2026 AI Agent 入门实战：不用 LangChain，用 Python 手写一个会调用工具的最小智能体

NC 王炸

31人浏览 · 2026-09-16 20:24:23

NC 王炸 · 2026-09-16 20:24:23 发布

AI Agent，也就是 AI 智能体，是目前人工智能应用开发中的热门方向。

普通聊天程序只能回答问题，而 Agent 更强调“执行任务”。例如：

查看当前时间
列出文件夹中的文件
统计不同类型文件的数量
根据用户要求选择合适的工具
获取工具执行结果并返回答案

很多 Agent 教程一开始就使用 LangChain、LangGraph 等框架，初学者容易被大量概念和依赖劝退。

本文先不调用大模型，也不使用第三方框架，只用 Python 标准库手写一个最小 Agent 雏形，理解智能体最基本的运行流程。

一、Agent 的基本工作流程

一个简单的 Agent 可以拆成以下几个部分：

接收用户任务
    ↓
判断用户想做什么
    ↓
选择合适的工具
    ↓
执行工具
    ↓
读取执行结果
    ↓
把结果返回给用户

例如，用户输入：

帮我统计文件类型

Agent 判断这是一个文件统计任务，于是选择：

count_file_types

工具执行完成后，Agent 再把统计结果返回给用户。

本文实现三个工具：

查看当前时间。
查看工作目录中的文件。
统计不同类型文件的数量。

二、完整代码

新建一个 Python 文件：

mini_agent.py

复制下面的完整代码：

"""一个只使用 Python 标准库实现的最小 Agent 雏形。"""

import argparse
from collections import Counter
from datetime import datetime
from pathlib import Path


class MiniAgent:
    """根据用户输入选择并执行本地工具。"""

    def __init__(self, workspace):
        self.workspace = workspace.resolve()

        if not self.workspace.is_dir():
            raise ValueError("工作目录不存在或者不是文件夹。")

        self.tools = {
            "current_time": self.current_time,
            "list_files": self.list_files,
            "count_file_types": self.count_file_types,
        }

    def current_time(self):
        """返回当前本地时间。"""

        return datetime.now().strftime(
            "当前时间：%Y-%m-%d %H:%M:%S"
        )

    def list_files(self):
        """列出工作目录第一层的文件。"""

        files = sorted(
            [
                item.name
                for item in self.workspace.iterdir()
                if item.is_file()
            ],
            key=str.lower,
        )

        if not files:
            return "当前目录中没有文件。"

        # 防止目录中文件过多，只显示前20个
        visible_files = files[:20]

        result = ["当前目录中的文件："]

        for number, file_name in enumerate(
            visible_files,
            start=1,
        ):
            result.append(
                str(number) + ". " + file_name
            )

        if len(files) > 20:
            result.append(
                "还有 "
                + str(len(files) - 20)
                + " 个文件没有显示。"
            )

        return "\n".join(result)

    def count_file_types(self):
        """统计工作目录第一层中不同类型文件的数量。"""

        counter = Counter()

        for item in self.workspace.iterdir():
            if not item.is_file():
                continue

            file_type = item.suffix.lower()

            if not file_type:
                file_type = "无扩展名"

            counter[file_type] += 1

        if not counter:
            return "当前目录中没有可以统计的文件。"

        sorted_results = sorted(
            counter.items(),
            key=lambda item: (-item[1], item[0]),
        )

        result = ["文件类型统计结果："]

        for file_type, count in sorted_results:
            result.append(
                file_type + "：" + str(count) + " 个"
            )

        return "\n".join(result)

    def decide(self, user_input):
        """根据关键词选择工具。"""

        text = user_input.strip().lower()

        if any(
            keyword in text
            for keyword in ["时间", "几点", "日期"]
        ):
            return "current_time"

        if (
            "统计" in text
            and any(
                keyword in text
                for keyword in ["文件", "类型", "扩展名"]
            )
        ):
            return "count_file_types"

        if any(
            keyword in text
            for keyword in ["查看文件", "列出文件", "有哪些文件"]
        ):
            return "list_files"

        return None

    def run(self, user_input):
        """完成一次任务判断和工具调用。"""

        tool_name = self.decide(user_input)

