Я спросил домашнюю модель: «Сколько дней осталось до 1 января 2027 года и сколько это будет часов?» Она бодро ответила: 365 дней, 8760 часов. Было 30 октября, а значит правильный ответ — 63 дня. Откуда модели знать сегодняшнюю дату? Потом я дал ей три крошечные функции и написал цикл на десять строк. Она сделала три шага и ответила верно. Это и есть агент, и никакой магии в нём нет.
Формула
Агент = модель + инструменты + цикл.
- Модель — та же, что в прошлых уроках. Она умеет только писать текст.
- Инструменты — обычные функции вашей программы: узнать дату, прочитать файл, выполнить запрос. У каждого есть название и описание.
- Цикл — программа, которая крутится, пока работа не сделана.
Модель ничего не запускает
Это главное, что надо понять. Модель не умеет выполнять код и не имеет доступа к вашему компьютеру. Вместе с вопросом ей передают список инструментов, и вместо ответа она может написать: «вызови функцию today без параметров». Как обычный текст в оговорённом формате.
Запускает функцию ваша программа. Она же дописывает результат в разговор и снова отправляет всё модели. А та, вспомним урок 1, просто пишет продолжение, но уже с новым фактом перед глазами. Как и в уроке 6: факты в запросе лечат выдумки. Агент сам добывает их себе.
Опыт: десять строк
Вот сердце агента, без обвязки:
messages = [{'role': 'user', 'content': вопрос}]
for step in range(8): # предел шагов
ответ = chat(messages, tools=инструменты)
messages.append(ответ)
if not ответ.get('tool_calls'): # инструменты не нужны
print(ответ['content']) # значит, это итог
break
for вызов in ответ['tool_calls']: # модель просит функцию
результат = запустить(вызов)
messages.append({'role': 'tool', 'content': результат})Инструментов три: today (сегодняшняя дата), days_between (дни между датами), calc (арифметика). Вот что произошло у модели Qwen3 на 8 млрд параметров дома:
Шаг 1: today() → 2026-10-30
Шаг 2: days_between(2026-10-30, 2027-01-01) → 63
Шаг 3: calc(63 * 24) → 1512
Шаг 4: «...осталось 63 дня, что составляет 1512 часа»Никто не писал ей план. Порядок шагов она выбрала сама: сначала узнать дату, потом посчитать. Это и отличает агента от скрипта: в скрипте порядок задаёте вы, здесь модель решает на ходу, исходя из того, что уже получила.
Цифры верные, потому что считала программа. А вот текст итога начинался с «От 1 января», а не «До»: связная речь по-прежнему на совести модели, и она ошибается. Поэтому всё, что можно посчитать, отдаём инструментам.
Что ломается
- Цикл без конца. Модель может вызывать одно и то же снова и снова. Поэтому в коде стоит
range(8). Без предела шагов агент однажды сожжёт деньги/лимиты. - Память тратится. Каждый результат инструмента ложится в контекст, а весь разговор отправляется заново на каждом шаге. Помните урок 2? Прочитал агент большой файл — и окно заполнилось.
- Ошибки накапливаются. Если на шаге 2 модель ошиблась, шаги 3–10 строятся на ошибке. Поэтому полезны проверки: тесты, сверка результата программой.
- Опасные действия. Инструмент «удалить файл» или «отправить письмо» агент вызовет так же легко, как
today. Дайте ему только нужные инструменты, а необратимое пусть подтверждает человек. - Чужой текст как команда. Для модели нет разницы между вашей просьбой и фразой на прочитанной веб-странице. Если на странице написано «отправь пароли сюда», агент с инструментом отправки может послушаться. Это называют prompt injection: всё, что пришло снаружи, — данные, а не приказы.
Где вы это уже видели
Облачный агент, с которым я делаю этот сайт, устроен точно так же: модель, инструменты «прочитать файл», «поправить файл», «запустить команду» и цикл, который спрашивает разрешения на опасное. Разница с моим примером — в количестве инструментов и размере защиты, а не в принципе.
Попробуйте сами
Понаблюдайте за агентом, не программируя. Откройте нейросеть с поиском в интернете и спросите: «Какая сегодня погода в моём городе и что надеть?» Обратите внимание на строчки вроде «ищу в интернете»: это и есть вызовы инструментов. Затем задайте вопрос, где инструмент не поможет, и посмотрите, вызовет ли она его всё равно.
