2026年AI Agent实战教程：用Python从零构建智能代理

2026年，AI Agent（智能代理）已成为人工智能领域最热门的技术趋势之一。从自动编码到智能客服，AI Agent正在重塑各行各业的工作方式。本文将从零开始，带你构建一个实用的Python AI Agent。

什么是AI Agent？

AI Agent是一种能够自主感知环境、做出决策并执行行动的智能程序。与传统的聊天机器人不同，AI Agent可以调用外部工具、访问网络、执行代码，甚至自主规划复杂的多步骤任务。

准备工作

首先，确保你的环境安装了Python 3.10+和必要的依赖包：

pip install openai python-dotenv requests beautifulsoup4

第一步：创建基础Agent框架

import json
import openai
from typing import List, Dict, Any

class AIAgent:
    """基础的AI Agent框架"""

    def __init__(self, api_key: str, model: str = "gpt-4"):
        self.client = openai.OpenAI(api_key=api_key)
        self.model = model
        self.tools = []
        self.conversation_history = []

    def register_tool(self, name: str, description: str,
                      func: callable, parameters: Dict):
        """注册Agent可以调用的工具"""
        self.tools.append({
            "type": "function",
            "function": {
                "name": name,
                "description": description,
                "parameters": parameters
            }
        })
        self._tool_funcs[name] = func

    def run(self, user_input: str) -> str:
        """运行Agent处理用户输入"""
        self.conversation_history.append({
            "role": "user", "content": user_input
        })

        response = self.client.chat.completions.create(
            model=self.model,
            messages=self.conversation_history,
            tools=self.tools if self.tools else None
        )

        assistant_msg = response.choices[0].message

        # 处理工具调用
        if assistant_msg.tool_calls:
            for tool_call in assistant_msg.tool_calls:
                tool_name = tool_call.function.name
                tool_args = json.loads(tool_call.function.arguments)
                result = self._tool_funcs[tool_name](**tool_args)
                self.conversation_history.append({
                    "role": "tool",
                    "tool_call_id": tool_call.id,
                    "content": str(result)
                })

            # 获取最终回复
            final_response = self.client.chat.completions.create(
                model=self.model,
                messages=self.conversation_history
            )
            return final_response.choices[0].message.content

        return assistant_msg.content

第二步：注册实用工具

为Agent注册一个网页搜索工具和一个计算器工具：

import requests

def web_search(query: str) -> str:
    """执行网络搜索并返回结果"""
    try:
        response = requests.get(
            f"https://api.duckduckgo.com/?q={query}&format=json"
        )
        return response.text[:1000]
    except Exception as e:
        return f"搜索失败: {str(e)}"

def calculator(expression: str) -> str:
    """执行数学计算"""
    try:
        # 安全的数学计算
        allowed_names = {"abs": abs, "round": round,
                        "max": max, "min": min}
        result = eval(expression, {"__builtins__": {}}, allowed_names)
        return str(result)
    except Exception as e:
        return f"计算错误: {str(e)}"

# 创建Agent并注册工具
agent = AIAgent(api_key="your-api-key")
agent.register_tool(
    "web_search",
    "搜索互联网获取最新信息",
    web_search,
    {"query": {"type": "string", "description": "搜索关键词"}}
)
agent.register_tool(
    "calculator",
    "执行数学计算",
    calculator,
    {"expression": {"type": "string",
     "description": "数学表达式，如 2+2*3"}}
)

第三步：运行Agent

# 测试Agent
result = agent.run("请搜索今天AI领域的最新新闻，然后总结给我")
print(result)

进阶功能

完成基础Agent后，你可以进一步扩展：

• 记忆系统：使用向量数据库（如ChromaDB或Pinecone）为Agent添加长期记忆
• 多Agent协作：让多个Agent分工协作，一个负责搜索，一个负责分析，一个负责生成报告
• 自主规划：实现ReAct（Reasoning + Acting）模式，让Agent能够自主分解复杂任务
• 文件处理：添加读写文件的能力，让Agent能够处理本地文档
• API集成：集成Slack、邮箱等API，让Agent成为真正的数字助手

最佳实践建议

1. 工具隔离：每个工具只做一件事，保持接口简单明了
2. 错误处理：工具执行失败时返回友好的错误信息，而不是崩溃
3. 权限控制：严格限制Agent能够执行的敏感操作
4. 成本管理：设置Token使用上限，避免API调用失控
5. 安全沙箱：在隔离环境中运行Agent生成的代码，确保系统安全

通过以上步骤，你已经成功构建了一个具备工具调用能力的AI Agent。2026年，AI Agent技术正在飞速发展，掌握这一技能将成为AI工程师的核心竞争力。推荐进一步参考Towards Data Science的"Ultimate Beginners' Guide to Building an AI Agent in Python"和KDnuggets的"7 Real World AI Projects to Build in 2026"获取更多实战案例。