        if tool_name is None:
            return (
                "暂时无法识别这个任务。\n"
                "你可以尝试输入：\n"
                "1. 现在几点？\n"
                "2. 查看文件\n"
                "3. 统计文件类型"
            )

        tool = self.tools[tool_name]

        try:
            tool_result = tool()
        except OSError as error:
            return "工具执行失败：" + str(error)

        return (
            "执行工具：" + tool_name + "\n"
            + tool_result
        )


def main():
    parser = argparse.ArgumentParser(
        description="运行一个最小 Python Agent"
    )

    parser.add_argument(
        "workspace",
        nargs="?",
        default=".",
        help="允许 Agent 读取的工作目录",
    )

    args = parser.parse_args()

    try:
        agent = MiniAgent(
            Path(args.workspace)
        )
    except ValueError as error:
        print("启动失败：" + str(error))
        return 1

    print("最小 Python Agent 已启动。")
    print("工作目录：" + str(agent.workspace))
    print("输入 exit 可以退出程序。")

    while True:
        user_input = input("\n请输入任务：").strip()

        if user_input.lower() in {
            "exit",
            "quit",
            "退出",
        }:
            print("Agent 已退出。")
            break

        if not user_input:
            print("请输入具体任务。")
            continue

        print(agent.run(user_input))

    return 0


if __name__ == "__main__":
    raise SystemExit(main())

三、运行 Agent

在 mini_agent.py 所在目录打开 PowerShell，执行：

python mini_agent.py

程序启动后会显示：

最小 Python Agent 已启动。
工作目录：当前目录的完整路径
输入 exit 可以退出程序。

输入：

现在几点？

Agent 会选择时间工具：

执行工具：current_time
当前时间：2026-09-16 10:30:00

实际时间以电脑运行时显示的结果为准。

四、让 Agent 查看文件

输入：

查看文件

Agent 会执行：

list_files

运行结果类似：

执行工具：list_files
当前目录中的文件：
1. mini_agent.py
2. 工作计划.docx
3. 产品资料.pdf
4. 数据.csv

为了避免一次输出太多内容，程序最多显示前20个文件。

五、让 Agent 统计文件类型

输入：

帮我统计文件类型

运行结果类似：

执行工具：count_file_types
文件类型统计结果：
.pdf：3 个
.txt：2 个
.csv：1 个
.docx：1 个
无扩展名：1 个

程序会把大写和小写扩展名合并。

例如：

图片.PNG
截图.png

都会被统计为：

.png

六、指定需要处理的文件夹

默认情况下，Agent 读取程序当前所在的文件夹。

如果想处理其他目录，可以在启动时填写文件夹路径：

python mini_agent.py "D:\工作资料"

路径中包含空格时，需要使用英文双引号。

例如：

python mini_agent.py "D:\2026 年项目资料"

Agent 只读取指定目录第一层的文件，不会修改、移动或者删除文件。

处理重要资料前，建议先使用测试文件夹运行。

七、为什么它可以算作 Agent 雏形？

这个程序已经包含了 Agent 的几个基础组成部分。

1. 接收任务

user_input = input("请输入任务：")

用户可以使用自然语言描述自己的需求。

2. 任务判断

tool_name = self.decide(user_input)

decide() 根据用户输入判断需要使用哪个工具。

3. 工具注册

self.tools = {
    "current_time": self.current_time,
    "list_files": self.list_files,
    "count_file_types": self.count_file_types,
}

工具名称和实际的 Python 函数保存在字典中。

后续增加新工具时，只需要编写对应函数，再把它注册到字典中。

4. 工具调用

tool = self.tools[tool_name]
tool_result = tool()

Agent 根据任务判断结果调用对应工具。

5. 返回执行结果

return (
    "执行工具：" + tool_name + "\n"
    + tool_result
)

工具完成任务后，Agent 将结果整理并返回给用户。

八、它和真正的大模型 Agent 有什么区别？

本文程序使用关键词判断任务：

if "时间" in text:
    return "current_time"

