像 Codex 一样构建 Python CLI 代理 | AI生成和翻译

Home 2026.03 English 中文

---

问题：Python 可以用来构建类似于 Claude Code 或 OpenAI Codex 的 CLI 工具吗？

回答：

是的，当然可以。 Python 是构建类似于 Claude Code 或 Codex 的 AI 驱动 CLI 编码代理的最佳语言之一。事实上，许多流行的开源替代品和这些工具的教育克隆版完全使用 Python 构建。

---

Claude Code / Codex 的工作原理是什么？

在构建自己的工具之前，了解这些工具实际做什么会很有帮助。一旦理解了核心概念，构建编码代理就变得出奇简单——你不需要 PhD 或代理框架，只需要 Python 和清晰的思考。主要机制包括：

1. 代理循环 — LLM 接收用户输入，决定调用哪些工具，执行它们，然后循环返回。
2. 工具 — 读取文件、编写代码、运行 shell 命令、执行测试。
3. 内存/上下文管理 — 处理大型代码库，而不会溢出 LLM 的上下文窗口。
4. 系统提示 / 指令 — 指导模型的行为。

最小代理模式如下所示：

User --> messages[] --> LLM --> response
                            | stop_reason == "tool_use"?
                           / \
                          yes  no
                          |    |
                    execute   return text
                    tools
                    append results
                    loop back --> messages[]

每个 AI 编码代理都需要这个循环。生产级代理会添加策略、权限和生命周期层。

---

如何在 Python 中构建一个

Core Libraries You Need

库	用途
anthropic / openai	LLM API 调用
click 或 typer	CLI 参数解析
rich	终端 UI（颜色、旋转器）
subprocess	执行 shell 命令
pathlib	文件系统操作

Minimal Working Example

import anthropic
import subprocess

client = anthropic.Anthropic()

tools = [
    {
        "name": "run_bash",
        "description": "Execute a bash command",
        "input_schema": {
            "type": "object",
            "properties": {"command": {"type": "string"}},
            "required": ["command"]
        }
    },
    {
        "name": "read_file",
        "description": "Read a file's contents",
        "input_schema": {
            "type": "object",
            "properties": {"path": {"type": "string"}},
            "required": ["path"]
        }
    }
]

def run_agent(user_prompt: str):
    messages = [{"role": "user", "content": user_prompt}]

    while True:
        response = client.messages.create(
            model="claude-sonnet-4-20250514",
            max_tokens=4096,
            tools=tools,
            messages=messages
        )

        # If no tool calls, print final answer and exit
        if response.stop_reason == "end_turn":
            for block in response.content:
                if hasattr(block, "text"):
                    print(block.text)
            break

        # Execute tool calls
        tool_results = []
        for block in response.content:
            if block.type == "tool_use":
                if block.name == "run_bash":
                    result = subprocess.run(
                        block.input["command"],
                        shell=True, capture_output=True, text=True
                    )
                    output = result.stdout or result.stderr
                elif block.name == "read_file":
                    with open(block.input["path"]) as f:
                        output = f.read()

                tool_results.append({
                    "type": "tool_result",
                    "tool_use_id": block.id,
                    "content": output
                })

        # Append assistant response and tool results, then loop
        messages.append({"role": "assistant", "content": response.content})
        messages.append({"role": "user", "content": tool_results})

if __name__ == "__main__":
    import sys
    run_agent(" ".join(sys.argv[1:]))

像这样运行：python agent.py "list all Python files and count lines in main.py"

---

为完整 CLI 工具添加的关键组件

1. 合适的 CLI 接口（使用 typer）

import typer
app = typer.Typer()

@app.command()
def main(prompt: str, model: str = "claude-sonnet-4-20250514"):
    run_agent(prompt, model)

if __name__ == "__main__":
    app()

2. 文件读写/编辑工具

赋予代理写入文件的能力，而不仅仅是读取。这是任何编码代理的核心——没有写入权限，它只能建议，而无法实现。

3. 上下文管理

LLM 的上下文窗口有限，即使能容纳整个代码库，也不要不加区分地倾倒数百个文件，那会浪费且令人困惑。代理会花费大部分推理能力来判断什么是相关的。解决方案包括让模型 grep 特定符号、构建文件索引，或使用 embeddings。

4. 沙箱 / 安全性

在执行 shell 命令之前，对其进行验证。你可以使用 Docker 容器或限制代理可写入的目录。

5. 流式输出（用于用户体验）

使用 Anthropic SDK çš„ client.messages.stream()，让用户实时看到输出，而不是等待。

---

实际世界的 Python 项目示例

• learn-claude-code (GitHub: shareAI-lab) 是一个 Python 参考实现，通过 12 个渐进式会话从简单循环构建到隔离的自主执行，打造 Claude Code 风格的代理。
• Aider 可通过 pip install aider-chat 安装，支持 100+ 种语言，具有智能代码库映射和自动 git 提交。
• claude-code-builder 是一个 AI 驱动的 Python CLI 工具，使用 Claude Agent SDK 自动化整个软件开发生命周期，从规范到部署。

---

使用 Anthropic 的官方 Agent SDK

Agent SDK 提供了与 Claude Code 本身相同的工具、代理循环和上下文管理。它可作为脚本和 CI/CD 的 CLI 使用，或作为 Python 和 TypeScript 包提供完全的程序化控制。

pip install claude-agent-sdk

---

总结

功能	Python 能力
LLM API 调用	✅ anthropic、openai SDK
CLI 接口	✅ typer、click、argparse
文件系统工具	✅ pathlib、os
Shell 执行	✅ subprocess
丰富的终端 UI	✅ rich 库
流式输出	✅ SDK 流式支持
MCP 服务器集成	✅ 通过 mcp Python SDK

Python 完全有能力构建生产级的 AI CLI 工具。Claude Code 和 Codex 相对于 Python 构建工具的优势仅在于与各自模型提供商的更深集成，但凭借当今的开放 SDK，这个差距非常小。

参考资料：

• Build a Coding Agent from Scratch: Python Tutorial
• learn-claude-code (GitHub)
• Anthropic Agent SDK - Run Claude Code Programmatically
• claude-code-builder (GitHub)
• Top 10 Open-Source CLI Coding Agents 2025

---

Back Donate