Agent开发(一)-基本对话

原创

BlackFace
BlackFace

GG学安全

2026年8月17日 00:55
重庆

在小说阅读器读本章

去阅读

从今天开始，我会陆续讲解Agent开发，让大家了解如何从零开发一个agent，了解agent如何实现，他的机制，目前已经写了以下文章：

Agent开发(一)-基本对话Agent开发(二)-持续性对话Agent开发(三)-给agent加上函数Agent开发(四)-给agent加上双手-function call机制Agent开发(五)-给agent加上技能-skill机制Agent开发(六)-给agent接上外部工具-MCP协议Agent开发(七)-前六章口水话总结

后续会继续发下去：

Agent开发(八)-agent teams的实现Agent开发(九)-会话保存&续聊Agent开发(十)-claudecode的CLAUDE.md实现Agent开发(十一)-上下文管理Agent开发(十二)-前十一章口水话总结Agent开发(十三)-插件加载机制-先让插件跑起来Agent开发(十四)-插件加载机制-服务容器Agent开发(十五)-插件加载机制-依赖排序Agent开发(十六)-插件加载机制-生命周期Agent开发(十六)-插件加载机制-热重载与拼接Agent开发(十七)-插件加载机制-写一个Web插件Agent开发(十八)-总结

我们要做的第一件事：让程序能跟 AI 说话。AI 不生活在你的电脑里，它在很远的地方——你的程序发一个\"请求\"过去，AI 回一个\"响应\"，你拆开读。这个\"发请求拿响应\"的接口，就叫 \\API\\。

第一步：配置 AI（config.yaml）

先写一个配置文件，告诉程序\"找谁说话、用什么身份、用哪个模型\"：

# config.yaml 文件api_key: sk-你的keybase_url: https://api.deepseek.commodel: deepseek-chat


配置	意思
api\_key	你的\"身份证\"，AI 认这个
base\_url	AI 的\"地址\"
model	用哪个模型（deepseek-chat 是通用对话模型）

用 yaml 库读取配置文件：

import yamlconfig = yaml.safe_load(open(\"config.yaml\", encoding=\"utf-8\"))# config 变成一个字典：# config[\"base_url\"] = \"https://api.deepseek.com\"# config[\"api_key\"]  = \"sk-你的key\"# config[\"model\"]    = \"deepseek-chat\"

第二步：发请求，问 AI 一句话

DeepSeek 的对话接口长这样（openai 兼容格式）：

POST /chat/completionsHost: base_urlAuthorization: Bearer 你的api keyContent-Type: application/json
{    \"model\": \"deepseek-chat\",    \"messages\": [        {\"role\": \"user\", \"content\": \"你好\"}    ]}

用 requests 库发这个请求。requests.post 的三个参数，正好对应\"寄信的三部分\"：

import requests
response = requests.post(    config[\"base_url\"] + \"/chat/completions\",   # ① 地址（寄给谁）    headers={                                    # ② 身份（你是谁）        \"Authorization\": f\"Bearer {config['api_key']}\",        \"Content-Type\": \"application/json\"    },    json={                                       # ③ 信的内容（说什么）        \"model\": config[\"model\"],        \"messages\": [{\"role\": \"user\", \"content\": \"你好\"}]    })

json= 是 requests 的便捷写法：它自动把 Python 字典变成 JSON 字符串发出去，不用你手动转。

第三步：拆开 AI 的回信

AI 回的信是 JSON 格式，response.json() 把它解析成 Python 字典。要拿到 AI 说的话，按这个路径一层层取：

response.json()   └── [\"choices\"]              # 候选回答列表（一般只有一个）         └── [0]                # 取第一个回答               └── [\"message\"]  # 回答这条消息                     └── [\"content\"]   # 回答的文本内容

reply = response.json()[\"choices\"][0][\"message\"][\"content\"]print(reply)

完整代码（chat.py）

# chat.pyimport requestsimport yaml
config = yaml.safe_load(open(\"config.yaml\", encoding=\"utf-8\"))
while True:    user_input = input(\">>> \").strip()          # 读你输入的话    if user_input.lower() in [\"quit\", \"exit\"]:  # 输入 quit / exit 就退出        break
    try:        response = requests.post(            config[\"base_url\"] + \"/chat/completions\",            headers={                \"Authorization\": f\"Bearer {config['api_key']}\",                \"Content-Type\": \"application/json\"            },            json={                \"model\": config[\"model\"],                \"messages\": [{\"role\": \"user\", \"content\": user_input}]            }        )        reply = response.json()[\"choices\"][0][\"message\"][\"content\"]        print(reply)    except Exception as e:        print(f\"Error: {e}\")

运行 python chat.py，输入\"你好\"——\\你的第一个能对话的程序完成了。