{
  "name": "calculator",
  "arguments": {
    "expression": "2 ** 10"
  }
}

while True:
    1. 调模型（把对话历史 + 可用工具列表发过去）
    2. 看模型返回：
       a. 如果模型想调工具 → 解析 tool_calls → 执行工具 → 把结果追加到历史
       b. 如果模型想直接回复 → 输出最终答案 → 结束循环

pip install openai requests

"""agent_minimal.py — 最小可用的 Function Calling Agent"""

import json
import time
from openai import OpenAI


# ---------- 1. Tool Schema：告诉模型有哪些工具可以调 ----------

TOOL_SCHEMAS = [
    {
        "type": "function",
        "function": {
            "name": "calculator",
            "description": "安全计算一个数学表达式（只支持 +、-、*、/、**、% 四则运算）",
            "parameters": {
                "type": "object",
                "properties": {
                    "expression": {
                        "type": "string",
                        "description": "数学表达式，如 '2 ** 10' 或 '(3 + 5) * 2'",
                    }
                },
                "required": ["expression"],
            },
        },
    },
]


# ---------- 2. 工具实现：Python 函数，不是模型代码 ----------

def calculator(expression: str) -> str:
    """安全计算数学表达式（简化版，真实项目需要 AST 白名单）"""
    try:
        # 真实项目这里应该用 ast.parse() + 白名单节点校验
        result = eval(expression, {"__builtins__": {}}, {})
        return str(result)
    except Exception as exc:
        return f"计算失败: {exc}"


tool_map = {
    "calculator": calculator,
}


# ---------- 3. Agent 主循环（迭代器模式） ----------

class Agent:
    def __init__(self, base_url: str = "http://localhost:1234/v1",
                 api_key: str = "lm-studio", model: str = "auto"):
        self.client = OpenAI(base_url=base_url, api_key=api_key)
        self.model = model

    def run(self, user_input: str, max_iterations: int = 5):
        """Agent 主循环：生成 yield 每一轮的事件"""
        messages = [
            {"role": "system", "content": "你是一个有用的 AI 助手。如果用户问数学问题，用 calculator 工具。"},
            {"role": "user", "content": user_input},
        ]

        for i in range(1, max_iterations + 1):
            # 3.1 调模型
            response = self.client.chat.completions.create(
                model=self.model,
                messages=messages,
                tools=TOOL_SCHEMAS,
                temperature=0.3,       # Agent 场景温度要低，减少随机性
            )
            choice = response.choices[0]
            message = choice.message

            # 3.2 模型想调工具 → 执行 → 结果回灌
            if choice.finish_reason == "tool_calls" and message.tool_calls:
                messages.append(message)            # 把 assistant 的 tool_call 请求入历史

                for tc in message.tool_calls:       # 可能同时调多个工具
                    fn = tool_map.get(tc.function.name)
                    if fn is None:
                        result = f"错误：工具 {tc.function.name!r} 未注册"
                    else:
                        args = json.loads(tc.function.arguments)
                        try:
                            result = fn(**args)   # 执行 Python 函数
                        except Exception as exc:
                            result = f"执行异常: {exc}"

                    # 把执行结果追加到 messages
                    messages.append({
                        "role": "tool",
                        "tool_call_id": tc.id,
                        "content": str(result),
                    })
                    print(f"  [工具调用] {tc.function.name}({args}) → {result}")

                continue    # 继续下一轮循环（让模型根据结果做下一步）

            # 3.3 模型想直接回复 → 结束循环
            if message.content:
                print(f"\n💡 {message.content}")
                return
            print("⚠️ 模型返回空内容，循环结束")
            return


# ---------- 4. 跑起来 ----------

if __name__ == "__main__":
    agent = Agent()
    # 先检查模型是否已加载
    print(agent.client.chat.completions.create(
        model="auto",
        messages=[{"role": "user", "content": "hi"}],
    ).choices[0].message.content[:50])
    print("模型就绪！\n")

    agent.run("帮我算一下 (15 + 27) * 3 等于多少")

# 运行
python agent_minimal.py

# 预期输出（大致）：
# 模型就绪！
#
#   [工具调用] calculator({'expression': '(15 + 27) * 3'}) → 126
#
# 💡 答案是 126。