Eino ADK 实战：深入理解 ChatModelAgent 的 ReAct 循环与工程化配置

所以 ChatModelAgent 的位置，其实非常像默认的'脑子'。

当你的 Agent 需要：

• 根据上下文自行判断下一步动作
• 在回答和工具之间切换
• 在多个 Agent 之间转交任务
• 在运行过程中插入工程逻辑

那它通常就会成为第一个候选。

把这套关系放到运行时视角里，看起来会更清楚：

这张图里最该记住的是两点：

1. ChatModelAgent 不等于'模型输出一段话'
2. 它真正对外暴露的是一整段可运行的决策过程

3. 其内部本质是一个 ReAct 循环

ChatModelAgent 的核心执行模式其实很清楚：它内部走的是 ReAct。

其内部是一个循环：

1. 调模型，让模型先做判断
2. 如果模型直接给答案，那就结束
3. 如果模型发起 Tool Call，就执行工具
4. 把工具结果回灌给模型
5. 再让模型决定下一步
6. 直到模型不再需要工具，或者 Agent 被强制结束

这套循环里，用以下四个词能直接对应上：

• Reason：模型思考
• Action：模型决定调用什么
• Act：系统真的去执行动作
• Observation：把动作结果喂回去

所以 ChatModelAgent 的关键，不在于'它能调工具'。

而在于：

它允许模型把一次复杂任务拆成多轮判断，而不是一口气把答案硬生成出来。

这也是它和我们直接手写一段 ChatModel.Generate(...) 的根本区别。

没有 Tool 时会怎样

可以这么说：

如果没有配置工具，ChatModelAgent 会退化为一次普通的 ChatModel 调用。

这意味着：

• 不是所有 ChatModelAgent 都一定会循环
• 只有当你给了工具、协作能力，或者模型真的产生 Tool Call，它才会进入完整的 ReAct 运行形态

为什么还需要 MaxIterations

ReAct 的好处是灵活，风险是兜不住时会一直绕。

所以 MaxIterations 本质上是一个保险丝。

默认值是 20。超过这个次数还没结束，Agent 会直接报错退出。

这在真实业务里非常有必要。否则你很容易遇到两种问题：

• 模型在几个工具之间来回试探，始终拖沓着
• Prompt 写得含糊，模型不知道该答还是该继续调工具

很多线上'为什么 Agent 一直在调用工具'的问题，本质上都不是框架 bug，而是没有把循环上限和结束策略设计清楚。

4. 哪几组配置真正决定了行为

Name / Description

这两个字段经常被初学者轻视。

但实际上它们比你想象的重要。

• Name 是 Agent 的身份标识
• Description 决定别的 Agent 会不会把任务转给它

尤其在 Transfer 场景里，Description 不是装饰品，而是模型判断'谁更适合接手这件事'的依据。

Instruction / Model

这两个字段是最直观的：

• Instruction：Agent 的系统约束
• Model：底层使用哪个 ChatModel

但有一点别搞混：

Instruction 决定行为风格，Model 决定能力底座。

ToolsConfig

这组配置是 ChatModelAgent 和普通模型调用真正拉开差距的地方。

其中有两个很关键的扩展字段起到了作用：

• ReturnDirectly
• EmitInternalEvents

ReturnDirectly

这个字段的意思是：

某些工具一旦被调用成功，就不要再把结果送回模型二次润色了，直接把结果带着返回。

这个能力特别适合两类场景：

• 工具结果本身就是最终答案
• 工具结果本身就是'交接单''审批单''跳转结果'，再回模型反而会把结果弄脏

比如后面 Demo 里的 handoff_to_human，就很适合 ReturnDirectly。

EmitInternalEvents

这个配置只在 AgentAsTool 场景里有意义。

默认情况下，当你把一个 Agent 包成 Tool 后，外层只会拿到最终的 ToolResult，看不到内层 Agent 的事件流。

而 EmitInternalEvents=true 时，内层 Agent 产生的事件会继续往外透出，调用方就能实时看到里面到底在干什么。

这个能力特别适合：

• 你把一个复杂 Agent 当 Tool 用
• 但又希望前端或调用方还能看到它的实时输出

OutputKey

这个字段很实用：

把 Agent 最后一条输出消息，以某个 key 写进 SessionValues

如果你的后续 Agent、Workflow、或者外层业务逻辑还要继续消费这次结果，它比你手动到处传字符串干净得多。

Exit

你可以把他当作一个特殊 Tool。

模型调用这个 Tool 并成功执行后，ChatModelAgent 会直接退出，效果和 ReturnDirectly 很像，但语义更明确：

• ReturnDirectly 更像'某个工具调用后直接收口'
• Exit 更像'模型自己宣布：到这里结束，把这个最终结果拿出去'

