Claude Code 1729 行源码,核心就这 30 行

⚡ 一句话说明：这篇文章教你用30行Python代码理解AI Agent的本质，看完你就知道为什么Claude Code、Cursor这些工具能自动写代码了。

01一个反常识：Agent没有你想的那么复杂

很多人以为AI Agent很复杂，需要LangChain、需要ReAct、需要复杂的Prompt工程。

但真相是——一个 while True 循环，就够了。

Claude Code的源码有1729行，但我扒完之后发现，它的核心就这30行。所有复杂的字段、退出路径、保护机制，都是在这30行上叠加的。

先理解核心循环，后面的一切自然展开。

02问题背景

你有没有遇到过这种情况：

让AI"帮我读取目录下有哪些文件，然后执行XXX.py"，它只会给你输出一条bash命令，然后就停了。

它不会自己跑，也不会看到结果后继续推理。

你得手动跑一遍，把输出粘贴回对话框，让它接着干。下一个命令出来，你再跑一遍、再贴回去。

💡 每一个来回，你都在做中间层。而把这个过程自动化，就是Agent Loop要解决的事。

03核心发现：Agent的本质

通过研究Claude Code的源码，我发现了一个惊人的事实：

Agent = 大脑 + 工具 + 循环

组件	对应	作用
大脑	Kimi / Claude 模型	理解目标，决定是否调用工具
工具	bash / 文件操作 / API	与真实世界交互
循环	while True	让模型能持续行动，直到任务完成
环境	你的电脑文件系统	Agent操作的对象

关键洞察

模型本身不会执行代码，但它可以决定什么时候执行、执行什么。

真正执行的是Harness（运行时系统），它负责：

· 把用户目标发给模型

· 解析模型的工具调用请求

· 执行工具并返回结果

· 循环往复，直到模型说"我做完了"

0430行代码实战：逐行拆解

这是我从Claude Code源码中提炼的最小可运行版本：

def agent_loop(messages):while True: # ← 第1行：无限循环，Agent能一直干下去response = client.messages.create(model=MODEL, # ← 第2-4行：调用大模型system=SYSTEM, messages=messages,tools=TOOLS, # ← 第5行：告诉模型有哪些工具可用max_tokens=8000,)messages.append({ # ← 第6行：把模型的回复存起来"role": "assistant", "content": response.content})# 第7-8行：检查模型要不要调用工具if response.stop_reason != "tool_use":return # ← 不要工具 = 任务完成，退出循环# 第9-18行：执行工具调用results = []for block in response.content:if block.type == "tool_use":print(f"$ {block.input['command']}") # 打印执行的命令output = run_bash(block.input["command"]) # 真正执行results.append({"type": "tool_result","tool_use_id": block.id,"content": output,})# 第19-22行：把工具结果喂给模型，继续下一轮messages.append({"role": "user", "content": results})

就这些。22行。这就是Claude Code 1729行源码的核心。

💡 动手试试：你可以把这段代码复制到你的编辑器里跑一遍，输入"Create a file called test.txt"，看看模型会怎么回应。

我实际跑了什么Prompt？

Prompt 1：Create a file called hello.py that prints "Hello, World!"

Agent执行了：

echo 'print("Hello, World!")' > hello.pycat hello.py

Prompt 2：List all Python files in this directory

Agent执行了：

find . -maxdepth 1 -name "*.py" -type fls -la *.py

Prompt 3：What is the current git branch?

Agent执行了：

git branch --show-current

🔍 观察重点：

· 模型什么时候调用工具（循环继续）

· 模型什么时候不调用（循环结束）

· 它不是只回答"我会创建文件"，而是真的调用工具创建了文件

05原理图解

这张图说明了什么？

1. code.py不是模型，而是Harness —— 它把模型、工具和本地环境连接起来

2. 模型只负责"判断下一步" —— 要不要调工具、调哪个工具

3. Harness负责"执行和循环" —— 调了就跑、结果喂回去

4. 循环的终止条件 —— 模型不再调用工具时，任务完成

一句话总结：code.py不是智能本身，而是让模型能持续行动的最小运行框架。

06迁移思考：如何应用到你的业务

判断一个系统是不是AI Agent，关键看有没有"思考规划"这一步

类型	特征	例子
传统问答	一问一答，无状态	搜索引擎、FAQ
AI Agent	理解目标 → 规划步骤 → 调用工具 → 观察结果 → 调整策略	Claude Code、AutoGPT

例如迁移到智能问数/智能问答场景：

智能问数场景：

用户问："这个月销售额比上个月增长了多少？"

↓

Agent思考：需要查销售表 → 需要过滤时间范围 → 需要计算环比

↓

调用SQL工具查询数据

↓

拿到结果 → 计算增长率 → 生成回答

智能问答场景：

用户问："这份合同的风险点有哪些？"

↓

Agent思考：需要读取合同文件 → 需要理解条款 → 需要对比法律库

↓

调用文档解析工具 → 调用知识库检索

↓

综合分析 → 输出风险点清单

核心设计原则：

1. 工具原子化 —— 每个工具只做一件事，Agent自己组合

2. 循环透明化 —— 让用户看到Agent的思考过程

3. 结果可验证 —— 每个工具调用都有明确输入输出

写在最后

Claude Code的源码有1729行，但它的核心就是这22行 while True。

所有复杂的字段、退出路径、保护机制，都是在这个核心上叠加的。

先理解核心循环，后面的一切自然展开。

如果你也想搭建自己的Agent系统，建议从这一步开始：

一个工具 + 一个循环 = 一个Agent

📎 附：完整源码地址

https://github.com/anthropics/claude-code

（注：本文基于Claude Code教学版s01_agent_loop的学习笔记整理）

觉得有用？点个赞👍 收藏起来慢慢看

有问题评论区见，看到都会回

🔥 但这只是开始

当Agent有了5个工具、10个工具，甚至能自己写代码调用自己时，会发生什么？

下一篇预告：

《给Agent 5个真正的工具，会发生什么？——Tool Use深度解析》

敬请期待