用纯 Python 从零搭建一个支持多工具、有记忆、能多步推理的 AI Agent 系统。 不依赖 LangChain、AutoGen 或任何 Agent 框架。
=================================================
我的 AI Agent 系统 v1.1
=================================================
命令：
直接输入 → 对话模式（有记忆，自动使用工具）
/plan <任务> → 规划模式（先制定计划再执行）
/clear → 清除对话记忆，开始新对话
/help → 显示帮助
/quit → 退出
=================================================
你：帮我搜索一下最近 AI 领域的新闻
[步骤 1/5]
[调用工具]: web_search，参数：{'query': 'AI 最新新闻'}
[工具结果]: 摘要：...
Agent：根据搜索结果，AI 领域近期有以下重要动态：...
（对话记忆：3 条）
你：/plan 帮我调研 AI 编程工具的发展动态，写一份简要报告
正在制定计划...
目标：调研 AI 编程工具发展动态
共 4 步：
步骤 1：搜索最新 AI 编程工具新闻 （工具：web_search）
步骤 2：整理搜索结果，提取关键信息
步骤 3：搜索用户评价和对比分析 （工具：web_search）
步骤 4：生成简要报告
确认执行？(y/n)：
用户输入
│
▼
┌─────────────┐
│ 安全检查 │ ← 输入长度、prompt 注入检测
└──────┬──────┘
│
▼
┌─────────────┐ ┌─────────────┐
│ ReAct 循环 │────→│ LLM 调用 │ ← 带重试、超时
│ 思考→行动 │ └─────────────┘
│ →观察→思考 │ │
└──────┬──────┘ ▼
│ ┌─────────────┐
│ │ 工具调用 │ ← 搜索、DNS、端口、密码、CVE、IP
│ └─────────────┘
▼
┌─────────────┐
│ 输出脱敏 │ ← 过滤 API Key、Token
└──────┬──────┘
│
▼
最终回答
核心模块：
| 模块 | 文件 | 职责 |
|---|---|---|
| 配置中心 | config.py |
所有可调参数从环境变量读取 |
| 安全模块 | security.py |
输入验证、注入检测、输出脱敏、频率限制 |
| 日志模块 | logger.py |
结构化日志，支持 DEBUG 模式 |
| LLM 调用 | llm.py |
封装 OpenAI API，带重试和超时 |
| ReAct Agent | agent_loop.py |
多步推理循环（思考→行动→观察） |
| 任务规划 | planner.py |
将复杂任务拆解为可执行步骤 |
| 计划执行 | executor.py |
按计划逐步执行，汇总生成答案 |
| 工具注册 | tool_registry.py |
集中管理所有工具 |
| 短期记忆 | memory/short_term.py |
对话上下文管理，自动裁剪 |
pip install -r requirements.txt需要 Python 3.10+。
cp .env.example .env编辑 .env，填入你的 API Key：
OPENAI_API_KEY=sk-你的key国内 API（不需要翻墙）：
OPENAI_API_KEY=你的key
OPENAI_BASE_URL=https://api.deepseek.com
OPENAI_MODEL=deepseek-chat支持 DeepSeek、月之暗面、智谱 AI 等任何兼容 OpenAI 格式的服务。
python main.py直接输入问题，Agent 会自动判断是否需要使用工具：
你：帮我查一下 example.com 的 DNS 记录
你：扫描 192.168.1.1 的常见端口
你：检查一下密码 P@ssw0rd123 是否安全
你：查一下 CVE-2021-44228 这个漏洞的详情
你：8.8.8.8 这个 IP 是哪里的？
你：搜索一下最近的勒索软件攻击事件
用 /plan 让 Agent 先制定计划再执行，适合复杂任务：
你：/plan 帮我调研最近 AI 编程工具的发展动态，写一份简要报告
Agent 会先生成执行计划，你确认后才会开始执行。
| 命令 | 说明 |
|---|---|
/clear |
清除对话记忆，开始新对话 |
/help |
显示帮助信息 |
/quit |
退出程序 |
| 工具 | 说明 | 用途 |
|---|---|---|
web_search |
DuckDuckGo 搜索（免费，无需 Key） | 查找安全资讯、漏洞公告 |
dns_lookup |
DNS 记录查询（A/MX/TXT/NS/CNAME 等） | 域名资产排查、SPF/DKIM 配置检查 |
scan_ports |
端口扫描（并发、超时控制） | 资产摸底、发现暴露服务 |
check_password |