ModelRetryConfig

这是一个典型的工程字段。

它解决的不是'让回答更聪明'，而是'模型调用失败时，系统要不要重试，以及怎么重试'。

如果流式响应过程中发生错误，但策略允许重试，调用方读 stream 时会收到 WillRetryError。

所以在真实系统里做流式输出时，不能只管 happy path。否则一旦流中途断掉，你都不知道是彻底失败了，还是下一轮马上会补回来。

5. Tool、Transfer、AgentAsTool 到底怎么选

这一段是最值得展开讲的地方。

很多人第一次看这三种能力时，会觉得它们都像'把事情交给别人做'。但它们不是一回事。

普通 Tool

适合那种边界特别清晰、输入输出很稳定的能力，比如：

• 查错误码
• 查 runbook
• 算时间
• 调外部 HTTP 接口

它更像函数调用。

Transfer

Transfer 的意思不是'调用另一个能力'，而是：

当前 Agent 判断，另一个 Agent 更适合接手这件事，于是把任务控制权转过去。

官方页对应的实现机制是：

• 给 ChatModelAgent 配置子 Agent
• 框架自动生成一个 Transfer Tool
• 模型根据各个 Agent 的 Description 决定要不要跳转
• Runner 收到 Transfer Event 后，切到目标 Agent 继续执行

最小示意像这样：

// 创建一个上层 Agent，作为请求分发器使用。
// 它本身由聊天模型驱动，职责是根据用户问题决定该交给谁处理。
supervisor, _ := adk.NewChatModelAgent(ctx, &adk.ChatModelAgentConfig{
    Name:    "dispatcher",
    Description: "负责分发用户请求",
    Model:   cm,
})

// 创建一个子 Agent，专门处理数据库相关问题。
dbExpert, _ := adk.NewChatModelAgent(ctx, &adk.ChatModelAgentConfig{
    Name:    "db_expert",
    Description: "擅长数据库故障排查",
    Model:   cm,
})

// 给 supervisor 挂载可协作的子 Agent。
// 这样 supervisor 在处理请求时，就可以把数据库类问题分发给 dbExpert。
dispatcher, _ := adk.SetSubAgents(ctx, supervisor, []adk.Agent{dbExpert})

如果一个问题本来就该交给另一个 Agent 独立负责，那应该优先考虑 Transfer，而不是让当前 Agent 硬撑到底。

AgentAsTool

它的语义又不同：

我不是把任务彻底交出去，我只是把另一个 Agent 当成一个'高级工具'来用。

什么时候适合这么做？

当被调用的 Agent：

• 不需要完整运行上下文
• 只要一个明确请求参数就能独立完成工作
• 更像一个'复杂工具'而不是一个'新的控制者'

我这里从官方源码 NewAgentTool(...) 截取片段举例：

reporterTool := adk.NewAgentTool(ctx, reporterAgent)
agent, _ := adk.NewChatModelAgent(ctx, &adk.ChatModelAgentConfig{
    Name: "ops_assistant",
    Description: "负责处理线上故障",
    Model: cm,
    ToolsConfig: adk.ToolsConfig{
        ToolsNodeConfig: compose.ToolsNodeConfig{
            Tools: []tool.BaseTool{reporterTool},
        },
        EmitInternalEvents: true,
    },
})

一句话记忆这三者：

• Tool：调用一个函数
• Transfer：把控制权交给另一个 Agent
• AgentAsTool：把另一个 Agent 当函数来调

6. Middleware / Handler 才是工程化分水岭

如果说 Tool 解决的是'Agent 能干什么'，那 Handler 解决的就是'Agent 在真实系统里怎么管'。

官方页给出的扩展点一共有几层：

• BeforeAgent
• BeforeModelRewriteState
• AfterModelRewriteState
• WrapModel
• WrapInvokableToolCall / WrapStreamableToolCall

