Pi Coding Agent：从零理解 AI Agent 架构
前言 过去两年，AI Agent 经历了从概念到落地的快速演进。编码 Agent 率先成熟——Claude Code、Codex、OpenCode 等工具已经成为很多开发者的日常。 这些系统的底层架构有很多共通之处：LLM 调用、工具执行、上下文管理、会话持久化、扩展机制……但如果你想深入理解一个 Agent 是怎么跑起来的，去读 Claude Code 或 OpenCode 的源码并不现实——前者闭源，后者规模庞大且耦合度高。 pi 是一套开源的 Agent 开发包，涵盖 LLM 抽象、Agent 引擎、终端 UI 等核心能力，其中的编码助手只是它的一种产品形态。它适合作为学习 Agent 架构的入口，原因很简单：pi 的设计哲学是最小核心 + 扩展优先。Agent Loop、Context、工具、会话树和扩展系统这些基础层都放在明处，子代理、Plan Mode、权限确认这类更具体的“做事方式”则不硬塞进核心，而是留给扩展去实现。 这篇博客会逐层深入 pi 的架构，不只看"能做什么"，更关注"为什么这样设计"。 1 Agent Loop：LLM 与工具的循环 1.1 Tool Call 循环 当 LLM 的回复中包含 ToolCall 时，循环不会停止。pi 会： 从 LLM 回复中提取所有 ToolCall 执行工具，拿到 ToolResult 把 ToolResult 加入上下文 再次调用 LLM，让它看到工具结果并决定下一步 这个循环会一直转，直到 LLM 的回复中不再包含 ToolCall 为止。这就是 Agent 的核心——LLM 不只是生成文本，它通过工具与外部世界交互，根据结果自主决定下一步操作。 ...