Agent Loop 源码拆解：模型为什么会连续调用工具，又在何时停下

程序员无隅2026-09-22 7:19

我是安徽最忧郁程序员无隅

目录

前言

大模型本身只会生成下一段内容，为什么接入工具后，却能连续读文件、改代码、运行命令，最后再给出答案？关键不在于模型突然拥有了"执行能力"，而在于外部程序构造了一个可重复的 Agent Loop。本文以 @earendil-works/pi-agent-core 0.84.3 的实现为依据，从 Trace、Turn、ToolCall、停止条件和消息队列五个角度，拆开这个循环真正的驱动力。

一、从一次调用到自主循环：差别究竟在哪里

先把三种常见的大模型使用方式放在一起看。

模式 下一步由谁决定 模型调用次数 适合的任务
直接调用 用户 1 次 翻译、摘要、单轮问答
Workflow 程序预先写好的流程 固定或可预测 RAG、审核流水线、分阶段生成
Agent Loop 模型输出的 ToolCall 运行时才知道 编程助手、开放式自动化任务

直接调用只有一条直线：输入交给模型，拿到输出后结束。Workflow 虽然会多次调用模型，但"先检索、再生成、最后校验"这些步骤已经由程序员写死。

Agent Loop 的不同之处是：程序不预先知道下一步是什么，只负责解释模型这一次输出的结构。

例如，用户要求"分析入口文件为什么启动失败"，模型可能先输出一个 read 工具调用；看到文件内容后，再输出 grep；找到配置后，又调用 edit；直到某一次响应里不再出现 ToolCall，程序才进入结束判断。

这与 ReAct 思路一致：模型在"推理（Reason）---行动（Act）---观察（Observe）"之间循环。但工程实现并不神秘，核心只需要维护消息历史并重复三步：

  1. 把当前上下文交给模型；
  2. 执行模型返回的工具调用，把结果追加到上下文；
  3. 再次调用模型，直到没有新的工具调用。

因此，模型负责选择动作，Loop 负责执行、记录和控制边界。两者缺一不可。

二、Trace 与 Turn：先分清两层生命周期

读源码前最容易混淆的是 Trace 和 Turn。它们描述的是不同时间尺度。

  • Trace ：从 agent_start 到 agent_end 的一次完整运行。
  • Turn：一次模型响应，以及该响应触发的一批工具执行。

假设一次任务经历下面三步：

text 复制代码 
Turn 1：模型调用 → read + grep → 两个工具结果
Turn 2：模型调用 → edit        → 一个工具结果
Turn 3：模型调用 → 最终文本     → 无工具调用

这仍然只是一个 Trace，因为从用户提交任务到最终回答，中间没有发生新的 agent_start。

这里有两个容易误判的点。

第一，模型一次返回三个 ToolCall，它们仍属于同一个 Turn。Turn 的边界由模型调用划分，而不是由工具数量划分。

第二，把工具结果重新交给模型时，才进入下一个 Turn。因为此时发生了新的一次模型调用。

Pi 在入口处先发出 agent_start 和首个 turn_start。进入 runLoop() 后，firstTurn 会避免重复发送第一轮的 turn_start；后续每次内层循环开始，再发出新的 turn_start。因此，事件序列和实际执行边界保持一致：

text 复制代码 
agent_start
  turn_start
    message_start / message_update / message_end
    tool_execution_start / tool_execution_end
  turn_end
  turn_start
    ...
  turn_end
agent_end

这套事件不只是日志。终端 UI 正是依靠它们显示流式文本、工具状态和一轮任务是否完成。

三、最小内核：十几行代码如何让模型转起来

抛开队列、钩子、动态模型切换等产品能力，一个最小 Agent Loop 可以写成下面这样：

typescript 复制代码 
async function simpleLoop(messages: Message[]) {
  while (true) {
    const response = await callModel(messages, tools);
    messages.push(response);

    if (response.stopReason === "error" || response.stopReason === "aborted") {
      return messages;
    }

    const toolCalls = response.content.filter(
      (item) => item.type === "toolCall",
    );

    if (toolCalls.length === 0) {
      return messages;
    }

    for (const toolCall of toolCalls) {
      const result = await executeTool(toolCall);
      messages.push(result);
    }
  }
}

真正驱动循环的不是一句抽象的"模型认为任务还没完成"，而是一个可以被程序检查的事实：本次响应中是否存在 ToolCall。

一条消息的完整旅程

以"读取入口文件并解释"为例，数据会经历下面的变化：

text 复制代码 
UserMessage
  ↓
第一次模型调用
  ↓
AssistantMessage(content: [ToolCall(read)])
  ↓
执行 read，生成 ToolResultMessage
  ↓
第二次模型调用（上下文已包含 ToolResultMessage）
  ↓
AssistantMessage(content: [TextContent])
  ↓
没有 ToolCall，进入停止判断

第一次模型调用并没有拿到文件内容。模型只根据工具名称、描述和参数 Schema，生成一个结构化请求。真正读取文件的是宿主程序。随后，宿主程序把结果包装成 ToolResultMessage，与原来的用户消息、助手消息一起送入下一轮。

