在Google Colab中構建奈米機器人風格的AI代理：工具呼叫、會話記憶、技能與MCP伺服器

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，其設計靈感來源於奈米機器人的核心架構。教程從提供者抽象開始，逐步新增工具註冊、會話記憶、生命週期鉤子、技能以及一個MCP風格的伺服器。最終得到一個不依賴特定提供者的代理迴圈，可擴充套件至真實LLM提供商和生產環境。

教程首先設定環境，包括安裝必要的依賴（如openai和nest_asyncio）和匯入所需模組。接著定義資料類ToolCall、Usage和LLMResponse，以及基類Provider。然後實現OpenAICompatibleProvider，它可與OpenAI及任何相容閘道器（如OpenRouter、DeepSeek、Together、vLLM、LM Studio等）配合使用。為了無需API金鑰即可執行，還建立了MockProvider，它基於規則模擬LLM行為，能夠根據使用者輸入觸發工具呼叫（如計算器、時間查詢、記住事實、執行Python程式碼等）。

接下來構建工具註冊系統。透過@tool裝飾器將普通函式轉換為Tool物件，自動從型別提示和文件字串中提取JSON模式。例如，calculator函式接受表示式字串並返回計算結果。工具註冊後，代理可在迴圈中呼叫它們。會話記憶透過session_memory裝飾器管理，可以記住使用者提供的事實（如名字、愛好），並在後續對話中回憶。生命週期鉤子（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引數。

然後實現MCP（Model Context Protocol）風格的伺服器。基於asyncio構建JSON-RPC介面，使工具可以透過網路遠端呼叫。伺服器支援註冊工具並處理請求，類似於nanobot的MCP服務。最後，將所有元件組裝成完整的代理迴圈：代理接收使用者訊息，透過提供者生成響應，可能觸發工具呼叫，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程式碼執行和事實記憶。

整個教程強調無需外部框架，每個構建塊都從零建立，使讀者清晰理解訊息、工具、記憶和模型響應如何協同工作。程式碼可在Colab中完整執行，適合學習和實驗。透過替換MockProvider為真實提供者，可輕鬆將代理部署到生產環境。