Claude Code、Codex、OpenCode已经成为开发者的日常工具，OpenClaw和Hermes正在走进普通用户的桌面。2026年被业内称为"AI Agent元年"，但这些工具究竟如何运作？本文将用纯Python从零构建一个最简Agent，不带任何框架，只保留核心机制。

Agent的本质是什么？

打开网易新闻 查看精彩图片

一个AI Agent是借助人工智能自主达成目标的程序。它感知环境、进行推理、执行动作，循环运行直至目标完成。这与传统软件的关键区别在于：它不是一次性响应，而是持续的状态维护与决策迭代。

打开网易新闻 查看精彩图片

最简Agent只需四个组件：

1. 循环结构——保持Agent持续运行

2. 大模型连接——接入具备推理能力的AI

3. 用户输入通道——接收目标指令

4. 上下文记忆——保存对话历史，避免"失忆"

打开网易新闻 查看精彩图片

本文示例采用本地部署方案：通过Ollama运行gemma4:e4b模型（40亿有效参数），完全免费且可在个人设备运行。

核心代码解析

代码分为两个函数：get_llm_client()建立与本地Ollama的连接，agent_loop()实现主循环。关键机制在于messages数组——它同时承担系统指令存储、对话历史追踪、上下文窗口管理三重职能。

执行流程如下：用户输入被追加为user角色消息，完整对话历史发送至模型，返回的assistant内容再写回messages。temperature设为0.7平衡创造性与稳定性，输入"\exit"触发循环终止。

这个不足30行的实现揭示了现代Agent的底层范式：状态管理+模型调用+循环控制。后续可在此基础上扩展工具调用、多轮规划、记忆持久化等能力——但所有复杂系统都始于这个最小可行单元。