Pętla agenta: jak agent wie, co zrobić dalej

W jednej minucie

Agent czy workflow?

Anthropic dzieli systemy z modelem na dwa rodzaje. Różnią się tym, kto wybiera następny krok.

Anthropic zaleca zaczynać od najprostszego rozwiązania i dokładać złożoność dopiero wtedy, gdy jest potrzebna1. Często wystarczy jedno wywołanie modelu albo prosty workflow.

Pętla krok po kroku

Jeden obrót pętli agenta to jedno wywołanie API. W skrócie:

1. Żądaniehistoria + narzędzia
2. Odpowiedźstop_reason
3. Narzędzieuruchamia Twój kod
4. Wyniktool_result → znowu 1

Ten sam obieg z rozgałęzieniami. Przejdź go krok po kroku albo pokaż wszystko naraz:

Co wraca do modelu

Model nie pamięta poprzednich wywołań. W każdym obrocie wysyłasz mu całą historię od nowa.

Pętla w kodzie

Cała pętla mieści się w kilkunastu linijkach. Podświetlone linie to decyzja o następnym obrocie i odesłanie wyników.

import anthropic

client = anthropic.Anthropic()
MAX_STEPS = 10  # warunek stopu po Twojej stronie

def run_agent(task, tools):
    messages = [{"role": "user", "content": task}]
    for _ in range(MAX_STEPS):
        response = client.messages.create(
            model="claude-sonnet-5-5",
            max_tokens=2048,
            tools=tools,
            messages=messages,
        )
        messages.append({"role": "assistant", "content": response.content})
        if response.stop_reason != "tool_use":
            return response  # end_turn (lub inny powód): koniec
        # model prosi o narzędzia: wykonaj je i odeślij wyniki
        results = [run_tool(b) for b in response.content if b.type == "tool_use"]
        messages.append({"role": "user", "content": results})
    raise RuntimeError("Przekroczono limit kroków")

def run_tool(block):
    try:
        output = TOOLS[block.name](**block.input)
        return {"type": "tool_result", "tool_use_id": block.id, "content": str(output)}
    except Exception as e:
        return {"type": "tool_result", "tool_use_id": block.id,
                "content": f"{type(e).__name__}: {e}", "is_error": True}

TOOLS to słownik Twoich funkcji, np. {"get_weather": get_weather}, a tools to ich opisy dla modelu.

Jedna wymiana: prośba i wynik

{
  "type": "tool_use",
  "id": "toolu_01A09q90qw90lq917835lq9",
  "name": "get_weather",
  "input": { "location": "Zakopane" }
}

{
  "type": "tool_result",
  "tool_use_id": "toolu_01A09q90qw90lq917835lq9",
  "content": "4°C, śnieg"
}

tool_use_id łączy wynik z prośbą3.

Kiedy pętla się kończy

Kod z poprzedniej sekcji kończy pętlę przy każdym powodzie innym niż tool_use. W prawdziwym agencie obsłuż je osobno.

Kolumna „Co robi pętla” to nasza rada, nie cytat z dokumentacji.

Częste błędy

Większość problemów z pierwszą pętlą to jedna z tych czterech rzeczy.

• Pętla bez limitu: agent może krążyć bez końca i tyle samo kosztować.
• Błąd „failed”: ogólny komunikat nie daje modelowi szansy na poprawkę.

Pytania sprawdzające

Podsumowanie

• Workflow ma kroki zapisane w kodzie; agent wybiera je sam.
• Jeden obrót pętli to jedno wywołanie API z całą historią.
• Kolejny obrót robisz tylko przy stop_reason = tool_use.
• Wyniki odsyłasz jako tool_result: na początku wiadomości, z tool_use_id.
• Limit iteracji ustawiasz Ty, nie model.

Źródła

1. Building effective agents — Anthropic Engineeringopublikowano 2024-12-19 · sprawdzone 2026-11-02
2. Stop reasons and fallback — Claude Docssprawdzone 2026-11-02
3. Handle tool calls — Claude Docssprawdzone 2026-11-02
4. Define tools — Claude Docssprawdzone 2026-11-02