详尽地带你从零开始设计实现一个AI Agent框架

hlx

年初火爆现在热度依旧的OpenClaw为AI Agent带来了新的想象。如果说2025是AI Agent智能体元年，想必2026将会是AI Agent真正商用化的开端，而AI Agent商用化的前提是各行各业开始落地实际商业领域的AI Agent。

作为一名程序员/工程师，思考的更多的可能是如何将AI Agent落地实现的层面。工程框架往往是工程应用实现的基石，框架选型也是架构师们设计与实现一个AI Agent智能体的首要工作。

一、AI Agent 框架理论篇

Agent = Reasoning + Actinghttp://cdn.u1.huluxia.com/g4/M01/61/EF/rBAAdmndXPuAUR_dAAKZu06Q2fM500.png,1080,4561.1 AI Agent 框架基础理论
AI 智能体是使用 AI 来实现目标并代表用户完成任务的软件系统。其表现出了推理、规划和记忆能力，并且具有一定的自主性，能够自主学习、适应和做出决定。

Google Cloud

关于AI Agent这里引用了Google Cloud的定义，言简意赅。

1）ReAct 模式

在当前AI Agent理论中，最具有基础性与代表性的要数ReAct模式，它是Yao等人于2022年在《ReAct: Synergizing Reasoning and Acting in Language Models》论文中提出，核心思想将推理（Reasoning）和行动（Acting）相结合。CoT提升的是LLM的推理能力，但它的缺点在于缺少与外部世界的交互从而缺少外部反馈来拓展自身的知识空间，ReAct弥补了这一缺陷。http://cdn.u1.huluxia.com/g4/M01/61/EF/rBAAdmndXPyAEN0fAAD7_S41Pw8950.png,1080,289Call和MCP，还可以执行代码完成任务，而且效果更好。2025年11月，Anthropic官方博客更新技术文章《Code execution with MCP: Building more efficient agents》，提出将 MCP 服务器作为代码 API（而非直接的工具调用）来提供，然后，Agent就可以编写代码来与 MCP 服务器交互，这样Agent可以按需加载，更高效地利用上下文。CodeAct这个观点与本文开头的Shunyu Yao的”人类最重要的 affordance 是手，而 AI 最重要的 affordance 可能是代码”也不谋而合。

从Manus的故事，我们可以得出当前关于Agent工程的两大业内共识：

使用文件系统作为上下文（如使用文件保存Agent长期记忆，如OpenClaw的SOUL.md/TOOLS.md/MEMORY.md等）
编程是解决通用问题的一种普适方法（AI更擅长使用代码解决问题：问题->生成代码->执行代码->Again->直到问题解决）
虽然当前Agent框架发展从ReAct模式逐渐融合CodeAct模式，但是Agent框架本质的推理与执行功能并没有变化。http://cdn.u1.huluxia.com/g4/M01/61/EF/rBAAdmndXPyAMeVRAAHRqPVqhd8184.png,1080,427Call和MCP，还可以执行代码完成任务，而且效果更好。2025年11月，Anthropic官方博客更新技术文章《Code execution with MCP: Building more efficient agents》，提出将 MCP 服务器作为代码 API（而非直接的工具调用）来提供，然后，Agent就可以编写代码来与 MCP 服务器交互，这样Agent可以按需加载，更高效地利用上下文。CodeAct这个观点与本文开头的Shunyu Yao的”人类最重要的 affordance 是手，而 AI 最重要的 affordance 可能是代码”也不谋而合。

从Manus的故事，我们可以得出当前关于Agent工程的两大业内共识：

使用文件系统作为上下文（如使用文件保存Agent长期记忆，如OpenClaw的SOUL.md/TOOLS.md/MEMORY.md等）
编程是解决通用问题的一种普适方法（AI更擅长使用代码解决问题：问题->生成代码->执行代码->Again->直到问题解决）
虽然当前Agent框架发展从ReAct模式逐渐融合CodeAct模式，但是Agent框架本质的推理与执行功能并没有变化。