把它们放到一张执行图里，会比只看接口名字更容易懂：

BeforeAgent

这是最适合做'运行前改配置'的地方。

它能改的不是消息历史，而是本次运行的：

• Instruction
• Tools
• ReturnDirectly

所以它很适合做这些事：

• 动态追加系统约束
• 按租户或环境动态加工具
• 把某个工具临时标记为 ReturnDirectly

BeforeModelRewriteState / AfterModelRewriteState

这两个钩子盯的是 Messages。

适合做：

• 历史裁剪
• 敏感信息脱敏
• 在模型调用前后检查消息状态

如果你只是想管'发给模型的消息长什么样'，优先看这组。

WrapModel

这个钩子适合拦截模型调用本身。

典型用途是：

• 统一日志
• 指标采集
• 审计
• 对模型输入输出做包装

它的价值在于：你不用改业务代码，就能把'模型调用前后'的工程逻辑拦下来。

WrapInvokableToolCall / WrapStreamableToolCall

这两个钩子盯的是工具层。

特别适合：

• 打工具调用日志
• 统计耗时
• 做参数审计
• 对工具结果二次包装

为什么新代码更推荐 Handlers

官方和本地源码都已经把这个方向说得很明确了：

• 老的 AgentMiddleware 是 struct 风格，适合简单静态扩展
• 新的 ChatModelAgentMiddleware 是 interface 风格，更适合动态行为和上下文改写

如果你是现在开始写新的 ChatModelAgent 扩展，优先用 Handlers 更稳。

7. 实战：用 ChatModelAgent 搭一个故障分诊助手

目的：

做一个'故障分诊助手'，能查 runbook、在高风险场景下直接升级给人工，并通过 handler 统一加上运行约束与工具日志。

本例子只演示三件事：

1. ChatModelAgent + Tool
2. ReturnDirectly
3. Handler

先装依赖

go get github.com/cloudwego/eino@latest
go get github.com/cloudwego/eino-ext/components/model/qwen@latest

环境变量至少准备两个：

$env:DASHSCOPE_API_KEY="你的百炼 API Key"
$env:QWEN_MODEL="qwen-plus"

完整代码

这段代码的目标不是做一个真正的运维平台，而是把 ChatModelAgent 这一页最重要的几个点跑通。

package main

import (
	"context"
	"fmt"
	"log"
	"os"
	"strings"

	"github.com/cloudwego/eino/adk"
	"github.com/cloudwego/eino/components/tool"
	"github.com/cloudwego/eino/components/tool/utils"
	"github.com/cloudwego/eino/compose"
	"github.com/cloudwego/eino/schema"
	"github.com/cloudwego/eino-ext/components/model/qwen"
)

// RunbookInput 是查询故障预案工具的输入。
type RunbookInput struct {
	Service   string `json:"service" jsonschema:"description=服务名，enum=user,enum=order,enum=payment,enum=search"`
	ErrorCode string `json:"error_code" jsonschema:"description=错误码，例如 DB_TIMEOUT、AUTH_EXPIRED、NO_STOCK"`
}

// RunbookOutput 是故障预案工具的输出。
type RunbookOutput struct {
	Level     string `json:"level"`
	Suggestion string `json:"suggestion"`
	Owner     string `json:"owner"`
}

// HandoffInput 是转人工工具的输入。
type HandoffInput struct {
	Reason string `json:"reason" jsonschema:"description=需要人工接手的原因"`
}

// HandoffOutput 是转人工工具的输出。
type HandoffOutput struct {
	Ticket string `json:"ticket"`
	Action string `json:"action"`
}

// OpsGuardHandler 是一个自定义 middleware，
// 用来在 Agent 运行前补充约束，并在工具调用时统一打日志。
type OpsGuardHandler struct {
	*adk.BaseChatModelAgentMiddleware
}

// NewOpsGuardHandler 创建自定义 handler。
func NewOpsGuardHandler() *OpsGuardHandler {
	return &OpsGuardHandler{
		BaseChatModelAgentMiddleware: &adk.BaseChatModelAgentMiddleware{},
	}
}

