最小可用的 Agent 内核仅仅需要：一个 while 循环 + 一个工具。

说白了就是Agent 最本质的“大脑-手脚”循环

Java实现代码

这段代码包含了所有 AI Agent 的灵魂。

核心模式：ReAct 循环

代码中的 while 循环是 Agent 的心脏。它的逻辑是：

  1. 思考： 问 LLM “该做什么？”

  2. 行动： 如果 LLM 说要调工具（比如写代码、运行命令），代码就去执行这个工具

  3. 观察： 把工具执行的结果（输出、报错）再次告诉 LLM。

  4. 循环： LLM 根据结果决定是继续干，还是说“搞定了”。

状态管理

messages 列表。它不仅仅是聊天记录，它是 Agent 的短期记忆。

  • 每次循环，我们都要把新的对话（无论是人的指令，还是工具的执行结果）append 进去。

  • 如果不把工具结果放回去，LLM 就不知道自己刚才执行的命令成功了没有，也就无法进行下一步。

工具定义的标准化

在 代码的 TOOLS 变量里，我们会定义了工具长什么样（名字、参数）。

关键点： LLM 不会真的“运行”代码，它只是输出一个符合这个格式的 JSON（比如 {"name": "bash", "arguments": {"command": "ls"}}）。而代码才是负责解析这个 JSON 并真的去执行 Runtime.exec()。

安全围栏

代码里的 run_bash 函数不仅仅是执行命令，它还充当了防火墙。

重要： 永远不要让 LLM 直接拥有无限制的 Shell 权限。虽然这里的检查很简单（黑名单），但在生产环境中，可能会需要沙箱环境（Docker）来运行这些命令。