前置需求
Python -sdk
1.昨天在用的时候发现了一件事情
通常情况下 Vscode的面板在下方，可以通过点击右键
面板位置切换到右侧
终端下的copilot，哈哈哈
解决vscode 插件 Windows用户无法连接的问题了吧，还可以感应路径（噗呲）
好啦，那我们开始我们的第一节课
1.一个Agent 那么它是相当于一个掌握了工具的LLM，哈哈哈，大家都很喜欢说叫做能够感知环境。对的，上述说的都很对
但其实呢，LLM仍然是一个只能对话和获取上下文的小能手，只是它多了来自于其它工具给他提供了上下文
简单点来说呢
就拿我们的数据流来看吧
以下是一个真实的Agent循环迭代示意。事实上这是一个宏观图
Agent循环迭代示意
┌────────────────────────────────────────────┐
│ 循环迭代 │
├────────────────────────────────────────────┤
│ │
│ ┌──────┐ ┌──────┐ ┌──────┐ │
│ │ 感知 │───▶│ 思考 │───▶│ 规划 │ │
│ └──────┘ └──────┘ └──────┘ │
│ ▲ │ │
│ │ ▼ │
│ ┌──────┐ ┌──────┐ ┌──────┐ │
│ │ 返回 │◀───│ 观察 │◀───│ 执行 │ │
│ └──────┘ └──────┘ └──────┘ │
│ │
└────────────────────────────────────────────┘
↓ 目标达成或达到最大迭代次数
结束
哈哈哈，相信这个宏观图大家都知道
看环境——结合看到的内容思考——开始规划——规划后的任务进行执行——下一步进行观察——返回——继续感知或者选择结束感知（哈哈哈，迭代到最后结束嘛）这是一个宏观的迭代
那么作为一个从组件上来看，或者说从LLM + 工具 + 记忆管理 + 规划 + 执行
那么就可以形成一个简单的小Agent了；
事实上大家可以思考一个问题哈，为啥Agent叫Agent啊，它不是一个工作流嘛？不也是工具调用吗。和程序不一样吗？
哈哈哈，其实这里面有关子。
那么我们看看如果用iflow cli sdk 做一个最简单的agent;
以下就是完整的架构图，当然可以进行扩充嘛
完整架构图
┌─────────────────────────────────────────┐
│ Agent │
├─────────────────────────────────────────┤
│ ┌─────────┐ ┌─────────┐ │
│ │ LLM │───▶│ 规划器 │ │
│ └─────────┘ └────┬────┘ │
│ │ │
│ ┌─────────┐ ┌────▼────┐ │
│ │ 工具组件 │◀───│ 执行器 │ │
│ └─────────┘ └─────────┘ │
│ │ │
│ ┌───────▼───────┐ │
│ │ 记忆系统 │ │
│ └───────────────┘ │
└─────────────────────────────────────────┘
那么Agent是个什么玩意呢？
事实上，整个过程中在调控，在分发，在捕捉记忆内容（短长期内容），获取执行结果的都只有一个 你的LLM，哈哈哈，什么脏活累活都给他。
为了让这个Agent最简单 ，不如直接用iflow cli sdk，嘿嘿。这个有python sdk呀，噗呲，是我用的最多的
六大核心组件
来，第一个就是重头戏，那就是
### 1. LLM模块 (`llm.py`)
"""LLM模块 - 与iflow SDK集成"""
import asyncio
from iflow_sdk import IFlowClient, IFlowOptions, AssistantMessage, TaskFinishMessage
class LLM:
"""简化版LLM调用器"""
def __init__(self, url: str = "ws://localhost:8090/acp", timeout: float = 120.0):
# 初始化LLM连接参数: WebSocket地址和超时时间
self.url = url
self.timeout = timeout
async def send(self, message: str) -> str:
"""发送消息并获取响应"""
# 配置IFlow客户端选项
options = IFlowOptions(
url=self.url,
auto_start_process=True, # 自动启动流程
timeout=self.timeout # 设置超时时间
)
response_text = ""
# 创建IFlow客户端连接
async with IFlowClient(options) as client:
# 发送用户消息到LLM
await client.send_message(message)
# 异步接收并处理LLM返回的消息流
async for msg in client.receive_messages():
if isinstance(msg, AssistantMessage):
# 累积助理的文本响应
response_text += msg.chunk.text or ""
elif isinstance(msg, TaskFinishMessage):
# 收到任务完成消息时结束接收
break
return response_text
def send_sync(self, message: str) -> str:
"""同步发送"""
# 包装异步方法为同步调用
return asyncio.run(self.send(message))
if __name__ == "__main__":
# 测试代码: 创建LLM实例并测试连接
llm = LLM()
print("测试LLM连接...")
