Die ReAct-Schleife über Mock-Tools
Streife das Marketing ab und ein "AI agent" ist eine Schleife. Das Modell führt nicht magisch Aktionen aus; dein Code tut das. Das Muster ist ReAct: Reason darüber nach, was zu tun ist, führe eine Action aus, indem du ein Tool aufrufst, Observe das Ergebnis, dann wiederhole die Schleife, bis die Aufgabe erledigt ist. Das Modell produziert immer nur Text; die Schleife darum verwandelt diesen Text in echte Toolaufrufe und speist die Ergebnisse zurück ein.
Der Reasoning-Schritt ist das LLM, und er ist nicht-deterministisch, also können wir ihn nicht unit-testen. Aber alles drumherum ist deterministisch und das ist genau das, was in der Produktion kaputtgeht: der Dispatch, das Observation-Handling, die Stop-Bedingung. Also testen wir die loop mit der Aufgabe des Modells ersetzt durch einen scripted plan - eine feste list von (tool, args)actions. So testest du einen Agent tatsächlich: fixiere den plan, assertiere den trace.
Du wirst run_agent(plan, tools, max_steps) bauen. plan ist eine Liste von Schritten wie ("lookup", {"country": "France"}). tools ist ein Dictionary, das einen Toolnamen einer Python-Funktion zuordnet, die das args-Dictionary nimmt und eine Beobachtung zurückgibt. Für jeden Schritt rufst du das passende Tool auf und fügst ein (tool, args, observation)-Triple zu einem trace hinzu - das Audit-Log dessen, was der Agent getan hat.
def run_agent(plan, tools, max_steps=10):
trace = []
for action, args in plan:
if len(trace) >= max_steps:
break
if action == "finish":
break
observation = tools[action](args)
trace.append((action, args, observation))
return traceDie Regeln:
- Für jeden Schritt rufst du
tools[action](args)auf und zeichnest(action, args, observation)in der richtigen Reihenfolge auf. - A
"finish"beendet die Schleife sofort und wird nicht im Trace aufgezeichnet (es ist ein Signal, kein Tool-Aufruf). - Hör auf, sobald die trace bereits
max_stepsEinträge enthält, auch wenn der plan mehr steps hat - dieser Schutz verhindert einen außer Kontrolle geratenen agent. - Wenn ein Schritt keine args hat, behandle ihn als ein leeres dict.
In einer echten App würde das LLM jede nächste Aktion als JSON ausgeben und dieselbe loop würde sie ausführen, also könntest du den skriptierten Plan gegen den Live-Output des Modells austauschen, ohne die loop zu berühren. Der On-Device-Tutor kann diese loop live steuern, aber das Grading schaut immer nur auf den deterministischen Trace. Drücke Run, um die Ausführung eines Zwei-Schritte-Plans zu beobachten: suche eine Hauptstadt, mache dann eine Arithmetik und beende den Vorgang.
Was du gerade gebaut hast, hat in der Industrie einen Namen. Diese observe-think-act loop ist der Kern jedes agent framework: LangGraph und ähnliche libraries geben dir diese loop als einen graph von nodes, hosted agent APIs führen sie auf der Seite des providers aus, und ein MCP client ist eigentlich nur diese loop, die an tools angeschlossen ist, die er über ein protocol entdeckt. Sie fügen streaming, retries, persistence und tracing hinzu, aber die engine ist genau die loop, die du geschrieben hast. Sie einmal von Grund auf zu bauen, macht diese frameworks lesbar statt magisch: du wirst genau wissen, welchen Teil jede davon automatisiert.
Schreibe run_agent(plan, tools, max_steps=10), das einen skriptbasierten Plan von (tool, args) Schritten gegen eine Mock-Tool-Registry ausführt. Rufe für jeden Schritt tools[action](args) auf und füge (action, args, observation) zu einer Trace-Liste hinzu. Eine "finish"-Aktion stoppt die Schleife und wird nicht aufgezeichnet; stoppe, sobald die Trace max_steps Einträge enthält. Gib die Trace zurück.
Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion
Diese Übung öffnet bald
Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.
Dieser Browser blockiert Cookies für learn.floati.life, daher können hier beendigte Lektionen nicht in der richtigen Reihenfolge geöffnet werden. Erlaube Cookies für diese Seite und lade sie neu.