在Google Colab中构建纳米机器人风格的AI代理：工具调用、会话记忆、技能与MCP服务器

本教程详细介绍了如何在Google Colab中构建一个轻量级个人AI代理，其设计灵感来源于纳米机器人的核心架构。教程从提供者抽象开始，逐步添加工具注册、会话记忆、生命周期钩子、技能以及一个MCP风格的服务器。最终得到一个不依赖特定提供者的代理循环，可扩展至真实LLM提供商和生产环境。

教程首先设置环境，包括安装必要的依赖（如openai和nest_asyncio）和导入所需模块。接着定义数据类ToolCall、Usage和LLMResponse，以及基类Provider。然后实现OpenAICompatibleProvider，它可与OpenAI及任何兼容网关（如OpenRouter、DeepSeek、Together、vLLM、LM Studio等）配合使用。为了无需API密钥即可运行，还创建了MockProvider，它基于规则模拟LLM行为，能够根据用户输入触发工具调用（如计算器、时间查询、记住事实、运行Python代码等）。

接下来构建工具注册系统。通过@tool装饰器将普通函数转换为Tool对象，自动从类型提示和文档字符串中提取JSON模式。例如，calculator函数接受表达式字符串并返回计算结果。工具注册后，代理可在循环中调用它们。会话记忆通过session_memory装饰器管理，可以记住用户提供的事实（如名字、爱好），并在后续对话中回忆。生命周期钩子（before_tool和after_tool）允许在工具执行前后插入自定义逻辑，例如记录日志或验证参数。

然后实现MCP（Model Context Protocol）风格的服务器。基于asyncio构建JSON-RPC接口，使工具可以通过网络远程调用。服务器支持注册工具并处理请求，类似于nanobot的MCP服务。最后，将所有组件组装成完整的代理循环：代理接收用户消息，通过提供者生成响应，可能触发工具调用，处理工具结果，并持续对话直到结束。演示用例包括数学计算、时间查询、Python代码执行和事实记忆。

整个教程强调无需外部框架，每个构建块都从零创建，使读者清晰理解消息、工具、记忆和模型响应如何协同工作。代码可在Colab中完整运行，适合学习和实验。通过替换MockProvider为真实提供者，可轻松将代理部署到生产环境。