优点是：

代码简单
不需要联网
不需要申请 API Key
不会产生模型调用费用
运行结果容易理解和检查

缺点也很明显：

只能理解提前设置好的关键词
无法处理复杂表达
不会自动拆分多步骤任务
不具备上下文记忆
不会根据结果继续规划

真正的大模型 Agent 通常会让模型负责理解任务和选择工具。

例如用户输入：

先看看这个文件夹有哪些文件，
再统计一下哪种文件最多。

大模型可能将任务拆成两步：

第一步：调用 list_files
第二步：调用 count_file_types

这也是本文程序后续可以继续升级的方向。

九、如何增加一个新工具？

例如，我们想增加“统计文件总数”工具。

首先编写函数：

def count_all_files(self):
    count = sum(
        1
        for item in self.workspace.iterdir()
        if item.is_file()
    )

    return "文件总数：" + str(count)

然后注册工具：

self.tools = {
    "current_time": self.current_time,
    "list_files": self.list_files,
    "count_file_types": self.count_file_types,
    "count_all_files": self.count_all_files,
}

最后在 decide() 中增加判断：

if "文件总数" in text:
    return "count_all_files"

这样 Agent 就获得了一项新的能力。

十、常见问题

输入任务后提示无法识别

当前版本依靠关键词判断任务。

可以尝试输入：

现在几点？
查看文件
统计文件类型

提示工作目录不存在

检查文件夹路径是否正确：

python mini_agent.py "D:\工作资料"

不要把具体文件当成工作目录。

文件统计数量不正确

本文只统计指定文件夹第一层的文件，不统计子文件夹中的内容。

另外，脚本文件 mini_agent.py 本身也位于工作目录时，它会被统计为一个 .py 文件。

中文路径能不能使用？

可以。

建议使用完整路径并添加英文双引号：

python mini_agent.py "D:\中文资料目录"

十一、总结

本文没有直接使用复杂框架，而是通过 Python 标准库实现了一个最小 Agent 雏形。

它具备以下能力：

接收用户任务
判断任务类型
选择工具
执行工具
返回执行结果
限制文件访问范围

这个版本还没有接入真正的大模型，但已经展示了 Agent 最核心的结构。

理解这套流程后，下一步可以把关键词判断替换为大模型，再加入：

多轮对话
自动任务拆分
记忆功能
大模型 API
本地 Ollama 模型
多工具连续调用

相比一开始就使用复杂框架，先手写一个最小版本，更容易理解 Agent 到底是怎样工作的。

本文代码由 AI 辅助编写。运行时请先使用测试文件夹，不要直接处理重要资料。

人工智能6S服务平台

作为“人工智能6S店”的官方数字引擎，为AI开发者与企业提供一个覆盖软硬件全栈、一站式门户。

更多推荐

【共创稿事节】仓颉开发实例：双栏对照迁仓颉：边界摸到了，系统壳还给 ArkTS

人工智能6S服务平台

MacOS27 x86限制引发的pod的问题处理

在这之上先是一顿鼓捣,删除cocoapods失败，删除Ruby，重新安装失败，删除ruby还会引发鸿蒙devEco-studio的编译报错，最后寻找了一条新的解决方法。由于多年开发，使用的ruby和pod都是x86架构，并从旧系统一直拷贝沿用到MacOS27，终于一切都结束了，问题从。

人工智能6S服务平台

时光：一款把日期、日程和纪念日装在一起的鸿蒙日历应用

人工智能6S服务平台

所有评论(0)

查看更多评论

NC 王炸

@qq_49411124

已为社区贡献1条内容

2026 AI Agent 入门实战：不用 LangChain，用 Python 手写一个会调用工具的最小智能体

NC 王炸

一、Agent 的基本工作流程

二、完整代码

三、运行 Agent

四、让 Agent 查看文件

五、让 Agent 统计文件类型

六、指定需要处理的文件夹

七、为什么它可以算作 Agent 雏形？

1. 接收任务

2. 任务判断

3. 工具注册

4. 工具调用

5. 返回执行结果

八、它和真正的大模型 Agent 有什么区别？

九、如何增加一个新工具？

十、常见问题

输入任务后提示无法识别

提示工作目录不存在

文件统计数量不正确

中文路径能不能使用？

十一、总结

所有评论(0)

温馨提示：您尚未绑定手机号

NC 王炸