Agent Loop 模拟器
逐步走过一次 Agent Loop：理解任务、选择行动、调用工具、读取 Observation、处理失败，并决定继续还是给出最终答案。
Agent Loop 是一个可观察的控制循环：根据当前状态决定下一步，通过工具行动，读取结果，再决定继续、重试、恢复还是结束。
查询东京天气，并告诉我是否需要带伞。
加入终止条件与失败兜底
定义 Agent 在什么情况下可以重试、什么时候必须停止，以及天气工具持续不可用时应该如何向用户说明。重点不是多试几次，而是让停止条件可预测。
什么是 AI Agent Loop？
Agent Loop 是一个迭代控制过程：Agent 读取当前状态，选择一个行动，得到新的 Observation，再判断任务是否完成、是否应该继续或是否需要恢复。它把一次回答扩展成了一个可以反复感知和行动的过程。
Agent 为什么需要工具？
模型本身无法天然访问实时数据库、天气 API、代码执行器或业务系统。工具把 Agent 与这些外部能力连接起来，使它不仅能生成文字，还能获取新信息或执行真实动作。但工具权限越大，运行时安全边界也越重要。
Observation 是什么？
Observation 是一次行动返回的结果，例如 API 数据、工具报错或数据库查询结果。Agent 把它作为新的证据加入当前状态，再判断下一步，而不是假设工具一定成功。把失败也当作 Observation，是设计恢复路径的基础。
什么让 Agent 变得可靠？
真正的生产 Agent 还需要明确的工具契约、输入输出校验、重试上限、超时、权限控制、人工审批、可观测性和终止条件。Loop 负责局部迭代；这些运行约束属于 Harness 等其他工程责任。不要把“能循环”误解成“已经可靠”。
常见问题
不是。普通聊天可以直接根据输入生成回答，不一定需要通过工具执行多步行动，也不一定存在可观察的状态循环。
不需要。工程上可以用显式状态、结构化决策、工具调用和可观察的状态转换来实现 Agent 控制，而不依赖暴露或保存隐藏推理过程。
因为生产环境中的超时、限流和无效返回是正常情况。失败后的行为设计，是 Agent 可靠性的一部分。
不是。Plan-and-Execute、显式 Workflow、状态机和 Graph 编排都可以组织 Agent 行为，选择取决于任务结构和可靠性要求。