密码强度检查 + Have I Been Pwned 泄露检查 | 安全审计、密码策略检查 |
cve_lookup |
CVE 漏洞查询（NVD API，含 CVSS 评分） | 漏洞评估、安全通报 |
ip_info |
IP 信息查询（地理位置、ASN、ISP） | 安全事件溯源、威胁情报 |
两步即可：
- 在
tools/下写函数：
# tools/whois_lookup.py
def whois_lookup(domain: str) -> str:
"""查询域名 WHOIS 信息。"""
# 你的实现
return result- 在
tool_registry.py注册：
from tools.whois_lookup import whois_lookup
TOOLS["whois_lookup"] = {
"function": whois_lookup,
"description": "查询域名的 WHOIS 注册信息。",
"parameters": {"domain": "域名，字符串"},
}完成。Agent 下次运行就会自动使用新工具。
| 特性 | 说明 |
|---|---|
| Prompt 注入检测 | 正则匹配中英文注入模式（"忽略指令"、"you are now" 等） |
| 输入长度限制 | 默认 2000 字符，防 token 耗尽 |
| 输出脱敏 | 自动过滤 API Key、Bearer Token 等敏感信息 |
| 工具频率限制 | 单工具 ≤5 次/轮，总计 ≤15 次，防滥用 |
| 安全计算器 | 用 AST 白名单替代 eval()，只允许四则运算（已移除） |
所有安全参数都可通过 .env 调整。
在 .env 中设置（都有合理默认值，不设置也能跑）：
# ── LLM ──────────────────────────────
OPENAI_API_KEY=sk-xxx # 必填
OPENAI_MODEL=gpt-4o-mini # 模型名
OPENAI_BASE_URL= # API 地址（国内 API 用）
LLM_TIMEOUT=30 # 调用超时（秒）
LLM_MAX_RETRIES=3 # 最大重试次数
# ── 安全 ─────────────────────────────
MAX_INPUT_LENGTH=2000 # 输入最大字符数
MAX_TOOL_CALLS_PER_TURN=5 # 单工具每轮最大调用次数
MAX_TOOL_CALLS_TOTAL=15 # 工具总调用次数上限
ENABLE_INJECTION_CHECK=true # 是否启用注入检测
# ── Agent ────────────────────────────
MAX_STEPS=5 # ReAct 最大推理步数
MAX_MEMORY=30 # 短期记忆最大条数
# ── 调试 ─────────────────────────────
DEBUG=false # 开启后控制台显示详细日志agent/
├── main.py # CLI 入口
├── config.py # 配置中心（环境变量读取）
├── security.py # 安全模块（注入检测、脱敏、限频）
├── logger.py # 日志模块（文件 + 控制台）
├── llm.py # LLM 调用（重试、超时）
├── agent_loop.py # ReAct 多步推理循环
├── planner.py # 任务拆解
├── executor.py # 计划执行
├── tool_registry.py # 工具注册表
├── memory/
│ ├── __init__.py
│ └── short_term.py # 短期记忆（自动裁剪）
├── tools/
│ ├── __init__.py
│ ├── search.py # DuckDuckGo 搜索
│ ├── dns_lookup.py # DNS 记录查询
│ ├── port_scanner.py # 端口扫描
│ ├── password_check.py# 密码强度检查
│ ├── cve_lookup.py # CVE 漏洞查询
│ └── ip_info.py # IP 信息查询
├── .env.example # 配置模板
├── .gitignore
└── requirements.txt
- Agent 的本质：感知 → 思考 → 行动 → 观察，循环往复
- ReAct 模式：让 LLM 边推理边调用工具，而不是一次性输出
- 工具调用：LLM 输出结构化 JSON → 解析 → 执行 → 结果回传
- 记忆管理：如何在有限的 token 窗口内保持对话上下文
- 任务规划：复杂任务先拆解再执行
- 安全防护：prompt 注入检测、输出脱敏、频率限制
- 添加更多安全工具（WHOIS 查询、邮件头分析、Hash 情报查询）
- 接入威胁情报平台 API（VirusTotal、AbuseIPDB）
- 添加安全报告生成能力（自动生成安全评估报告）
- 做一个 Web 界面（FastAPI + 简单前端）
- 探索多 Agent 协作（多个 Agent 分工配合）
MIT