博客 / 詳情

返回

從零開始：用Python和Gemini 3四步搭建你自己的AI Agent

很多人第一次看到 AI Agent 自己編輯文件、跑代碼、修 bug，還能一直運行下去的時候,都覺得挺神奇。其實遠沒有想象中那麼複雜。這裏沒什麼秘密算法,也沒有什麼"智能體大腦"這種玄學概念。

AI Agent核心就三件事：循環 + LLM + 工具函數。

如果你會寫個

while True

循環？那基本就算成功一半了。

這篇文章會完整展示怎麼用 Gemini 3 搭一個真正能用的 Agent：從最基礎的 API 調用,到一個能讀寫文件、理解需求的命令行助手。

Agent 到底是什麼

傳統程序就是流程圖那一套：步驟 A → 步驟 B → 步驟 C → 結束。

而Agent 不一樣,它會根據當前狀況決定下一步幹什麼。可以理解成圍繞 LLM 搭的一個小系統,比如説：

  • 規劃任務
  • 執行操作
  • 根據結果調整
  • 循環往復直到搞定

所以不是寫死的腳本,更像是個會思考的循環。

不管多複雜的 Agent,都逃不開這四個部分：

1、模型 負責思考

這裏用的是 Gemini 3 Pro。它可以分析用户需求,決定接下來該做什麼。

2、工具 負責執行

就是一堆函數：讀文件、列目錄、發郵件、調 API...想加什麼加什麼。

3、上下文工作記憶

模型當前能看到的所有信息，怎麼管理這塊內容,業內叫 Context Engineering。

4、循環 運轉機制

觀察 → 思考 → 行動 → 重複,一直到任務完成。

就這麼四塊,沒別的了。

循環的運行邏輯

幾乎所有 Agent 都是這個流程：

先把可用的工具描述給模型看,然後把用户請求和工具定義一起發給模型。模型會做決策：要麼直接回復,要麼調用某個工具並傳參數。

但是你要寫代碼負責在 Python 裏執行這個工具。

執行完把結果喂回給 Gemini。

模型拿到新信息後繼續判斷下一步。

就這樣循環,直到模型覺得任務完成了。

下面我們開始寫：

第一步：基礎聊天機器人

先寫個 Gemini 3 API 的簡單封裝 ，其實就是個能記住對話的類。

 from google import genai  
from google.genai import types  
   
class Agent:  
    def __init__(self, model: str):  
        self.model = model  
        self.client = genai.Client()  
        self.contents = []  
   
    def run(self, contents: str):  
        self.contents.append({"role": "user", "parts": [{"text": contents}]})  
   
        response = self.client.models.generate_content(  
            model=self.model,  
            contents=self.contents  
        )  
   
        self.contents.append(response.candidates[0].content)  
        return response  
   
agent = Agent(model="gemini-3-pro-preview")  

response1 = agent.run(  
    "Hello, what are the top 3 cities in Germany to visit? Only return the names."  
)  
 print(response1.text)

上面代碼能跑,但是就是個聊天機器人。它啥也幹不了,因為沒有"手"。

第二步：加入工具函數

工具其實就是 Python 函數 + 一段 JSON schema 描述。描述是給 Gemini 看的,讓它知道這個函數能幹啥。

這裏加三個簡單的：

  • read_file - 讀文件
  • write_file - 寫文件
  • list_dir - 列目錄

先寫定義：

 read_file_definition = {  
    "name": "read_file",  
    "description": "Reads a file and returns its contents.",  
    "parameters": {  
        "type": "object",  
        "properties": {  
            "file_path": {"type": "string"}  
        },  
        "required": ["file_path"],  
    },  
}  
   
list_dir_definition = {  
    "name": "list_dir",  
    "description": "Lists the files in a directory.",  
    "parameters": {  
        "type": "object",  
        "properties": {  
            "directory_path": {"type": "string"}  
        },  
        "required": ["directory_path"],  
    },  
}  
   
write_file_definition = {  
    "name": "write_file",  
    "description": "Writes contents to a file.",  
    "parameters": {  
        "type": "object",  
        "properties": {  
            "file_path": {"type": "string"},  
            "contents": {"type": "string"},  
        },  
        "required": ["file_path", "contents"],  
    },  
 }

