150KB 的 AI Agent,7200 行 C,一个简单的端侧龙虾,能跑在手机上

先说清楚我这个c-agent到底是什么

很久之前，我写了一个c-agent， 它是一个用纯 C 写的 AI Coding Agent。终端里跑，能读写文件、执行命令、搜索代码、多轮对话、调用工具。功能上和 Claude Code、Aider 这类工具是同一个赛道。

但我不打算说它比谁强。Claude Code 背后是 Anthropic 的整个工程团队和 Claude 4.x 的模型能力，我们一个人用 C 写的东西，论完成度和体验肯定有差距。

我想聊的是：它有哪些独特的、别人没有的东西。

他的独特之处一：150KB，真的能跑在手机上

这不是噱头，是实打实跑通了的。

$ ls -lh c-agent-rwxr-xr-x  1 user  user  150K  c-agent$ file c-agentc-agent: ELF 64-bit LSB executable, ARM aarch64

在 Termux 里 make 一下，2 秒编译完，直接运行。不需要 Node.js，不需要 Python，不需要 Docker。

为什么这件事有意义？因为：

可以直接跑在手机上，目前市面上的 AI Coding Agent，没有一个能做到这件事。不是技术上做不到，是它们太重了——几百 MB 的运行时，手机扛不住。这个玩意本质上就是一个端虾，但是说实话，他操作比较手机上的文件，但是控制打开个微信，调节下音量还是问题不大的。

另外，他其实也可以跑在服务器上Telegram 远程控制 + 危险命令拦截

这是我个人最喜欢的功能。

./c-agent --telegram --bot-token YOUR_TOKEN

一行命令，c-agent 变成 Telegram 机器人。Long Polling 模式，不需要公网 IP，不需要域名，不需要 Nginx。

从任何设备打开 Telegram，给 bot 发消息，它就在你的机器上干活。

但远程执行命令是危险的。所以我们做了拦截：

你：帮我清理一下构建产物Agent 想执行：rm -rf ./build/*⚠️ 检测到危险命令：rm -rf ./build/*回复 Y 确认执行，60 秒超时。你：YAgent：已清理完成。

rm、sudo、kill -9、mkfs、dd、chmod 777——这些都会被拦住。实现方式挺有意思：运行时动态替换 bash 工具的函数指针，加一层确认逻辑，退出时再换回来。C 语言的 monkey-patching。

它可以多个大脑协同工作

大多数 Agent 只调一个模型。c-agent 根据任务类型自动路由到不同模型：

主力 Agent（deepseek-v4-flash）  │  ├── 遇到复杂规划 → 派出 Planner（推理模型，开 CoT 深度思考）  │  └── 遇到信息检索 → 派出 Explorer（快速模型，轻量高效）

关键点：子 Agent 跑在独立线程里，多个子任务真正并行执行。，这得益于 c 语言的独特之处。

LLM 一次返回 3 个 spawn_sub_agent 调用？c-agent 同时启动 3 个 pthread，等全部完成后汇总结果。不是串行等待，是真并行。

这个设计让 c-agent 在处理复杂任务时，能做到”大事拆小事，各找各的模型，同时开干”。

新的版本对DeepSeek 深度思考全链路支持

DeepSeek V4 有一个特殊能力，即便是 flash model：他也会默认有reasoning_content，模型在正式回答前的推理思考过程。

c-agent 完整支持了这个特性，而且是全链路贯通：

SSE 流解析 → 实时终端输出（暗色洋红 [thinking] 标记）    → 内存存储 → JSON 序列化传回 API    → JSONL 会话持久化 → 会话恢复时完整还原

为什么要强调”全链路”？因为 DeepSeek 的 API 有一个硬性要求：之前返回的 reasoning_content 必须在后续请求中原样传回去，否则直接报错。

这意味着你不能只是”显示”思考过程，你得把它存下来、序列化、传回去、持久化、恢复。任何一环断了，多轮对话就挂了。

我们刚刚完成了这个特性，改动涉及 6 个文件，但核心代码不到 50 行。这就是 C 的好处——数据结构清晰，顺着调用链走一遍就完事。

731 行 C 实现的 MCP 客户端

MCP（Model Context Protocol）是 AI 工具的”USB 接口标准”。一个配置文件，就能接入任意 MCP Server：

{  "mcpServers": {    "playwright": {      "command": "npx",      "args": ["@playwright/mcp@latest", "--headless"]    }  }}

