AI Agent实战开发从零搭建一个能自主决策的任务助手

为什么你需要了解AI Agent实战开发

AI Agent（智能体）是一种能自主感知环境、制定计划并调用工具完成任务的程序。
很多运维场景——比如自动处理服务器告警、定时执行配置检查——都可以用Agent来简化。
这篇教程会带你从零开始写一个能联网查询天气并自动决策的Agent，所有操作都在本地Linux服务器上完成。

动手前先准备好这些

开发AI Agent至少需要一台能联网的Linux服务器（或虚拟机），以及Python 3.8以上版本。
建议使用conda或venv创建独立环境，避免依赖冲突。

# 创建一个Python虚拟环境
python3 -m venv agent_env
source agent_env/bin/activate

# 升级pip并安装核心库
pip install --upgrade pip
pip install langchain openai requests

如果你选择使用国内云服务器，注意检查外网访问权限（API调用需要联网）。
另外准备一个OpenAI API Key或兼容的API接口，本地测试可以用免费的小型模型（如ChatGLM或通义千问的API）。

写一个能自主决策的Agent核心代码

下面这个例子使用LangChain的Agent框架，让Agent能自动选择“搜索”或“计算”工具来回答用户问题。

from langchain.agents import initialize_agent, Tool
from langchain.llms import OpenAI
from langchain.tools import tool
import requests

# 定义天气查询工具
@tool
def get_weather(city: str) -> str:
    """根据城市名返回当前天气情况"""
    # 这里用一个免费API示例，实际使用时替换成真实key
    url = f"https://api.openweathermap.org/data/2.5/weather?q={city}&appid=YOUR_API_KEY"
    resp = requests.get(url)
    return resp.json().get("weather", [{}])[0].get("description", "未知")

# 初始化LLM（以OpenAI为例）
llm = OpenAI(api_key="YOUR_API_KEY", temperature=0)

# 组合工具列表
tools = [get_weather]

# 创建Agent
agent = initialize_agent(
    tools,
    llm,
    agent="zero-shot-react-description",
    verbose=True
)

# 测试
if __name__ == "__main__":
    result = agent.run("北京今天的天气适合跑步吗？请先查询天气，然后给出建议。")
    print(result)

代码里@tool装饰器把普通函数变成Agent可调用的工具；initialize_agent把LLM和工具组合在一起，Agent会根据用户问题自动决定是否调用工具以及调用哪个。
运行后会看到Agent的思考链条。

常见报错与避坑指南

1. API Key未设置或无效
如果出现AuthenticationError，检查代码中的YOUR_API_KEY是否已替换为真实Key，并且该Key有调用余额。如果使用国产模型，需要更换llm的类（比如ChatGLM）和API地址。

2. 依赖版本冲突
LangChain更新频繁，推荐锁定版本安装：

pip install langchain==0.1.0 openai==1.6.0

3. Agent卡在无限循环或返回空结果
可能原因是工具返回格式不符合Agent预期。确保工具函数返回的是字符串（str），而不是字典或列表。可以在get_weather里用json.dumps转换。
4. 网络超时
如果使用国内服务器，部分API可能被墙。建议用http代理或换成国内API服务（如阿里云通义千问）。

验证你的Agent是否工作正常

运行上面的代码，你会看到类似这样的输出：

> Entering new AgentExecutor chain...
我需要先查询北京的天气。
Action: get_weather
Action Input: 北京
Observation: clear sky
Thought: 天气晴朗，适合跑步。
Final Answer: 北京今天天气晴朗，非常适合户外跑步！
> Finished chain.

如果Agent正确回答了建议，说明你的开发环境搭建成功，Agent核心逻辑生效。
下面你可以根据自己的业务（比如监控服务器状态、自动执行Shell命令）替换工具函数，把Agent变成真正的运维利器。

如果你在搭建过程中遇到其他报错，优先检查API权限和网络连接。
更复杂的功能（多工具协同、记忆功能）可以在LangChain官方文档中继续学习。