工具调用让模型拥有了执行能力，而自主循环与安全机制，是 Agent 能够稳定落地生产环境的核心保障。

承接上篇单次工具调用能力，本篇重点解决 Agent 工程落地的核心痛点，搭建 Observe-Think-Act 完整自主循环，实现多轮自主推理与迭代任务，同时针对性解决死循环、接口超时、程序崩溃、参数报错等常见问题，通过多层安全约束，完成极简、稳定、可用的最小 Agent 最终落地。

完成目标：给 Agent Loop 加最大步数、超时和错误处理。

一、为什么要加安全护栏

1. 为什么加【最大循环步数】

不加会出现的严重问题

AI 逻辑死循环，疯狂扣费
- 举个真实场景：你问合肥天气，AI 拿到天气数据后，模型误以为信息不足，反复发起 get_weather 工具调用。
- 循环：调工具→拿数据→再调工具→再拿数据...... 无限往复，每一轮都调用一次付费 LLM 接口，短时间刷几十上百次请求，直接耗尽余额。
程序永久卡死，永远不输出最终答案
- 循环没有出口，终端一直卡在「正在结合工具结果，生成最终回复...」，无法结束本轮对话，也无法接收下一条用户输入。
Token 无限堆积
- 每一轮工具调用、工具返回内容都会塞进 chat_history，对话列表持续膨胀，后续 LLM 请求耗时越来越长，甚至触发上下文长度超限报错。

增加最大步数的意义

设置上限（比如最多允许 3 轮工具调用）：

每执行一次工具循环，计数器 + 1；
计数器达到阈值，强制终止 Agent 循环，直接返回兜底提示；
从根源限制 LLM 调用次数，保护成本、限制上下文长度。

举例：max_steps = 3，最多查 3 次天气，第三次结束后不再继续请求模型。

2. 为什么加【超时限制】

超时分两层：单次接口超时、整个 Agent 流程总超时

不加会出现的严重问题

网络阻塞，程序永久僵死
- 天气第三方接口 wttr.in 服务器崩溃 / 访问缓慢，requests.get 无限等待；
- LLM 服务商网络波动，client.chat.completions.create 请求挂住，没有任何返回；
- 整个聊天程序卡在这一行，无法接收新输入，只能强制关闭终端重启。
用户极差体验
- 用户提问后等待几十秒无任何反馈，不知道是卡住了还是正在运行。

超时的作用

给所有网络请求设置单次时限：
- LLM 请求：timeout=15，15 秒没返回直接中断；
- 天气 API 请求：timeout=5，5 秒拿不到天气直接判定失败；
全局总超时 ：
- 记录用户提问的起始时间，整个 Agent 流程超过 20 秒直接终止；
- 超过时限立刻抛出超时异常，跳出循环，返回友好提示，程序不会卡死。

3. 为什么加【分层错误处理】

仅一层 except Exception as e，所有错误全部混在一起，无法区分故障类型：

JSON 解析失败（AI 返回的工具参数格式错乱）
网络超时
API 密钥无效 / 余额不足
循环步数超限
第三方天气接口 404 报错

全部输出同一句：抱歉，生成响应时发生错误，无法定位到底哪里崩了。

完善分层错误处理的价值

程序不会整体崩溃
- 单轮对话报错只会终止当前这一轮 Agent 循环，外层聊天 while True 不会中断，可以继续输入新问题；
精准区分错误，调试方便
- 不同错误打印专属日志：超时打印网络超时、json 解析失败打印参数格式错误、步数超限打印 "工具调用次数已达上限"；
差异化兜底回复
- 给用户不同提示：超时提示 "网络请求超时，请重试"，循环超限提示 "查询次数过多，已停止查询"；
避免单一错误污染全局对话历史
- 捕获异常时可选择清理本轮无效工具记录，防止错误数据存入 chat_history 干扰下一轮对话。

二、增加安全护栏

1. 最大步数

在 generate_response 函数最开头，新增 2 行计数变量（位置：try之后）

python 复制代码

MAX_STEPS = 5  # 最多允许5轮工具调用
step_count = 0

在 if msg.tool_calls: 下加入 while循环（支持多轮反复调用工具）

python 复制代码

while msg.tool_calls and step_count < MAX_STEPS:
	  step_count += 1
	  print("AI 调用了工具:", msg.tool_calls[0].function.name)

