Build Your First AI Agent with One Tool Call

If you work with software development, AI, and Large Language Models (LLMs), you likely use AI agents regularly. This article shows you how to build your first one. Before building, it's worth defining the term. There are many answers, but most agree that an AI agent is a software system that uses an LLM that calls one or more tools in a loop to reach a goal. That goal can range from answering a simple question to controlling your browser to book an airline ticket or developing complex software.

In agentic systems, the loop describes the cycle between the model, the application and its tools. It doesn't require a literal while or for statement. The example here makes one pass through that cycle: the model requests a tool, Python runs it, and the model uses the result to answer. The agent won't do anything complex, by design, to keep things simple to begin with.

The example is a support assistant for a fictional online shop. Order data sits in a SQLite database, so a language model can't answer order questions on its own. Instead, the model requests a Python function called get_order_total, which queries the database and returns the real value. For order 1001 for Sarah Jones, the correct total is GBP 96.95.

The model can ask for an operation, but Python decides whether it's allowed and performs it. The model runs locally through Ollama, so no cloud account or API key is needed. The program prints the requested function, its arguments and the database result, making the exchange visible rather than hidden inside an agent framework.

إذا كنت تعمل في تطوير البرمجيات والذكاء الاصطناعي ونماذج اللغة الكبيرة (LLMs)، فمن المرجّح أنك تستخدم وكلاء الذكاء الاصطناعي بانتظام. يوضح هذا المقال كيفية بناء أول وكيل لك. وقبل البناء، يستحق الأمر تحديد المصطلح. هناك إجابات كثيرة، لكن معظمها يتفق على أن وكيل الذكاء الاصطناعي هو نظام برمجي يستخدم نموذج لغة كبيراً يستدعي أداة أو أكثر ضمن حلقة متكررة للوصول إلى هدف ما. ويمكن أن يتراوح هذا الهدف من الإجابة عن سؤال بسيط إلى التحكم في متصفحك لحجز تذكرة طيران أو تطوير برمجيات معقدة.

في الأنظمة الوكيلية، تصف الحلقة الدورة بين النموذج والتطبيق وأدواته. ولا تتطلب حلقة while أو for حرفية. يمرّ المثال هنا عبر هذه الدورة مرة واحدة: يطلب النموذج أداة، ويشغّلها Python، ويستخدم النموذج النتيجة للإجابة. ولن يقوم الوكيل بأي شيء معقد، وهذا مقصود بالتصميم، لإبقاء الأمور بسيطة في البداية.

المثال هو مساعد دعم لمتجر إلكتروني خيالي. تُخزَّن بيانات الطلبات في قاعدة بيانات SQLite، لذلك لا يستطيع نموذج اللغة الإجابة عن أسئلة الطلبات بمفرده. وبدلاً من ذلك، يطلب النموذج دالة Python تُسمى get_order_total، تستعلم عن قاعدة البيانات وتعيد القيمة الفعلية. أما إجمالي الطلب رقم 1001 الخاص بـ Sarah Jones فهو GBP 96.95.

يمكن للنموذج أن يطلب تنفيذ عملية ما، لكن Python هو من يقرر ما إذا كانت مسموحة وينفذها. يعمل النموذج محلياً عبر Ollama، لذا لا حاجة إلى حساب سحابي أو مفتاح API. ويطبع البرنامج الدالة المطلوبة ومعاملاتها ونتيجة قاعدة البيانات، مما يجعل التبادل مرئياً بدلاً من إخفائه داخل إطار عمل للوكلاء.

আপনি যদি সফটওয়্যার ডেভেলপমেন্ট, AI এবং লার্জ ল্যাঙ্গুয়েজ মডেল (LLM)-এর সাথে জড়িত থাকেন, তাহলে আপনি সম্ভবত নিয়মিত AI এজেন্ট ব্যবহার করেন। এই নিবন্ধে দেখানো হয়েছে কীভাবে আপনার প্রথম এজেন্ট তৈরি করতে হয়। তৈরি করার আগে শব্দটি সংজ্ঞায়িত করা উপযোগী। এর অনেক উত্তর রয়েছে, তবে বেশিরভাগ মানুষ একমত যে AI এজেন্ট হলো এমন একটি সফটওয়্যার সিস্টেম যা একটি LLM ব্যবহার করে, যা একটি লুপে এক বা একাধিক টুল কল করে একটি লক্ষ্যে পৌঁছানোর জন্য। এই লক্ষ্য একটি সাধারণ প্রশ্নের উত্তর দেওয়া থেকে শুরু করে বিমানের টিকিট বুক করতে আপনার ব্রাউজার নিয়ন্ত্রণ করা, অথবা জটিল সফটওয়্যার তৈরি করা পর্যন্ত যেকোনো কিছু হতে পারে।