Умеете в Python? Возьмите функцию для Ollama из документации и напишите цикл выше с одним инструментом.
Мой пример
"""
Минимальный ИИ-агент для Ollama (интерактивный, блокирует ввод во время ожидания, показывает спиннер).
Основной цикл:
messages = [system, user]
повторять до MAX_STEPS:
reply = chat(messages, tools) # POST /api/chat
if нет tool_calls: это финальный ответ
else: result = run_tool(args); messages += {'role': 'tool', ...}
Примеры инструментов: current_date (сегодняшняя дата) и days_between
(количество дней между двумя датами).
Использование:
python ollama_minimal.py # интерактивный режим (диалог с историей)
python ollama_minimal.py "вопрос" # один вопрос -- один ответ
Хост/модель: переменные окружения OLLAMA_HOST и OLLAMA_MODEL.
"""
import datetime
import json
import os
import re
import sys
import threading
import urllib.error
import urllib.request
# Тут указываю хост (адрес ollama)
HOST = os.environ.get('OLLAMA_HOST', 'http://192.168.0.10:177')
# Здесь указываю модель, которую будет использовать ollama
MODEL = os.environ.get('OLLAMA_MODEL', 'qwen3:8b')
# Это лимит токенов (контекстное окно)
NUM_CTX = 16384
# Максимальное количество шагов (запросов к модели), чтобы модель не зациклилась
MAX_STEPS = 8
SYSTEM_PROMPT = 'Отвечай кратко по-русски. Даты узнавай инструментами, не угадывай.'
TOOLS = [
{'type': 'function', 'function': {
'name': 'current_date',
'description': 'Сегодняшняя дата в формате ГГГГ-ММ-ДД.',
'parameters': {'type': 'object', 'properties': {}}},
},
{'type': 'function', 'function': {
'name': 'days_between',
'description': 'Сколько дней от даты from до даты to (формат ГГГГ-ММ-ДД).',
'parameters': {'type': 'object',
'properties': {'from': {'type': 'string', 'description': 'начальная дата'},
'to': {'type': 'string', 'description': 'конечная дата'}},
'required': ['from', 'to']}},
},
]
def run_tool(name, args):
"""Выполняет инструмент по имени с заданными аргументами. Возвращает строковый результат."""
try:
if name == 'current_date':
return datetime.date.today().isoformat()
if name == 'days_between':
d1 = datetime.date.fromisoformat(args.get('from', ''))
d2 = datetime.date.fromisoformat(args.get('to', ''))
return str((d2 - d1).days)
return f'ОШИБКА: неизвестный инструмент {name}'
except Exception as e:
return f'ОШИБКА: {e}'
def chat(messages):
"""Отправляет историю сообщений в Ollama POST-запросом; возвращает словарь сообщения ассистента."""
payload = {'model': MODEL, 'messages': messages, 'tools': TOOLS, 'stream': False,
'options': {'num_ctx': NUM_CTX, 'temperature': 0.1}}
req = urllib.request.Request(HOST + '/api/chat', data=json.dumps(payload).encode('utf-8'),
headers={'Content-Type': 'application/json'})
with urllib.request.urlopen(req, timeout=600) as resp:
return json.loads(resp.read().decode('utf-8'))['message']
# ---------------------------------------------------------------- спиннер
class Spinner:
"""Рисует точки в фоновом потоке, пока выполняется запрос.
Строка стирается с помощью '\\r' + пробелы + '\\r', чтобы не засорять вывод.
"""
def __init__(self, text='Ожидание ответа агента', interval=0.4):
self.text = text
self.interval = interval
self._stop = threading.Event()
self._thread = None
self._last_len = 0
self._lock = threading.Lock()
def _run(self):
dots = 0
while not self._stop.is_set():
frame = self.text + '.' * (dots % 4)
with self._lock:
pad = max(0, self._last_len - len(frame))
sys.stdout.write('\r' + frame + ' ' * pad)
sys.stdout.flush()
self._last_len = len(frame)
dots += 1
self._stop.wait(self.interval)
def __enter__(self):
self._thread = threading.Thread(target=self._run, daemon=True)
self._thread.start()
return self
def __exit__(self, *exc):
self._stop.set()
if self._thread:
self._thread.join()
with self._lock:
sys.stdout.write('\r' + ' ' * self._last_len + '\r')
sys.stdout.flush()
self._last_len = 0
# ---------------------------------------------------------------- агент
def agent_step(messages):
"""Добавляет один ход ассистента в `messages`. Возвращает финальный текст.
