一、前言

上一节课我们实现了最小Agent闭环，其中的while循环就是Agent Loop的雏形。但在工业级项目中（比如Claude Code），简单的while循环远远不够——会出现无限循环、状态同步异常、Token超限、用户强制退出等问题。本节课我们深入拆解Agent Loop的核心设计，结合Claude Code的源码，教你设计一个稳定、高效、可扩展的Agent Loop。

核心结论：Agent Loop是Agent的“骨架”，没有设计好的Loop，再强大的工具和记忆系统，也无法稳定运行。

二、工业级Agent Loop的核心需求

一个能落地的Agent Loop，必须解决以下4个核心问题：

1. 终止条件：什么时候停止循环？（用户退出、任务完成、异常、Token超限）；

2. 状态同步：Agent的思考、执行、输出，如何实时同步给用户？（流式输出、进度提示）；

3. 异常处理：工具调用失败、网络异常、权限不足时，如何处理？（重试、降级、提示用户）；

4. 资源控制：Token、内存、CPU占用，如何避免过度消耗？（Token监控、资源限制）。

三、Claude Code中的Agent Loop实现（源码解析）

Claude Code的Agent Loop核心类是com.claudecode.core.AgentLoop，我们提取核心代码，拆解其设计逻辑（简化版，保留核心流程）。

1. 核心属性（存储循环所需状态）

// Claude Code AgentLoop 核心属性（简化）
public class AgentLoop {
    // 会话记忆（存储历史对话、工具结果）
    private final ConversationMemory memory;
    // Token追踪器（监控Token使用量，防止超限）
    private final TokenTracker tokenTracker;
    // 工具注册中心（管理所有可调用工具）
    private final ToolRegistry toolRegistry;
    // 权限管理器（控制工具调用权限）
    private final PermissionManager permissionManager;
    // 循环终止标志
    private boolean terminated = false;
    // 最大循环轮次（防止无限循环）
    private static final int MAX_LOOP_COUNT = 100;
}
    

2. 核心循环流程（重点）

// 核心循环方法
public void startLoop(String userInput) {
    // 1. 初始化：将用户输入加入记忆
    memory.addUserMessage(userInput);
    int loopCount = 0;

    // 2. 循环主体
    while (!terminated && loopCount < MAX_LOOP_COUNT) {
        loopCount++;
        try {
            // 步骤1：构建上下文（记忆+系统提示+Token检查）
            String context = buildContext();
            // 步骤2：调用LLM推理，获取思考结果和动作指令
            AgentResponse response = llmClient.generateResponse(context);
            // 步骤3：流式输出思考过程（提升用户体验）
            terminalRenderer.renderThinking(response.getThinking());

            // 步骤4：解析动作指令（是否调用工具）
            if (response.isToolCall()) {
                // 4.1 权限校验
                if (!permissionManager.checkPermission(response.getTool())) {
                    terminalRenderer.renderError("权限不足，无法执行该工具");
                    continue;
                }
                // 4.2 调用工具，获取结果
                ToolResult toolResult = toolRegistry.executeTool(response.getTool(), response.getParameters());
                // 4.3 将工具结果加入记忆
                memory.addToolResult(toolResult);
                // 4.4 输出工具执行结果
                terminalRenderer.renderToolResult(toolResult);
            } else {
                // 不调用工具，直接输出AI回复，终止循环
                terminalRenderer.renderFinalResponse(response.getContent());
                terminate();
            }

            // 步骤5：检查Token是否超限，若超限则触发压缩
            if (tokenTracker.isOverThreshold()) {
                contextCompressor.compress(memory);
            }

        } catch (Exception e) {
            // 异常处理：输出错误信息，重试1次后继续
            terminalRenderer.renderError("执行异常：" + e.getMessage() + "，将重试");
            if (loopCount > 3) {
                terminalRenderer.renderError("连续3次异常，终止任务");
                terminate();
            }
        }
    }

    // 3. 循环结束：处理收尾工作
    if (loopCount >= MAX_LOOP_COUNT) {
        terminalRenderer.renderError("达到最大循环轮次，终止任务");
    }
    memory.saveSession(); // 保存会话
}

// 终止循环
private void terminate() {
    this.terminated = true;
}
    

四、关键设计点详解（避坑重点）

1. 终止条件设计（避免无限循环）

Claude Code采用“双重保险”：

- 主动终止：任务完成（输出最终回复）、用户强制退出（Ctrl+D）、异常终止；

- 被动终止：最大循环轮次（MAX_LOOP_COUNT=100），防止因LLM推理异常导致无限循环。

实操建议：你的Agent Loop也需要设置最大轮次，根据任务复杂度调整（比如简单任务设20，复杂任务设100）。

2. 状态同步：流式输出与实时反馈

用户使用Agent时，最忌讳“等待太久”。Claude Code通过两个设计提升体验：

- 思考过程流式输出：LLM生成思考内容时，逐token输出，让用户知道Agent在“做事”；

- 工具执行状态反馈：工具调用过程中，输出进度（比如“正在读取文件...”“正在执行Shell命令...”）。

3. 异常处理：重试与降级

工业级Agent必须能应对异常，Claude Code的处理逻辑：

- 轻微异常（如工具调用超时）：自动重试1次；

- 连续异常（3次及以上）：终止任务，提示用户；

- 权限异常：直接拒绝执行，提示用户权限不足。

4. 资源控制：Token监控与压缩触发

LLM的Token有上限（比如GPT-4o是128k），Agent Loop中必须实时监控Token使用量：

- TokenTracker实时统计上下文长度；

- 达到阈值（Claude Code中是93%），自动触发上下文压缩（下一节课详解）。

五、实操练习：改造上节课的最小Agent Loop

结合本节课所学，改造第01课的最小Agent，添加终止条件、异常处理、状态同步，让它更接近工业级标准。

六、本课重点总结

1. Agent Loop的核心是“稳定循环+可控终止”，解决无限循环、异常、资源浪费三大问题；

2. 工业级Loop必须包含：上下文构建、LLM推理、动作解析、工具执行、异常处理、资源监控6个核心步骤；

3. 关键避坑点：设置最大循环轮次、实时状态同步、异常重试降级、Token监控。

下节课预告

第03课：上下文管理与Token控制——Agent的“短期记忆”如何设计，如何避免上下文过长、关键信息遗忘，对应Claude Code的ConversationMemory和TokenTracker源码解析。