模型进行整理。

搜索结果是2024年的信息，应该搜索最近信息，不知道是不是duckduckgo的API出了问题

不过Agent整体运行是正常的。

一个简单的带有搜索功能的 ReAct 的 Agent 就开发完成了 。

完

相关推荐
gao_tjie2 小时前
Veo MCP 集成指南
ai
花千树-0102 小时前
Agent核心架构：感知-规划-行动-观察循环
aigc·agent·ai agent·ai harness·ai react·agent 模式
萧逸才2 小时前
【learn-claude-code-4j】S14FeiShu - 飞书群聊智能体
java·人工智能·ai·飞书
花花少年2 小时前
Windows系统下快速体验Claude code
llm·agent·claude code
CoderJia程序员甲3 小时前
GitHub 热榜项目 - 日榜(2026-04-12)
ai·大模型·llm·github·ai教程
@atweiwei3 小时前
用 Rust 构建agent的 LLM 应用的高性能框架
开发语言·后端·rust·langchain·eclipse·llm·agent
子永3 小时前
100个万能提示词模板
ai
abo1234563 小时前
Claude Code 核心架构分析与 Agent 公司借鉴路径
agent·vibecoding
快乐的命令行4 小时前
hermes agent 安装部署
ai
热门推荐
012026年4月技术前沿：AI大模型爆发、智能体革命与量子安全新纪元02GitHub 镜像站点03一周AI热点速览（2026.03.31-04.06）：GPT-6曝光、谷歌开源Gemma 4、资本狂飙与模型军备竞赛04基于 Docker 部署 Hermes Agent 并接入飞书机器人的完整指南05免费！不限量！用opencode接入英伟达（NVIDIA）大模型，轻松打造你的 AI 编程助手06AI Weekly | 2026年4月第二周 · GitHub热门项目与AI发展趋势深度解析07Oh My Codex 快速使用指南08CodeBuddy与WorkBuddy深度对比：腾讯两款AI工具差异及实操指南09从限购到畅通：GLM-5.1 Coding Plan接入攻略10UV安装并设置国内源