# S01 Agent Loop 代码讲解

这一节只讲一个核心：

**Agent 不是一次问答，而是一个循环。模型决定要不要调用工具，程序执行工具，再把结果交还给模型。**

---

## 1. 本节新增内容

- `TOOLS`：告诉模型现在有哪些工具可以用。
- `run_bash()`：真正执行 bash 命令的 Python 函数。
- `agent_loop(messages)`：最小 Agent Loop。

---

## 2. Messages 数据结构

`messages` 是一个列表：

```python
messages: list[dict]
```

里面每一项是一条对话消息：

```python
{"role": "user", "content": "列出当前目录"}
```

模型返回工具调用后，程序会追加：

```python
{"role": "assistant", "content": response.content}
```

工具执行完成后，程序再追加：

```python
{
    "role": "user",
    "content": [
        {
            "type": "tool_result",
            "tool_use_id": "toolu_xxx",
            "content": "命令输出"
        }
    ]
}
```

---

## 3. `TOOLS`

`TOOLS` 是给模型看的工具说明，不是 Python 真正执行工具的地方。

```python
TOOLS = [{
    "name": "bash",
    "description": "运行一条 shell 命令。",
    "input_schema": {
        "type": "object",
        "properties": {"command": {"type": "string"}},
        "required": ["command"],
    },
}]
```

可以理解成：

```python
工具名：bash
参数：command
参数类型：string
```

模型看到这个 schema 后，才知道自己可以生成这样的工具请求：

```python
{
    "type": "tool_use",
    "name": "bash",
    "input": {"command": "ls"}
}
```

---

## 4. `run_bash(command)`

`run_bash()` 是真正执行命令的地方。

模型不会真的执行 bash，它只会提出：

```python
我要调用 bash，参数是 {"command": "ls"}
```

程序收到之后，才会调用：

```python
run_bash("ls")
```

返回值会被包装成 `tool_result`，再塞回 `messages`。

---

## 5. `agent_loop(messages)`

这是本节课最核心的函数。

流程可以理解成：

```python
while True:
    调用模型
    保存模型回复

    如果模型没有要求调用工具：
        结束

    如果模型要求调用工具：
        执行工具
        把工具结果放回 messages
        继续下一轮
```

关键点：

**模型负责判断，工具负责执行，循环负责持续推进。**

---

## 6. 本节课堂重点

不要把 Function Call 理解成“模型执行函数”。

真正发生的是：

```python
模型生成 tool_use
Python 执行 run_bash
Python 生成 tool_result
模型继续读取 tool_result
```

这就是 Coding Agent 的最小内核。