// BeforeAgent 在整次 Agent 运行开始前执行。
// 这里给本次运行动态追加额外指令。
func (h *OpsGuardHandler) BeforeAgent(ctx context.Context, runCtx *adk.ChatModelAgentContext) (context.Context, *adk.ChatModelAgentContext, error) {
	// 拷贝一份运行上下文，避免直接改原对象。
	nRunCtx := *runCtx
	// 动态补充本次运行约束：
	// 1. 始终中文回复
	// 2. 先给结论再给依据
	// 3. 信息不足或风险高时优先转人工
	nRunCtx.Instruction += "\n\n始终使用中文回复。先给结论，再给依据。若缺少关键信息或风险较高，优先调用 handoff_to_human。"
	return ctx, &nRunCtx, nil
}

// WrapInvokableToolCall 包装普通工具调用。
// 这里主要用于统一记录工具名和入参日志。
func (h *OpsGuardHandler) WrapInvokableToolCall(ctx context.Context, endpoint adk.InvokableToolCallEndpoint, tCtx *adk.ToolContext) (adk.InvokableToolCallEndpoint, error) {
	return func(ctx context.Context, argumentsInJSON string, opts ...tool.Option) (string, error) {
		log.Printf("[tool] name=%s args=%s", tCtx.Name, argumentsInJSON)
		return endpoint(ctx, argumentsInJSON, opts...)
	}, nil
}

// newRunbookTool 创建'查询故障预案'工具。
// 模型可根据 service + error_code 获取预定义排查建议。
func newRunbookTool() tool.BaseTool {
	t, err := utils.InferTool("search_runbook", "根据服务名和错误码查询故障处置建议", func(ctx context.Context, input *RunbookInput) (*RunbookOutput, error) {
		switch {
		// payment 服务数据库超时时，返回对应预案
		case input.Service == "payment" && input.ErrorCode == "DB_TIMEOUT":
			return &RunbookOutput{
				Level:      "high",
				Suggestion: "先确认只读实例是否可用，再检查连接池是否打满，必要时切换到降级路径。",
				Owner:      "payment-oncall",
			}, nil
		// user 服务鉴权过期时，返回对应预案
		case input.Service == "user" && input.ErrorCode == "AUTH_EXPIRED":
			return &RunbookOutput{
				Level:      "medium",
				Suggestion: "先排查 token 过期时间配置，再确认网关和鉴权服务的时钟是否一致。",
				Owner:      "user-oncall",
			}, nil
		// 未命中预案时，返回兜底结果，引导补充信息
		default:
			return &RunbookOutput{
				Level:      "unknown",
				Suggestion: "没有命中预案，请补充 service、error_code 和最近一次发布时间。",
				Owner:      "triage-bot",
			}, nil
		}
	})
	if err != nil {
		log.Fatalf("new runbook tool failed: %v", err)
	}
	return t
}

// newHandoffTool 创建'转人工'工具。
// 当问题风险较高或信息不足时，用它生成交接单。
func newHandoffTool() tool.BaseTool {
	t, err := utils.InferTool("handoff_to_human", "当风险较高或信息不足时，生成交接给人工处理的说明", func(ctx context.Context, input *HandoffInput) (*HandoffOutput, error) {
		return &HandoffOutput{
			Ticket: "INC-2026-031",
			Action: "已生成交接单，请值班同学继续处理。原因：" + input.Reason,
		}, nil
	})
	if err != nil {
		log.Fatalf("new handoff tool failed: %v", err)
	}
	return t
}

// newModel 创建底层聊天模型。
func newModel(ctx context.Context) *qwen.ChatModel {
	cm, err := qwen.NewChatModel(ctx, &qwen.ChatModelConfig{
		BaseURL: "https://dashscope.aliyuncs.com/compatible-mode/v1",
		APIKey:  mustEnv("DASHSCOPE_API_KEY"),
		Model:   envOrDefault("QWEN_MODEL", "qwen-plus"),
	})
	if err != nil {
		log.Fatalf("new qwen model failed: %v", err)
	}
	return cm
}