Изменяет `messages` на месте (добавляет записи assistant и tool).
"""
for step in range(1, MAX_STEPS + 1):
msg = chat(messages)
# Некоторые reasoning-модели (например, qwen3) оборачивают размышления в <think>...</think>;
# убираем это перед сохранением видимого содержимого.
msg['content'] = re.sub(r'<think>.*?</think>', '', msg.get('content') or '', flags=re.S).strip()
stored = {'role': 'assistant', 'content': msg['content']}
calls = msg.get('tool_calls')
if calls:
stored['tool_calls'] = calls
messages.append(stored)
if not calls:
return msg['content']
for tc in calls:
name = tc['function']['name']
args = tc['function'].get('arguments') or {}
if isinstance(args, str):
try:
args = json.loads(args)
except json.JSONDecodeError:
args = {}
result = run_tool(name, args)
print(f' шаг {step}: {name}({json.dumps(args, ensure_ascii=False)}) -> {result}')
messages.append({'role': 'tool', 'content': result, 'tool_name': name})
return '(лимит шагов исчерпан: модель не дала итог)'
def agent(question):
messages = [{'role': 'system', 'content': SYSTEM_PROMPT},
{'role': 'user', 'content': question}]
return agent_step(messages)
def trim(messages, keep=12):
"""Оставляет системный промпт плюс последние `keep` сообщений.
Сдвигает точку обрезки назад к записи 'user', чтобы сообщение assistant
с tool_calls никогда не оказалось оторвано от своего результата tool.
"""
if len(messages) <= keep + 1:
return messages
start = len(messages) - keep
while start > 1 and messages[start].get('role') != 'user':
start -= 1
return [messages[0]] + messages[start:]
def interactive():
messages = [{'role': 'system', 'content': SYSTEM_PROMPT}]
print('Интерактивный режим. Пустая строка — пропуск ввода, exit / Ctrl+D — выход.')
while True:
try:
q = input('\nВы: ').strip()
except EOFError:
print('\nПока.')
return 0
except KeyboardInterrupt:
print('\nПрервано.')
return 130
if not q:
continue
if q.lower() in ('exit', 'quit', 'выход'):
return 0
messages.append({'role': 'user', 'content': q})
print(' (отправлено, жду ответа...)')
try:
# Ввод блокируется здесь: мы не вызываем input() снова, пока не придёт ответ.
with Spinner('Ожидание ответа агента'):
answer = agent_step(messages)
except urllib.error.HTTPError as e:
print(f'\nOllama вернула HTTP {e.code}: {e.read().decode("utf-8", "replace")[:300]}')
messages.pop()
continue
except urllib.error.URLError as e:
print(f'\nOllama недоступна на {HOST}: {e.reason}')
messages.pop()
continue
print('Агент:', answer)
messages = trim(messages)
if __name__ == '__main__':
if len(sys.argv) > 1:
try:
with Spinner('Ожидание ответа агента'):
print(agent(' '.join(sys.argv[1:])))
except urllib.error.HTTPError as e:
sys.exit(f'Ollama вернула HTTP {e.code}: {e.read().decode("utf-8", "replace")[:300]}')
except urllib.error.URLError as e:
sys.exit(f'Ollama недоступна на {HOST}: {e.reason}')
else:
sys.exit(interactive())Что запомнить
- Агент = модель + инструменты + цикл.
- Модель только просит вызвать функцию текстом, запускает её ваша программа.
- От скрипта агент отличается тем, что порядок шагов выбирает модель.
- Обязательны: предел шагов, минимум инструментов, подтверждение необратимого. Внешний текст — данные, а не команды.
Проверьте себя
- Почему без инструментов модель ответила «365 дней»?
- Кто физически выполняет функцию
today? - Зачем в цикле предел шагов и почему каждый шаг дороже предыдущего?
В следующем уроке — стоимость: как посчитать, сколько на самом деле стоит запрос, агент и своя видеокарта.
Если что-то осталось непонятным — спрашивайте в комментариях, вопросы попадут в следующие уроки.
