从 0 开始搭建一个 claude code

Important

本篇博客大部分内容来源于 Learn Claude Code 项目。

当一个人说“我在开发 Agent”时，他只可能是两个意思之一：

训练模型。通过强化学习、微调、RLHF 或其他梯度的方法调整权重。收集任务过程数据 —— 真实领域中感知、推理、行动的实际序列 —— 用它们来塑造模型的行为。这是 DeepMind、OpenAI、腾讯 AI Lab、Anthropic 在做的事。这是最本义的 Agent 开发。
构建 Harness。编写代码，为模型提供一个可操作的环境。这是我们大多数人在做的事。

Harness 是 agent 在特定领域工作所需要的一切：

1
Harness = Tools + Knowledge + Observation + Action Interfaces + Permissions
2

3
    Tools:          文件读写、Shell、网络、数据库、浏览器
4
    Knowledge:      产品文档、领域资料、API 规范、风格指南
5
    Observation:    git diff、错误日志、浏览器状态、传感器数据
6
    Action:         CLI 命令、API 调用、UI 交互
7
    Permissions:    沙箱隔离、审批流程、信任边界

Step 0: 接入 DeepSeek 模型#

通过 Anthropic API 接入 DeepSeek 模型。

核心是 client.messages.create，它向大语言模型发送请求，并获取模型的生成结果。通过调用这个方法，可以实现以下功能：

基础文本生成
多轮对话：通过传入历史 messages，让大模型记住上下文，进行连贯的聊天。
角色扮演/定制人格：通过 system 参数，让大模型扮演特定的专家（如资深律师、Python 导师）。
构建 AI Agent（智能体）：通过 tools 参数，赋予大模型调用外部 API、查询数据库或执行数学计算的能力，让它完成复杂的自动化任务。

这个方法返回的 response 对象包含了大模型的“思考结果”，通常会用到以下属性：

response.content[0].text：获取模型生成的纯文本回复。
response.stop_reason：了解模型为什么停止生成（是正常结束end_turn，还是因为到达了长度限制max_tokens，或者是请求使用工具tool_use）。
response.usage：查看本次请求消耗了多少 Token（输入和输出），用于计算 API 调用成本。
response.id：本次对话的唯一标识符，可用于后续的日志追踪或 API 调试。

1
from anthropic import Anthropic
2

3
client = Anthropic(base_url=os.getenv("ANTHROPIC_BASE_URL"))
4

5
MODEL = os.environ["MODEL_ID"]
6
SYSTEM = f"You are a coding agent at {os.getcwd()}. Use bash to solve tasks. Act, don't explain."
7
TOOLS = [{
8
    "name": "bash",
9
    "description": "Run a shell command.",
10
    "input_schema": {
11
        "type": "object",
12
        "properties": {"command": {"type": "string"}},
13
        "required": ["command"],
14
    },
15
}]
16

17
messages = [{"role": "user", "content": "What is the current git branch?"}]
18

19
response = client.messages.create(
20
    model=MODEL,
21
    system=SYSTEM,
22
    messages=messages,
23
    tools=TOOLS,
24
    max_tokens=8000,
25
)
26

27
messages.append({"role": "assistant", "content": response.content})

Note

拦截 HTTP 报文信息

我们可以进行如下修改来实现 HTTP 报文拦截：

1
client = Anthropic(base_url=os.getenv("ANTHROPIC_BASE_URL"))
2
# ── HTTP 报文拦截 ──────────────────────────────────────────
3
def _log_request(req: httpx.Request) -> None:
4
    headers = "\n".join(
5
        f"  {k}: {'***' if k.lower() in ('x-api-key', 'authorization') else v}"
6
        for k, v in req.headers.items()
7
    )
8
    body = req.content.decode(errors="replace")
9
    print(f"\n{'='*60}\n[REQUEST] {req.method} {req.url}\n{headers}\n\n{body}\n{'='*60}\n")
10

11
def _log_response(resp: httpx.Response) -> None:
12
    resp.read()  # 确保 body 已缓冲（非流式时无副作用）
13
    headers = "\n".join(f"  {k}: {v}" for k, v in resp.headers.items())
14
    body = resp.content.decode(errors="replace")
15
    print(f"\n{'='*60}\n[RESPONSE] {resp.status_code}\n{headers}\n\n{body}\n{'='*60}\n")
16

17
_http_client = httpx.Client(event_hooks={"request": [_log_request], "response": [_log_response]})
18
client = Anthropic(base_url=os.getenv("ANTHROPIC_BASE_URL"), http_client=_http_client)

下面是 request/response 的报文截图：

Step 1: Agent Loop#

一个简单的 while True 循环，模型调用工具就继续，不调用就停。整个过程只有两个信号：

信号	含义	循环动作
`stop_reason == "tool_use"`	模型举手说“我要用工具”	执行 -> 结果喂过去 -> 继续
`stop_reason != "tool_use"`	模型说“我做完了”	退出循环

Agent Loop 代码如下，目前的工具只有 run_bash 运行 bash 命令。

1
def agent_loop(messages):
2
    while True:
3
        response = client.messages.create(
4
            model=MODEL, system=SYSTEM, messages=messages,
5
            tools=TOOLS, max_tokens=8000,
6
        )
7
        messages.append({"role": "assistant", "content": response.content})
8

9
        if response.stop_reason != "tool_use":
10
            return
11

12
        results = []
13
        for block in response.content:
14
            if block.type == "tool_use":
15
                output = run_bash(block.input["command"])
16
                results.append({
17
                    "type": "tool_result",
18
                    "tool_use_id": block.id,
19
                    "content": output,
20
                })
21
        messages.append({"role": "user", "content": results})

Note

完整代码见 s01_agent_loop/code.py

Step 0: 接入 DeepSeek 模型#

Step 1: Agent Loop#

Step 2: Tool Use#

支持与分享

目录