এজেন্টিক সিস্টেমে, লুপ বলতে মডেল, অ্যাপ্লিকেশন এবং এর টুলগুলোর মধ্যকার চক্রকে বোঝানো হয়। এর জন্য আক্ষরিক while বা for স্টেটমেন্টের প্রয়োজন নেই। এখানকার উদাহরণটি এই চক্রের মধ্য দিয়ে একবার যায়: মডেল একটি টুল অনুরোধ করে, Python সেটি চালায়, এবং মডেল ফলাফল ব্যবহার করে উত্তর দেয়। নকশা অনুযায়ী এজেন্টটি কোনো জটিল কাজ করবে না, যাতে শুরুতে বিষয়গুলো সহজ থাকে।

উদাহরণটি একটি কাল্পনিক অনলাইন দোকানের জন্য একটি সাপোর্ট অ্যাসিস্ট্যান্ট। অর্ডারের ডেটা একটি SQLite ডেটাবেসে থাকে, তাই একটি ভাষা মডেল একা অর্ডার সংক্রান্ত প্রশ্নের উত্তর দিতে পারে না। পরিবর্তে, মডেল get_order_total নামের একটি Python ফাংশন অনুরোধ করে, যা ডেটাবেসে কোয়েরি করে প্রকৃত মান ফেরত দেয়। Sarah Jones-এর অর্ডার 1001-এর সঠিক মোট হলো GBP 96.95।

মডেল একটি অপারেশনের অনুরোধ করতে পারে, তবে সেটি অনুমোদিত কিনা তা সিদ্ধান্ত নেয় এবং সম্পাদন করে Python। মডেলটি Ollama-এর মাধ্যমে স্থানীয়ভাবে চলে, তাই কোনো ক্লাউড অ্যাকাউন্ট বা API কী লাগে না। প্রোগ্রামটি অনুরোধকৃত ফাংশন, এর আর্গুমেন্ট এবং ডেটাবেসের ফলাফল প্রিন্ট করে, ফলে বিনিময়টি একটি এজেন্ট ফ্রেমওয়ার্কের ভেতরে লুকানো না থেকে দৃশ্যমান হয়।

Wenn du in der Softwareentwicklung, im Bereich KI und bei Large Language Models (LLMs) arbeitest, verwendest du wahrscheinlich regelmäßig KI-Agenten. Dieser Artikel zeigt dir, wie du deinen ersten Agenten baust. Bevor es losgeht, lohnt es sich, den Begriff zu definieren. Es gibt viele Antworten, doch die meisten sind sich einig, dass ein KI-Agent ein Softwaresystem ist, das ein LLM nutzt, welches in einer Schleife ein oder mehrere Tools aufruft, um ein Ziel zu erreichen. Dieses Ziel kann von der Beantwortung einer einfachen Frage bis hin zur Steuerung deines Browsers reichen, um ein Flugticket zu buchen, oder zur Entwicklung komplexer Software.

In agentischen Systemen beschreibt die Schleife den Zyklus zwischen Modell, Anwendung und deren Tools. Dafür braucht es keine wörtliche while- oder for-Anweisung. Das Beispiel hier durchläuft diesen Zyklus genau einmal: Das Modell fordert ein Tool an, Python führt es aus, und das Modell nutzt das Ergebnis für die Antwort. Der Agent wird bewusst nichts Komplexes tun, damit es am Anfang einfach bleibt.

Das Beispiel ist ein Support-Assistent für einen fiktiven Online-Shop. Die Bestelldaten liegen in einer SQLite-Datenbank, daher kann ein Sprachmodell Fragen zu Bestellungen nicht allein beantworten. Stattdessen fordert das Modell eine Python-Funktion namens get_order_total an, die die Datenbank abfragt und den tatsächlichen Wert zurückgibt. Für Bestellung 1001 von Sarah Jones beträgt die korrekte Summe GBP 96.95.

Das Modell kann eine Operation anfordern, aber Python entscheidet, ob sie erlaubt ist, und führt sie aus. Das Modell läuft lokal über Ollama, daher sind kein Cloud-Konto und kein API-Schlüssel nötig. Das Programm gibt die angeforderte Funktion, deren Argumente und das Datenbankergebnis aus, sodass der Austausch sichtbar wird, statt in einem Agenten-Framework verborgen zu bleiben.

