Struct ReActAgent 

pub struct ReActAgent { /* private fields */ }

ReAct Agent

使用 ReAct (Reasoning + Acting) 模式的 Agent。 会先思考，然后决定执行什么工具，最后观察结果。 支持任何实现了 BaseChatModel 的 LLM Provider。

Implementations

impl ReActAgent

pub fn new<L>( llm: L, tools: Vec<Arc<dyn BaseTool>>, system_prompt: Option<String>, ) -> Self

where L: BaseChatModel + Send + Sync + 'static, L::Error: Into<ProviderError>,

创建新的 ReAct Agent

参数

• llm - LLM 客户端（任何实现了 BaseChatModel 的类型）
• tools - 可用工具列表
• system_prompt - 自定义系统提示词（可选）

向后兼容

旧代码 ReActAgent::new(openai_chat, tools, None) 仍然可用， 因为 OpenAIChat: BaseChatModel 且 OpenAIError: Into<Error>。

pub fn from_arc( llm: Arc<dyn BaseChatModel<Error = ProviderError> + Send + Sync>, tools: Vec<Arc<dyn BaseTool>>, system_prompt: Option<String>, ) -> Self

从已包装的 Arc<dyn BaseChatModel> 创建 Agent

Trait Implementations

impl BaseAgent for ReActAgent

fn plan<'life0, 'life1, 'life2, 'async_trait>( &'life0 self, intermediate_steps: &'life1 [AgentStep], inputs: &'life2 HashMap<String, String>, ) -> Pin<Box<dyn Future<Output = Result<AgentOutput, AgentError>> + Send + 'async_trait>>

where Self: 'async_trait, 'life0: 'async_trait, 'life1: 'async_trait, 'life2: 'async_trait,

规划下一步行动

参数

• intermediate_steps - 已执行的步骤历史
• inputs - 用户输入

返回

• AgentOutput::Action - 需要执行的动作
• AgentOutput::Finish - 最终答案

fn get_allowed_tools(&self) -> Option<Vec<&str>>

获取允许的工具列表

fn input_keys(&self) -> Vec<&str>

Returns input keys.

fn return_stopped_response( &self, _intermediate_steps: &[AgentStep], ) -> AgentFinish

Returns stopped response when max iterations reached.