在Google Colab中構建納米機器人風格的AI代理：工具調用、會話記憶、技能與MCP服務器

本教程詳細介紹瞭如何在Google Colab中構建一個輕量級個人AI代理，其設計靈感來源於納米機器人的核心架構。教程從提供者抽象開始，逐步添加工具註冊、會話記憶、生命週期鈎子、技能以及一個MCP風格的服務器。最終得到一個不依賴特定提供者的代理循環，可擴展至真實LLM提供商和生產環境。

教程首先設置環境，包括安裝必要的依賴（如openai和nest_asyncio）和導入所需模塊。接着定義數據類ToolCall、Usage和LLMResponse，以及基類Provider。然後實現OpenAICompatibleProvider，它可與OpenAI及任何兼容網關（如OpenRouter、DeepSeek、Together、vLLM、LM Studio等）配合使用。為了無需API密鑰即可運行，還創建了MockProvider，它基於規則模擬LLM行為，能夠根據用户輸入觸發工具調用（如計算器、時間查詢、記住事實、運行Python代碼等）。

接下來構建工具註冊系統。通過@tool裝飾器將普通函數轉換為Tool對象，自動從類型提示和文檔字符串中提取JSON模式。例如，calculator函數接受表達式字符串並返回計算結果。工具註冊後，代理可在循環中調用它們。會話記憶通過session_memory裝飾器管理，可以記住用户提供的事實（如名字、愛好），並在後續對話中回憶。生命週期鈎子（before_tool和after_tool）允許在工具執行前後插入自定義邏輯，例如記錄日誌或驗證參數。

然後實現MCP（Model Context Protocol）風格的服務器。基於asyncio構建JSON-RPC接口，使工具可以通過網絡遠程調用。服務器支持註冊工具並處理請求，類似於nanobot的MCP服務。最後，將所有組件組裝成完整的代理循環：代理接收用户消息，通過提供者生成響應，可能觸發工具調用，處理工具結果，並持續對話直到結束。演示用例包括數學計算、時間查詢、Python代碼執行和事實記憶。

整個教程強調無需外部框架，每個構建塊都從零創建，使讀者清晰理解消息、工具、記憶和模型響應如何協同工作。代碼可在Colab中完整運行，適合學習和實驗。通過替換MockProvider為真實提供者，可輕鬆將代理部署到生產環境。