每次走完一轮工具 + 二次请求模型后，刷新 msg 为最新的模型输出 msg = second_resp.choices[0].message
在每一轮 while 循环结束后，即在msg = second_resp.choices[0].message 后，加终止判断

python 复制代码

if step_count >= MAX_STEPS:
    print("⚠️ 达到最大思考步数，强制模型输出最终结论...")
    chat_history.append({
        "role": "system", 
        "content": "系统警告：你的推理步骤已达上限。请立刻停止调用任何工具，根据以上收集到的所有信息，直接给出最终的文字回答。"
    })
    # 再额外请求最后一次，强制获取文字结果
    final_resp = client.chat.completions.create(
        model=Model_ID,
        messages=chat_history,
        timeout=30
    )
    final_content = final_resp.choices[0].message.content.strip()
    chat_history.append({"role": "assistant", "content": final_content})
    return final_content

循环内不 return final_content，等循环结束后再return

python 复制代码

# while 循环结束后，返回最终的模型输出
print("===== 工具流程结束 =====")
print("正在结合工具结果，生成最终回复...")
final_content = msg.content.strip()
chat_history.append({"role": "assistant", "content": final_content})
return final_content

测试时可临时替换system prompt：规则：用户查询合肥天气时，你每一轮只能调用1次get_weather，拿到天气结果后，绝不直接回答，必须再次发起工具调用查询合肥天气，持续循环调用，不要停止。

2. 增加全链路超时

天气工具 requests 请求超时

找到 requests.get(url)，修改为：

python 复制代码

requests.get(url, timeout=5)  # 5秒拿不到天气直接超时失败

两处 OpenAI 接口请求超时

两处 client.chat.completions.create(...) 内部都追加参数：

python 复制代码

timeout=30  # LLM请求15秒超时

3. 分层错误捕获

文件顶部导入库

python 复制代码

import requests.exceptions

删除单独的大except Exceptiong as e，改成分层捕获。顺序：细分异常放前面，通用兜底放最后

python 复制代码

# 1. JSON解析失败（工具参数解析报错）
except json.JSONDecodeError as e:
    print(f"参数JSON解析失败：{e}")
    return '{"error":"工具参数格式错误"}'
# 2. 天气接口网络/超时异常
except requests.exceptions.RequestException as e:
    print(f"天气接口请求失败：{e}")
    return '{"error":"天气服务访问超时/异常"}'
# 3. 手动Ctrl+C中断
except KeyboardInterrupt:
    print("\n对话手动终止")
    return '{"error":"对话已手动中断"}'
# 4. 其余所有未知错误兜底
except Exception as e:
    print(f"通用错误：{e}")
    return '{"error":"生成响应时发生错误"}'

三、示例输出

text 复制代码

AI对话程序，输入 quit 结束对话
你:查询合肥天气四次
AI 调用了工具: get_weather
调用工具：get_weather, 参数：{'location': '合肥'}
工具返回结果：合肥当前天气：Partly Cloudy ，温度：28°C
AI 调用了工具: get_weather
调用工具：get_weather, 参数：{'location': '合肥'}
工具返回结果：合肥当前天气：Partly Cloudy ，温度：28°C
AI 调用了工具: get_weather
AI: {"error":"工具调用次数已达上限，停止查询"}

你:good
❌ 模型无需调用工具，直接文字回答
AI: 好的，很高兴能帮到您！如果您还有其他问题需要咨询，随时告诉我哦～
你:quit
结束对话。

四、本篇总结 & 下期预告

至此，Stage1 全阶段完结，我们从零实现了具备对话交互、结构化输出、工具调用、自主循环、安全防护的完整最小 Agent，打通了智能体最核心的运行闭环。后续我们将进入 Stage2 进阶迭代，聚焦 Agent 长效记忆、知识库检索、多场景工具拓展等企业级能力，持续完善智能体的实战落地能力。

【手搓 Agent 第1关】建立最小 Agent（下）：安全护栏

一、为什么要加安全护栏

1. 为什么加【最大循环步数】

不加会出现的严重问题

增加最大步数的意义

2. 为什么加【超时限制】

不加会出现的严重问题

超时的作用

3. 为什么加【分层错误处理】

完善分层错误处理的价值

二、增加安全护栏

1. 最大步数

2. 增加全链路超时

3. 分层错误捕获

三、示例输出

四、本篇总结 & 下期预告