Собственный Claude Code

На этом этапе вы реализуете цикл агента.

Цикл агента

Пока программа выполняет одно взаимодействие: отправляет запрос в LLM, получает ответ, при необходимости вызывает один инструмент и завершается.

Это подходит для простых задач, но недостаточно для многошаговых, например «прочитай файл и исправь ошибки».

Теперь реализуйте цикл агента, который повторно отправляет сообщения модели и обрабатывает нужные вызовы инструментов, пока не получит итоговый результат.

Структура в псевдокоде:

messages = [{ role: "user", content: prompt }]
 
loop:
    response = call_api(messages)
    append response message to messages
 
    if response has no tool_calls:
        print response.content
        exit
 
    for each tool_call in response.tool_calls:
        result = execute_tool(tool_call)
        append {
            role: "tool",
            tool_call_id: tool_call.id,
            content: result
        } to messages

Разберём части цикла:

1. Инициализируйте разговор: начальная история уже есть — массив messages с запросом пользователя. Теперь его нужно сохранять между итерациями, поскольку цикл будет добавлять в него новые сообщения:

   [
     { "role": "user", "content": "Summarize the README for me." }
   ]

2. Запустите цикл: начните с того же запроса к API, который уже реализован: отправьте модели messages и спецификации инструментов. Разница в том, что запрос теперь находится в цикле и может выполняться многократно.

3. Сохраните ответ ассистента: добавьте любое полученное сообщение модели в массив messages. Если модель хочет использовать инструмент, ответ содержит массив tool_calls:

   {
     "role": "assistant",
     "content": null,
     "tool_calls": [
       {
         "id": "call_abc123",
         "type": "function",
         "function": {
           "name": "Read",
           "arguments": "{\"file_path\": \"README.md\"}"
         }
       }
     ]
   }

4. Выполните вызовы инструментов: проверьте, запрашивает ли модель инструменты. Если вызовы есть:

   • а. Выполните каждый запрошенный инструмент, но не печатайте его результат в stdout.
   • б. Добавьте каждый результат в массив messages. Каждый результат должен:
     • Содержать поле role со значением "tool".
     • Ссылаться на соответствующий tool_call_id.
     • Содержать результат вызова в поле content.

   {
     "role": "tool",
     "tool_call_id": "call_abc123",
     "content": "# My Project\n\nChemical expiry period: 6 months"
   }

5. Повторяйте до завершения: продолжайте цикл, пока модель не ответит без запроса инструментов — когда tool_calls отсутствует или пуст. Тогда выведите content итогового сообщения в stdout и завершите программу.

Проверки

Тестирующая система создаст проект Python со следующими файлами:

• README.md;
• два Python-файла со случайными именами в app/.

Затем она запустит программу так:

$ ./your_program.sh -p "Use README.md to determine the chemical expiry period in months. Number only."
<expiry period in months>

Она проверит, что:

• Выведен правильный срок годности.
• Программа завершается с кодом 0.

Примечания

• Не печатайте исходное содержимое файла при выполнении инструмента Read. Это отличается от поведения на этапе «Выполнение инструмента чтения».
• Промежуточную отладочную информацию можно выводить в stderr. Печатайте в stdout только готовый итоговый результат.
• В качестве сигнала завершения цикла также можно использовать finish_reason: "stop" из первого варианта ответа.