所以工具并不是模型的"手"。更准确地说，模型只会填写操作申请，Loop 才是审核申请、执行动作、记录结果的运行时。

为什么 AgentMessage 还要转换成 Message

Agent 内部可能保存 UI 通知、压缩摘要、分支记录等自定义消息，但模型供应商只理解用户、助手和工具结果等标准消息。streamAssistantResponse() 在调用模型前会先执行：

typescript 复制代码 
const llmMessages = await config.convertToLlm(messages);

const llmContext = {
  systemPrompt: context.systemPrompt,
  messages: llmMessages,
  tools: context.tools,
};

convertToLlm 是 Agent 内部状态与模型协议之间的边界。这个边界很重要：内部消息可以按产品需要扩展，但发给模型的内容仍然保持协议合法。

四、循环何时停止：stopReason 不是唯一答案

许多实现会把 Agent Loop 简化为"stopReason === toolUse 就继续"。这可以用于教学，但不足以描述真实系统。

Pi 当前实现会综合检查 stopReason、ToolCall、工具批次的 terminate 标记，以及两个消息队列。

1. error 与 aborted：立即硬停止

当模型响应的 stopReason 是 error 或 aborted 时，Loop 会发送当前 turn_end 和最终 agent_end，然后直接返回。

这两种状态代表模型调用本身失败或用户已经中止。此时继续执行工具、读取 steering 或 followUp 都没有意义，因此采用快速失败策略。

2. 没有 ToolCall：只是"准备停止"

当响应里没有 ToolCall，hasMoreToolCalls 会保持为 false。但 Loop 不能立刻结束，因为外部可能还有新消息：

  • steering：用户在 Agent 工作期间补充的紧急指令；
  • followUp：当前任务自然结束后才处理的追加任务。

只有工具调用和两个消息队列都为空，才会正常发送 agent_end。

这说明"无 ToolCall 即结束"只是最小内核的规则。交互式产品还要把运行期间的新输入纳入判断。

3. length + ToolCall：不能直接执行

这是原始材料与当前 0.84.3 源码之间最值得注意的变化。

length 表示输出达到 token 上限。流式解析可能已经拼出一个形式上合法的 ToolCall，但参数仍可能被截断。假设模型原本要写入一段完整配置，截断后 JSON 恰好还能被修复和校验，直接执行会造成静默的数据损坏。

因此当前实现会调用 failToolCallsFromTruncatedMessage()：

text 复制代码 
检测到 stopReason === "length"
  ↓
不执行本轮任何 ToolCall
  ↓
为每个调用生成错误 ToolResultMessage
  ↓
让模型在下一 Turn 重新提交完整参数

这不是可选的防御性装饰，而是工具具有副作用时必须守住的安全边界。

4. terminate：必须整批工具都同意

工具结果可以设置 terminate: true，表示它认为当前批次之后不应继续。但 Pi 使用的是 every，而不是 some：

typescript 复制代码 
function shouldTerminateToolBatch(finalizedCalls: FinalizedToolCallOutcome[]) {
  return finalizedCalls.length > 0
    && finalizedCalls.every((item) => item.result.terminate === true);
}

如果同一轮有三个工具，只有一个要求终止，另外两个正常完成，Loop 仍会继续。只有整批结果都要求终止，hasMoreToolCalls 才会变为 false，随后进入消息队列检查。

这是一种保守策略：单个工具只能表达自己的局部判断，不能替其他工具决定整个任务已经完成。

五、从能运行到能交互：Pi 在最小内核上加了什么

最小 Loop 解决"模型---工具---模型"的闭环，实际编程助手还需要处理流式 UI、并行工具、用户插队和运行时安全阀。Pi 没有把这些逻辑混进模型调用函数，而是通过事件、队列和钩子叠加。

流式响应：最后一条消息原地长大

收到流式响应的 start 事件时，streamAssistantResponse() 会先把一个尚未完成的助手消息放进 context.messages。后续收到文本、思考或工具调用增量时，它不会不断追加新消息，而是替换数组中的最后一项：

typescript 复制代码 
context.messages[context.messages.length - 1] = partialMessage;

直到 done 或 error，最后一项才被完整的 finalMessage 替换。

这样设计解决了两个问题：

  • UI 能通过 message_update 实时刷新，不必等模型生成完毕；
  • 对话历史始终只有一条助手消息，不会把每个 token 误存成独立消息。

可以把它理解为：数组长度不变，最后一条消息的内容持续"长大"。

工具调度：准备阶段串行，执行阶段才并行

同一次模型响应可能包含多个 ToolCall。Pi 支持串行和并行两种模式：

  • 配置为 sequential，或批次中任意工具声明 executionMode: "sequential"：整批串行；
  • 其他情况：准备阶段保持顺序，通过检查的工具才并发执行。

并行模式不是简单地把所有逻辑塞进 Promise.all()。它分成三段：

text 复制代码 
准备：按源码顺序查找工具、整理参数、校验 Schema、运行 beforeToolCall
执行：通过准备的工具并发调用 execute
归档：tool_execution_end 可按完成时间出现，ToolResultMessage 按原调用顺序写回

