Machine Learning Mastery · Bala Priya C
How (and Why) to Build an AI Agent from Scratch in Python
用纯 Python 和 Anthropic Python SDK，从零实现一个带工具调用与记忆的 AI Agent，理解 Agent 循环的内部机制。
Mastery
- 难度
- 见前置条件
- 形式
- 实践教程
- 语言
- en
- 规模
- 1 个课节
- 内容费用
- 免费
- 动手
- 需要动手环境
使用限制
阅读材料无需账号；动手运行代码需要自备 Anthropic API 密钥。
- 练习与作业
- Anthropic API 密钥（通过 ANTHROPIC_API_KEY 环境变量设置）Anthropic API 调用按用量计费
- 内容提示
- 内容时效：网页明确提示：Anthropic 将于 2026 年 11 月 30 日正式下线 Claude Sonnet 4.5，此后示例所用模型代码将不可用，需替换为更新版本的模型字符串。
学完你能
- 说明为什么纯 LLM 调用在需要外部数据时不够用，以及 Agent 补上了哪个缺口
- 用 Anthropic Python SDK 封装一次最简的模型调用函数
- 编写函数及其 schema 描述，让模型知道何时、如何调用工具
- 处理 stop_reason 为 tool_use 的响应，执行工具并把结果回传给模型
- 实现 request-execute-respond 循环来驱动 Agent 行为
- 为 Agent 加入持久记忆，使其在多轮对话中保持上下文
适合你吗
适合
想理解 Agent 底层机制而非直接套框架的 Python 开发者，教程用最小代码把工具调用、循环、记忆三件事讲清楚。
暂不适合
想直接上手 LangChain 等编排框架、或需要多 Agent 协作与生产部署内容的学习者。
需要先会
需要会写 Python（文中要求 Python 3.10 及以上），并了解 LLM 基本调用方式。
课程特点
- 内容侧重
- 侧重实践应用
- 练习与项目
- 把示例订单字典换成自己的假数据，再新增一个工具（如查询物流），复用同一 schema 格式并接入循环验证多轮调用。
- 学习时长
- 1 个课节原站未给出统一学习时长；实际用时取决于已有基础。
- 内容费用
- 免费节选里可直接读到正文与完整代码示例，未见付费墙或登录拦截；页面上的 eBooks、免费速成课入口属站点推荐，不影响本文费用。
内容覆盖
- Introduction：为什么纯模型调用不够，Agent 是什么
- Prerequisites：Python 3.10、Anthropic API 密钥与 SDK 安装
- Setting Up the Model Call：最简模型调用封装
- Defining a Tool the Model Can Ask For：函数与工具 schema 编写
- Executing the Tool and Feeding the Result Back：执行工具并回传结果（节选在此截断，后文未提供）
来源与使用须知
- 收录时间
- 本站首次收录 2026-10-20
- 指南参考
- 课程主页
版权与转载
- 课程材料未标明许可：仅供个人学习，转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南，不转载、不镜像课程材料；引用时请注明原作者与出处。