很多人第一次看到 AI Agent 自己编辑文件、跑代码、修 bug，还能一直运行下去的时候,都觉得挺神奇。其实远没有想象中那么复杂。这里没什么秘密算法,也没有什么"智能体大脑"这种玄学概念。

AI Agent核心就三件事：循环 + LLM + 工具函数。

如果你会写个 while True 循环？那基本就算成功一半了。

这篇文章会完整展示怎么用 Gemini 3 搭一个真正能用的 Agent：从最基础的 API 调用,到一个能读写文件、理解需求的命令行助手。

传统程序就是流程图那一套：步骤 A → 步骤 B → 步骤 C → 结束。

而Agent 不一样,它会根据当前状况决定下一步干什么。可以理解成围绕 LLM 搭的一个小系统,比如说：

规划任务

执行操作

根据结果调整

循环往复直到搞定

所以不是写死的脚本,更像是个会思考的循环。

不管多复杂的 Agent,都逃不开这四个部分：

1、模型 负责思考

这里用的是 Gemini 3 Pro。它可以分析用户需求,决定接下来该做什么。

2、工具 负责执行

就是一堆函数：读文件、列目录、发邮件、调 API...想加什么加什么。

3、上下文工作记忆

模型当前能看到的所有信息，怎么管理这块内容,业内叫 Context Engineering。

4、循环 运转机制

观察 → 思考 → 行动 → 重复,一直到任务完成。

就这么四块,没别的了。

几乎所有 Agent 都是这个流程：

先把可用的工具描述给模型看,然后把用户请求和工具定义一起发给模型。模型会做决策：要么直接回复,要么调用某个工具并传参数。

但是你要写代码负责在 Python 里执行这个工具。

执行完把结果喂回给 Gemini。

模型拿到新信息后继续判断下一步。

就这样循环,直到模型觉得任务完成了。

下面我们开始写：

第一步：基础聊天机器人

先写个 Gemini 3 API 的简单封装 ，其实就是个能记住对话的类。

from google import genai  from google.genai import types     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)

上面代码能跑,但是就是个聊天机器人。它啥也干不了,因为没有"手"。

第二步：加入工具函数

工具其实就是 Python 函数 + 一段 JSON schema 描述。描述是给 Gemini 看的,让它知道这个函数能干啥。

这里加三个简单的：

read_file - 读文件

write_file - 写文件

list_dir - 列目录

先写定义：

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"],      },  }

然后是实际的 Python 实现：

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

现在把 Agent 类扩展一下,让它能：

识别工具调用

在 Python 里执行对应的函数

把结果传回 Gemini

继续循环直到完成

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

这样就可以跑一下试试了：

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)

如果没问题,Gemini 会调工具,拿到结果,然后给出最终回复。

到这一步,一个能用的 Agent 就搭好了。

第四步：包装成命令行工具

最后我们在再套个输入循环就行：

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")

代码很少但是效果已经相当不错了。

搭 Agent 一开始看着挺唬人,但理解了结构之后,会发现简单得有点无聊。往简单了说，它就是个循环。一个里面跑着聪明模型的循环。明白这点之后,你就能造出看起来"有生命"的 Agent 了。

如果想继续扩展的话,可以加这些：

网络搜索、数据库查询、执行 shell 命令、调用云服务、长期记忆、工作流编排、任务调度、多步规划...

但不管怎么加,底层还是那个简单结构：

观察 → 思考 → 行动 → 重复

这就是现代 Agent 的核心。

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