为什么结果消息必须保持原调用顺序？因为下一轮模型需要把每个结果与对应的 ToolCall 稳定配对。执行可以并发，写入上下文的协议顺序却不能随完成速度漂移。

steering 与 followUp：都是新消息，时机完全不同

steering 和 followUp 都能让 Loop 继续，但语义不同。

机制 检查时机 适合的场景 对循环的影响
steering 进入 Loop 前，以及每个 Turn 结束后 用户中途补充"也检查测试文件" 在下一次模型调用前注入
followUp 内层循环已经自然停止后 系统追加"完成后再运行测试" 让外层循环重新启动内层循环

steering 不会打断正在执行的工具。它的"紧急"指的是在当前 Turn 完整结束后，优先进入下一次模型调用。followUp 则更晚：只有当前工具调用和 steering 都耗尽，才会被读取。

双层循环正是为这两种时机服务：

typescript 复制代码 
while (true) {
  while (hasMoreToolCalls || pendingMessages.length > 0) {
    // 模型调用、工具执行、steering 检查
  }

  const followUps = await getFollowUpMessages();
  if (followUps.length > 0) {
    pendingMessages = followUps;
    continue;
  }
  break;
}

如果你的 Agent 没有运行中输入，也没有任务结束后的追加工作，这个外层循环完全可以不要。它是产品能力，不是 Agent 的定义。

两个钩子：下一轮改装与安全停止

每个 Turn 完成后，Pi 还提供两个关键扩展点：

  • prepareNextTurn：替换下一轮的上下文、模型或思考等级；
  • shouldStopAfterTurn：在本轮完整收尾后优雅停止，不再读取队列或发起下一次模型调用。

例如，上下文接近上限时，可以让 shouldStopAfterTurn 返回 true，把压缩或恢复交给更外层的会话管理器。这样停止策略不需要污染通用 Loop。

这体现了一条很实用的架构原则：内核只维护不可缺少的状态转换，产品差异通过窄接口叠加。

六、如何判断自己的 Agent Loop 是否设计过度

实现自己的 Agent 时，可以先回答四个问题：

  1. 模型输出什么结构时需要继续？通常是存在 ToolCall。
  2. 工具结果以什么消息格式回填？它必须能与原 ToolCall 稳定关联。
  3. 哪些状态必须硬停止？至少包括调用错误和用户中止。
  4. 是否真的需要运行中插队、结束后续命、动态换模型？没有实际需求就不要提前加入。

一个健康的设计应当满足：去掉 steering、followUp、动态模型切换等外层能力后，最小 Loop 仍然可以独立运行。

最终可以把 Agent Loop 归纳成一句话：

模型用 ToolCall 提议下一步，运行时安全地执行并回填结果；当没有可执行动作、没有排队消息，也没有异常需要处理时，这次 Trace 才真正结束。

参考资料

相关推荐
风花一世月8 分钟前
[特殊字符] 我把一套分布式消防方案做成了能跑的 3D 沙盘（三架无人机共用一根水带，在线直接玩）
分布式·3d·ai·无人机
GalaxyMeteor10 分钟前
Windows 本地部署 Sam3 模型笔记（含Demo）
ai
秋饼19 分钟前
Java 后端企业级 LLM 网关实战：Spring Cloud Gateway 构建统一大模型接入层
java·ai·技术分享·后端开发
赛博仓鼠2 小时前
Vidu Q4 Preview实测：15张参考图+3段音频驱动，2K/4K输出，国产视频生成新标杆
ai·aigc·音视频
粥里有勺糖2 小时前
Windows 搭建 ComfyUI 环境 | 小白也能直接上手
ai·经验总结·comfyui
袖清暮雨4 小时前
机器学习之其他聚类（层次聚类+DBSCAN算法）
人工智能·机器学习·ai·聚类
ofoxcoding4 小时前
Gemini TTS 与 ElevenLabs 语音合成实测：同一段视频旁白效果对比
ai·ffmpeg·音视频
谢亮_vipxieliang4 小时前
多智能体系统的“TCP/IP时刻”：MCP与A2A协议如何定义Agent时代
网络·tcp/ip·ai·php
知了一笑5 小时前
AI卷王们，从窄路走向宽阔？
人工智能·程序人生·ai
杜子不疼.5 小时前
我给 Claude Code 写了个 MCP Server，让它自己上蓝耘挑模型干活
人工智能·ai·机器人
热门推荐
01国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）02历年考研数学一、数学二、数学三真题试卷及答案PDF03如何新建文件夹？ 电脑新建文件夹的4种方法04GitHub 镜像站点05「全语录+省流版」邵艾伦 × 孙宇晨：聊风口、聊个人IP、聊年轻人如何抓住 AI 时代的机会06蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接07轻量化AI渗透武器库｜ARTEX自主攻防系统、资产梳理、漏洞挖掘、链路分析全流程智能化落地08Windows 10/11 如何退出微软账户并改用本地账户登录（含找不到选项的解决方法）09Telegram APK 下载安装完整指南 — 2026年最新10微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新