Агент на чистом Python: цикл, история и тул-коллы

Что в ролике
Один и тот же промпт про папку habits выглядит по-разному: обычный чат с LLM отвечает, что не может получить доступ к файлам, а агент сам находит, читает и отвечает. Автор подключает Python-клиент OpenAI и через chat completions напрямую спрашивает модель, что лежит в папке habits, и получает отказ без доступа к файловой системе. Затем он оборачивает модель в harness — бесконечный цикл, который хранит всю историю сообщений, чтобы LLM помнила предыдущие реплики. Дальше в harness добавляются два инструмента: list_files для списка файлов в папке и read_file для чтения текстового файла, причём каждый описан схемой с именем, назначением и обязательными аргументами. Когда модель отвечает tool call, harness вызывает нужную функцию, добавляет результат в messages и снова отправляет всё модели. Ключевой момент — замена if на while для обработки tool call, поэтому агент может сначала вызвать list_files, затем read_file и только потом выдать текстовый ответ. В результате агент разбирает папку habits с тремя файлами и объясняет, что habits.py — это небольшой командный трекер привычек, а автор напоминает, что дальше идут permissions, внешняя память и другие продвинутые темы.
Практика
- Что получишь
- Понимание, как из LLM получается агент: за счёт цикла-обвязки, истории сообщений и схемы инструментов. После просмотра вы сможете написать похожего агента на чистом Python и объяснить, почему обычный чат не читает файлы, а агент читает.
- Первый шаг
- Скачайте код и папку habits по ссылке из описания, положите ключ OpenAI в файл .env и запустите ai_agent.py, чтобы увидеть первый отказ модели.
- Цифры
- —2 инструмента — столько функций получил агент: list_files и read_file
- —3 файла — habits.py, readme.py и habits.json лежали в папке habits
- —128 символов — столько вернула модель в первом ответе, когда ещё не имела инструментов
- Честно
- В конце автор продвигает свой live-курс по агентам, где обещает разобрать длинные диалоги, внешнюю память и permissions. Код и папка habits доступны по ссылке под видео, но для запуска нужен ключ OpenAI, а схему инструментов и часть boilerplate-кода в ролике показывают только на экране.
Если слова незнакомы — 4 терминов
- harnessобвязка вокруг модели: цикл, история сообщений и вызов инструментов, которая превращает LLM в агента
- tool callответ модели, в котором она просит обвязку вызвать конкретную функцию
- LLMбольшая языковая модель, которая отвечает текстом, но сама по себе не обращается к файлам и инструментам
- chat completionsметод OpenAI для отправки сообщений модели и получения ответа
Понадобится экран
Часть информации есть только на экране (код в терминале). Открыть на YouTube с 7:12.
Связки из этого ролика
2 шт.- Python
- OpenAI
Компоненты
5 шт.Цитаты-доказательства
дословно из субтитровФормат: пошаговый урок · для практикующих · уверенность разметки 0.87 · источник