然後是實際的 Python 實現：

 def read_file(file_path: str) -> dict:  
    with open(file_path, "r") as f:  
        return f.read()  
   
def write_file(file_path: str, contents: str) -> bool:  
    with open(file_path, "w") as f:  
        f.write(contents)  
    return True  
   
def list_dir(directory_path: str) -> list[str]:  
     return os.listdir(directory_path)

打包一下就搞定了：

 file_tools = {  
     "read_file": {"definition": read_file_definition, "function": read_file},  
     "write_file": {"definition": write_file_definition, "function": write_file},  
     "list_dir": {"definition": list_dir_definition, "function": list_dir},  
 }

第三步：真正的 Agent

現在把 Agent 類擴展一下,讓它能：

  • 識別工具調用
  • 在 Python 裏執行對應的函數
  • 把結果傳回 Gemini
  • 繼續循環直到完成
 class Agent:  
    def __init__(self, model: str, tools: dict,   
                 system_instruction="You are a helpful assistant."):  
        self.model = model  
        self.client = genai.Client()  
        self.contents = []  
        self.tools = tools  
        self.system_instruction = system_instruction  
   
    def run(self, contents):  
        # Add user input to history  
        if isinstance(contents, list):  
            self.contents.append({"role": "user", "parts": contents})  
        else:  
            self.contents.append({"role": "user", "parts": [{"text": contents}]})  
   
        config = types.GenerateContentConfig(  
            system_instruction=self.system_instruction,  
            tools=[types.Tool(  
                function_declarations=[  
                    tool["definition"] for tool in self.tools.values()  
                ]  
            )],  
        )  
   
        response = self.client.models.generate_content(  
            model=self.model,  
            contents=self.contents,  
            config=config  
        )  
   
        # Save model output  
        self.contents.append(response.candidates[0].content)  
   
        # If model wants to call tools  
        if response.function_calls:  
            functions_response_parts = []  
   
            for tool_call in response.function_calls:  
                print(f"[Function Call] {tool_call}")  
   
                if tool_call.name in self.tools:  
                    result = {"result": self.tools[tool_call.name]["function"](**tool_call.args)}  
                else:  
                    result = {"error": "Tool not found"}  
   
                print(f"[Function Response] {result}")  
   
                functions_response_parts.append(  
                    {"functionResponse": {"name": tool_call.name, "response": result}}  
                )  
   
            # Feed tool results back to the model  
            return self.run(functions_response_parts)  
          
         return response

這樣就可以跑一下試試了：

 agent = Agent(  
    model="gemini-3-pro-preview",  
    tools=file_tools,  
    system_instruction="You are a helpful Coding Assistant. Respond like Linus Torvalds."  
)  

response = agent.run("Can you list my files in the current directory?")  
 print(response.text)

如果沒問題,Gemini 會調工具,拿到結果,然後給出最終回覆。

到這一步,一個能用的 Agent 就搭好了。

第四步：包裝成命令行工具

最後我們在再套個輸入循環就行：

 agent = Agent(  
    model="gemini-3-pro-preview",  
    tools=file_tools,  
    system_instruction="You are a helpful Coding Assistant. Respond like Linus Torvalds."  
)  
   
print("Agent ready. Type something (or 'exit').")  
while True:  
    user_input = input("You: ")  
    if user_input.lower() in ['exit', 'quit']:  
        break  
   
    response = agent.run(user_input)  
     print("Linus:", response.text, "\n")

代碼很少但是效果已經相當不錯了。

總結

搭 Agent 一開始看着挺唬人,但理解了結構之後,會發現簡單得有點無聊。往簡單了説，它就是個循環。一個裏面跑着聰明模型的循環。明白這點之後,你就能造出看起來"有生命"的 Agent 了。

如果想繼續擴展的話,可以加這些：

網絡搜索、數據庫查詢、執行 shell 命令、調用雲服務、長期記憶、工作流編排、任務調度、多步規劃...

但不管怎麼加,底層還是那個簡單結構：

觀察 → 思考 → 行動 → 重複

https://avoid.overfit.cn/post/67cef1690eb14d2fb3ecc0ff7bdf91f8

這就是現代 Agent 的核心。

llm , agent , 教程 , 人工智能 , 深度學習
user avatar
0 位用戶收藏了這個故事！

發佈 評論

Some HTML is okay.