// newTriageAgent 创建一个故障分诊 Agent。
// 它可以：
// 1. 调用 runbook 工具查询预案
// 2. 调用 handoff 工具转人工
// 3. 在 handler 中做运行前约束和工具日志
func newTriageAgent(ctx context.Context) adk.Agent {
	agent, err := adk.NewChatModelAgent(ctx, &adk.ChatModelAgentConfig{
		Name:    "ops_triage_agent",
		Description: "负责排查后端线上故障，能查询 runbook，并在高风险时升级给人工处理",
		Instruction: "你是后端故障分诊助手。优先使用工具获取事实，再给结论。",
		Model:   newModel(ctx),
		// 配置可用工具。
		ToolsConfig: adk.ToolsConfig{
			ToolsNodeConfig: compose.ToolsNodeConfig{
				Tools: []tool.BaseTool{
					newRunbookTool(),
					newHandoffTool(),
				},
			},
			// handoff_to_human 一旦被调用，工具结果可直接作为输出返回。
			ReturnDirectly: map[string]bool{"handoff_to_human": true},
		},
		MaxIterations: 8, // 最多允许 8 轮 Agent 内部迭代
		OutputKey:     "triage_result", // 本次运行结果的输出键名
		// 注册自定义 middleware。
		Handlers: []adk.ChatModelAgentMiddleware{
			NewOpsGuardHandler(),
		},
	})
	if err != nil {
		log.Fatalf("new triage agent failed: %v", err)
	}
	return agent
}

func main() {
	ctx := context.Background()
	// 默认查询内容，可通过命令行参数覆盖。
	query := "payment 服务出现 DB_TIMEOUT，连接池已满，请给我排查建议。"
	if len(os.Args) > 1 {
		query = strings.Join(os.Args[1:], " ")
	}
	// 创建 Runner，负责驱动 Agent 执行。
	runner := adk.NewRunner(ctx, adk.RunnerConfig{
		Agent:          newTriageAgent(ctx),
		EnableStreaming: false, // 这里关闭流式输出
	})
	// 发起查询，拿到事件流迭代器。
	iter := runner.Query(ctx, query)
	// 逐个消费 Agent 事件并打印结果。
	if err := printEvents(iter); err != nil {
		log.Fatal(err)
	}
}

// printEvents 用于遍历 Agent 运行事件。
// 如果是工具输出，打印工具名；否则按 assistant 输出打印。
func printEvents(iter *adk.AsyncIterator[*adk.AgentEvent]) error {
	for {
		event, ok := iter.Next()
		if !ok {
			return nil
		}
		if event.Err != nil {
			return event.Err
		}
		if event.Output == nil || event.Output.MessageOutput == nil {
			continue
		}
		mv := event.Output.MessageOutput
		msg, err := mv.GetMessage()
		if err != nil {
			return err
		}
		switch mv.Role {
		case schema.Tool:
			fmt.Printf("\n[tool:%s]\n%s\n", mv.ToolName, msg.Content)
		default:
			fmt.Printf("\n[assistant]\n%s\n", msg.Content)
		}
	}
}

// mustEnv 读取必填环境变量；缺失则直接退出。
func mustEnv(key string) string {
	v := os.Getenv(key)
	if v == "" {
		log.Fatalf("environment variable %s is required", key)
	}
	return v
}

// envOrDefault 读取环境变量；没有则返回默认值。
func envOrDefault(key, fallback string) string {
	if v := os.Getenv(key); v != "" {
		return v
	}
	return fallback
}

这个 Demo 到底对应了什么

1. search_runbook 是普通 Tool，模型先查事实，再组织答案
2. handoff_to_human 被配置成 ReturnDirectly，一旦调用就直接退出
3. OpsGuardHandler 通过 BeforeAgent 和 WrapInvokableToolCall 把运行约束和工具日志插进来了

如果你本地跑的时候传一个'高风险但信息不足'的问题，比如：

go run . "payment 服务持续报错，但我只有一句日志：DB_TIMEOUT，请直接给我下一步动作。"

常见表现会是两种：

• 模型先调 search_runbook，再组织答案返回
• 模型判断信息不足或风险过高，直接调 handoff_to_human，然后因为 ReturnDirectly 立即结束

这正是 ChatModelAgent 和普通模型调用的差别：它不是只会说话，而是会决定下一步怎么干。

8. 总结

本篇最想帮你建立的，不是某个 API 记忆点，而是一个判断：

ChatModelAgent 不是'模型调用升级版'，而是 ADK 里默认的思考型 Agent 实现。

它真正解决的是：

• 让模型在回答、调工具、转交任务之间做动态决策
• 让这些动作按照 ReAct 方式循环运行
• 让运行过程以 AgentEvent 形式输出
• 让你能通过 Handler 把日志、审计、裁剪、动态工具这些工程能力插进去