2026年从零搭AI代理：FastAPI（10万星）+ LangChain 四组件架构，不用黑盒

学真实架构：AI代理就是大模型+工具+记忆+循环。用FastAPI（101,321星）和LangChain（143,470星）从零搭一个——每个部件你都看得懂。

💡 你将学到

学真实架构：AI代理就是大模型+工具+记忆+循环。用FastAPI（101,321星）和LangChain（143,470星）从零搭一个——每个部件你都看得懂。

直接给结论

任何AI代理——不管多花哨——都是四个组件：做决策的大模型、能调用的工具、记录步骤的记忆、以及跑到任务完成为止的循环。搭好这四样，你就拥有一个完全看得懂的代理。

四组件

# 1. 大模型 - 大脑
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini")

# 2. 工具 - 双手
from langchain.tools import tool

@tool
def get_weather(city: str) -> str:
    """Get current weather for a city."""
    return f"Sunny, 24C in {city}"

# 3. 记忆 - 笔记本
from langchain.memory import ConversationBufferMemory
memory = ConversationBufferMemory()

# 4. 循环 - 发动机
from langchain.agents import create_tool_calling_agent, AgentExecutor
agent = create_tool_calling_agent(llm, [get_weather], prompt)
executor = AgentExecutor(agent=agent, tools=[get_weather], memory=memory)
print(executor.invoke({"input": "What is the weather in Shanghai?"}))

用FastAPI提供服务

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class Query(BaseModel):
    text: str

@app.post("/agent")
def run_agent(q: Query):
    return executor.invoke({"input": q.text})

循环详解

1. 大模型读取任务+可用工具。
2. 大模型决策：直接回答，或调用工具（返回结构化工具调用）。
3. 工具执行，结果回到大模型。
4. 重复直到大模型认为完成——这就是ReAct模式。

真实数据

• FastAPI（101,321星，MIT）是增长最快的Python Web框架——服务代理的标准选择。
• 带3个工具的工具调用代理能处理约90%的日常自动化任务。
• 这套栈完全可本地化：把ChatOpenAI换成Ollama（177,825星）即可。

FAQ

Q：为什么从零搭而不是用框架？ A：理解四组件才能调试、扩展和信任你的代理——懂基础之后用框架才顺手。

Q：什么是ReAct？ A：推理+行动：模型在思考和调用工具之间交替的模式（出自2022年ReAct论文）。

Q：怎么加更多工具？ A：多写几个@tool函数就行——大模型从docstring里发现它们。