loop函数是代理的"心脏"，核心逻辑是无限循环的工作-闲置交替：先让代理调用大模型处理任务（工作阶段），任务停了就进入闲置阶段；闲置时检查有没有新任务/消息，有就继续工作，没有就超时关机。_idle_poll是代理"主动找活干"的逻辑：闲置时每5秒检查一次，先看有没有人发消息，再看任务板有没有没人做的任务；只要找到一个，就认领并恢复工作；60秒都没找到，就关机。函数是代理的"任务扫描器"，核心是

第九季核心：用实现队友持久化（线程+配置文件），用MessageBus（JSONL文件）实现异步通信，解决“代理能组队、能发消息”的基础问题；第十季核心：在通信基础上增加“请求-响应协议”，通过request_id关联请求和响应，用状态机管理请求状态，解决“沟通有规则、可追溯、不混乱”的进阶问题；关键设计思想：从“无结构”到“结构化”是编程中常见的升级思路，比如先做功能，再做规范，这和真实团队协作

（1）包含Agent之间的通信，如何通信；（2）邮箱的构建；（3）任务如何构建；

loop是Agent实现最重要的一个 part，其中分为lead agent的 loop 和sub_agent的 loop任务分解，假设分为 n 个子任务（1次问答）；查看每个子任务需要调用的工具（n次问答）；每次调用完工具至少还需要一次问答生成答案总结（n次问答）；每个子任务可以提出建议（n次问答）；一共3n+1次问答，如果你的任务很复杂，那么单 Agent 会堵死去。这也是为什么要用懒加载和任

【代码】项目02-手搓Agent之懒加载。

结构化跟踪：用将模糊的「多步骤任务」转化为模型可识别的结构化清单，替代不可靠的上下文记忆；强制约束：通过工具调用+格式校验，确保模型必须更新进度，避免「口头规划、实际失控」；提醒兜底：用计数器+强制提醒，解决模型「忘记更新清单」的问题，始终锚定整体任务目标。简单来说，这套方案相当于给模型配了一个「任务看板」，并在它走神时拍醒它，确保长流程任务的每一步都可控、可追溯。

本质上已经具备了 （1）邮箱初始化、（2）任务创建、（3）发送消息、（4）团队消息持久化；将【团队协作】、【DAG依赖】、【智能体执行】三层完全打通；启动线程、消费队列、真正执行任务；初始化邮箱，用于通信；Agent 完成任务；、Agent 执行层。

这是 Agent 能“动手”的关键。我们不是让模型直接运行命令，而是定义一个工具规范 (Schema)。# 定义工具列表。这是一个 JSON Schema 描述。# 模型看到后，就知道它有一个叫 "bash" 的工具可用，并且知道调用它需要传入 "command" 参数。TOOLS = [{},}]当模型决定调用工具时，本地 Python 代码负责真正执行。# 安全过滤：防止模型生成毁灭性命令tr

第六季的核心是「上下文全生命周期管理微压缩：「日常瘦身」，处理旧的长工具结果，低成本且无感知；自动压缩：「应急兜底」，代币超限时彻底瘦身，保全核心信息；手动压缩：「主动优化」，模型按需触发，适配复杂场景；磁盘转录：「安全网」，所有历史不丢失，可追溯/可恢复。对比第五季：第五季是「少拿」（按需加载技能），第六季是「少存」（压缩上下文），两者结合实现了代币和上下文的双重高效管理。

多 Agent（Coder / Researcher/ Testor）协作执行任务：如何具体地完成任务；生产者 - 消费者模型：任务队列 + 多线程异步执行；DAG 任务依赖编排：保证任务按先后顺序执行（比如必须先分析需求→再设计架构→最后编码）；