启动时自动 fork 子进程、JSON-RPC 握手、发现工具、注册到工具列表。你的 Agent 瞬间获得浏览器操控能力。换成数据库 Server、GitHub Server？改一行配置。

很多 MCP 客户端是用 TypeScript 或 Python 写的，动辄几千行。我们用 731 行 C 实现了完整的 MCP 客户端——fork 子进程、stdin/stdout 管道通信、JSON-RPC 2.0 协议、工具发现和执行。

好玩的地方来了，我做了9 个手机硬件工具

在 Termux 环境下，c-agent 自动注册 9 个 Termux:API 工具：

termux_notification  → 发系统通知（任务完成提醒你）termux_tts           → 文字转语音（让手机念代码给你听）termux_clipboard     → 读写剪贴板（生成的代码直接复制）termux_camera        → 拍照（配合多模态模型分析图片）termux_battery       → 查电量termux_vibrate       → 震动提醒termux_volume        → 调音量termux_open_url      → 打开浏览器

这意味着 AI Agent 能和手机硬件交互。任务跑完发个通知、电量低了提醒插充电器、拍张白板照片让 AI 识别——这些是桌面端 Agent 做不到的事情。

完整能力一览

把所有功能摊开看：

这些东西，装在 150KB 里。

一些值得说的实现细节

Token 估算对中文友好

大多数 Agent 用 strlen / 4 估算 token。但中文 UTF-8 是 3 字节一个字，约等于 1 个 token。所以我们用 strlen / 3 + 1——对中文准确，对英文略保守（提前截断比撞 API 限制安全）。

上下文截断不会破坏工具配对

截断历史消息时，如果一条 assistant 消息包含 tool_calls，它后面的 tool result 必须一起删。否则 API 会报”tool result 找不到对应的 tool call”。c-agent 的截断算法自动处理这种配对关系。

Ctrl+C 中断后自动恢复

按 Ctrl+C 中断 Agent 执行，可能留下不完整的工具调用（assistant 发了 tool_calls 但结果没收齐）。下次 agent_process 启动时会自动检测并清理这些残留，避免上下文污染。

SSE 流式拼接工具参数

流式响应中，工具调用的参数是分片到达的。{"path": "/tmp/test.txt"} 可能分成多个 chunk。c-agent 用 index 索引的 StrBuf 数组累积每个工具调用的参数片段，流结束后拼成完整 JSON。

它适合谁

说实话，c-agent 不适合所有人。

如果你追求最好的 AI 编程体验，Claude Code + Claude 4.x 大概率是更好的选择。模型能力、工程打磨、社区生态，都不是我们一个人能比的。

但如果你是这些人之一，c-agent 可能正好适合你：

• • 想在手机上跑 AI Agent 的人 — 目前唯一的选择
• • DeepSeek 用户 — 原生支持全特性，包括 CoT 深度思考
• • 预算敏感的开发者 — DeepSeek API 价格是 Claude 的几十分之一
• • 想学 AI Agent 原理的人 — 7200 行 C，没有框架噪音，从 main 开始读就能看懂
• • 极客 / 嵌入式爱好者 — 150KB 二进制，scp 到任何 POSIX 机器就能跑
• • 需要远程 AI 助手的人 — Telegram bot 模式，旧手机变服务器

写在最后

做 c-agent 的过程中，我最大的感受是：AI Agent 的核心逻辑其实没那么复杂。

调 API、解析 JSON、执行工具、管理上下文——这个循环用 7200 行 C 就能写完。剩下的几百 MB，大部分是运行时、框架、依赖、构建工具的重量。

我不是说那些重量没有价值。Node.js 的生态、TypeScript 的类型安全、Electron 的跨平台 UI——这些都有它们存在的理由。

但当你把这些重量去掉之后，你会发现软件能去到一些以前去不了的地方。比如你的口袋里。

150KB，跑在手机上的 AI Coding Agent。这就是 c-agent。

项目已开源在我的小群，欢迎 Star。如果你在 Termux 上跑起来了，评论区聊聊体验。

开源地址： https://github.com/coder-brzhang/c-agent

注意，本项目仅在小张的400 多个人的小群（公众号菜单-联系我-加群）中分享。