response = llm.send_sync("你好，请简单介绍自己")
print(f"响应: {response}")
你需要准备一下导入依赖库
随后胡就是LLM调用器；从iflow cli client调用你的LLM
Websocket地址和超时时间
随后用self. 进行配置url 以及超时时间
IFLow CLI Option选择配置客户端
哈哈哈，当然不止代码中的它们了；
还有：
IFlowOptions 参数
IFlowOptions 类用于配置 iFlow 客户端的行为:
核心连接参数
参数 类型 默认值 描述
url str "ws://localhost:8090/acp" WebSocket 连接 URL
auto_start_process bool True 是否自动启动 iFlow 进程。设为 False 时需手动启动 iFlow
process_start_port int 8090 自动启动 iFlow 进程时使用的起始端口号
timeout float 30.0 连接和操作超时时间(秒)
log_level str "INFO" 日志级别,可选值: "DEBUG", "INFO", "WARNING", "ERROR"
cwd str 当前工作目录 CLI 操作的工作目录
session_id Optional[str] None 会话 ID,用于恢复现有会话
认证参数
参数 类型 默认值 描述
auth_method_id Optional[str] None 认证方法 ID (例如: "iflow","openai-compatible")
auth_method_info Optional[Union[Dict, AuthMethodInfo]] None 认证方法信息 (包含 api_key, base_url, model_name 等)
工具执行控制参数
参数 类型 默认值 描述
approval_mode ApprovalMode ApprovalMode.YOLO 工具执行权限模式: DEFAULT(需要确认), AUTO_EDIT(自动执行), YOLO(自动执行+自动回退), PLAN(只读模式)
auto_approve_types List[str] ["edit", "fetch"] 自动批准的工具类型列表(旧版本,不建议使用)
文件系统访问参数
参数 类型 默认值 描述
file_access bool False 是否启用文件系统访问(出于安全考虑默认禁用)
file_allowed_dirs Optional[List[str]] None 允许 iFlow 访问的目录列表。None 表示仅当前目录
file_read_only bool False 是否仅允许读取操作(启用时禁止写入)
file_max_size int 10485760 读取操作允许的最大文件大小(字节),默认 10MB
高级配置参数
参数 类型 默认值 描述
mcp_servers List[Union[Dict, McpServer]] [] MCP 服务器配置列表
hooks Optional[Dict[HookEventType, List[HookEventConfig]]] None 各种生命周期事件的钩子配置
commands Optional[List[CommandConfig]] None 命令配置列表
agents Optional[List[CreateAgentConfig]] None 代理配置列表
session_settings Optional[SessionSettings] None 会话特定设置(包括 allowed_tools, disallowed_tools, system_prompt 等)
metadata Dict[str, Any] {} 随请求发送的额外元
自定义吧
异步发送和异步接收消息还能不快吗；哈哈哈，直到任务完成消息后才结束，
break!!嘿嘿，终止啦；
同步发送
数据流走向
用户消息→WebSocket服务器→客户端处理→接受信号并聚合→返回
哈哈哈，这是核心啦！不过后面的可以其余人补充，或者我明天再更新，嘿嘿嘿!
耦合，好像有一个特点，async 和 sync这里为啥出来？
核心原因：
异步方法 (async def send)：处理WebSocket连接和消息流，避免阻塞主线程
同步包装 (send_sync)：为不熟悉异步编程的开发者提供简化接口
消息流处理：LLM响应是流式传输的，异步方式更适合实时接收分块消息
这种设计既保持了性能优势，又提供了使用便利性。
嘿嘿嘿，直接出现!
剩下的咱再议!!!( :nerd_face:，其实是因为我一直在调试，出错了）