Si trabajas en desarrollo de software, IA o modelos de lenguaje de gran tamaño (LLM), es probable que uses agentes de IA con regularidad. Este artículo te muestra cómo crear el primero. Antes de construir nada, vale la pena definir el término. Hay muchas respuestas, pero la mayoría coincide en que un agente de IA es un sistema de software que utiliza un LLM que llama a una o más herramientas en un bucle para alcanzar un objetivo. Ese objetivo puede ir desde responder una pregunta sencilla hasta controlar tu navegador para reservar un billete de avión o desarrollar software muy complejo.

En los sistemas agénticos, el bucle describe el ciclo entre el modelo, la aplicación y sus herramientas. No requiere una sentencia while o for literal. El ejemplo de este artículo recorre ese ciclo una sola vez: el modelo solicita una herramienta, Python la ejecuta y el modelo usa el resultado para responder. El agente no hará nada complejo, por diseño, para mantener las cosas sencillas al principio.

El ejemplo es un asistente de soporte para una tienda en línea ficticia. Los datos de los pedidos están en una base de datos SQLite, por lo que un modelo de lenguaje no puede responder por sí solo preguntas sobre pedidos. En su lugar, el modelo solicita una función de Python llamada get_order_total, que consulta la base de datos y devuelve el valor real. Para el pedido 1001 de Sarah Jones, el total correcto es GBP 96.95.

El modelo puede pedir una operación, pero Python decide si está permitida y la realiza. El modelo se ejecuta localmente a través de Ollama, por lo que no se necesita una cuenta en la nube ni una clave de API. El programa muestra la función solicitada, sus argumentos y el resultado de la base de datos, haciendo visible el intercambio en lugar de ocultarlo dentro de un framework de agentes.

Si vous évoluez dans le développement logiciel, l'IA et les grands modèles de langage (LLM), vous utilisez probablement des agents IA régulièrement. Cet article vous montre comment construire le vôtre. Avant de commencer, il est utile de définir le terme. Les réponses sont nombreuses, mais la plupart s'accordent à dire qu'un agent IA est un système logiciel qui utilise un LLM appelant un ou plusieurs outils dans une boucle pour atteindre un objectif. Cet objectif peut aller de la réponse à une question simple au contrôle de votre navigateur pour réserver un billet d'avion, ou au développement de logiciels très complexes.

Dans les systèmes agentiques, la boucle décrit le cycle entre le modèle, l'application et ses outils. Elle ne nécessite pas d'instruction while ou for littérale. L'exemple présenté ici ne parcourt ce cycle qu'une seule fois : le modèle demande un outil, Python l'exécute, et le modèle utilise le résultat pour répondre. L'agent ne fera rien de complexe, par conception, afin de garder les choses simples au départ.

L'exemple est un assistant de support pour une boutique en ligne fictive. Les données de commande sont stockées dans une base SQLite, un modèle de langage ne peut donc pas répondre seul aux questions sur les commandes. Le modèle demande plutôt une fonction Python appelée get_order_total, qui interroge la base et renvoie la valeur réelle. Pour la commande 1001 de Sarah Jones, le total exact est GBP 96.95.

Le modèle peut demander une opération, mais c'est Python qui décide si elle est autorisée et qui l'exécute. Le modèle fonctionne localement via Ollama, sans compte cloud ni clé d'API. Le programme affiche la fonction demandée, ses arguments et le résultat de la base, rendant l'échange visible au lieu de le cacher dans un framework d'agents.

अगर आप सॉफ़्टवेयर डेवलपमेंट, AI और लार्ज लैंग्वेज मॉडल (LLM) के साथ काम करते हैं, तो आप शायद नियमित रूप से AI एजेंट का उपयोग करते होंगे। यह लेख आपको अपना पहला एजेंट बनाने का तरीका दिखाता है। बनाने से पहले इस शब्द को परिभाषित करना उपयोगी है। इसके कई उत्तर हैं, लेकिन ज़्यादातर लोग इस बात पर सहमत हैं कि AI एजेंट एक सॉफ़्टवेयर सिस्टम है जो एक LLM का उपयोग करता है, जो किसी लक्ष्य तक पहुँचने के लिए एक लूप में एक या अधिक टूल कॉल करता है। यह लक्ष्य सरल प्रश्न का उत्तर देने से लेकर हवाई टिकट बुक करने के लिए आपके ब्राउज़र को नियंत्रित करने या जटिल सॉफ़्टवेयर विकसित करने तक कुछ भी हो सकता है।

एजेंटिक सिस्टम में, लूप मॉडल, एप्लिकेशन और उसके टूल के बीच के चक्र का वर्णन करता है। इसके लिए किसी वास्तविक while या for स्टेटमेंट की आवश्यकता नहीं होती। यहाँ का उदाहरण उस चक्र से एक बार गुज़रता है: मॉडल एक टूल का अनुरोध करता है, Python उसे चलाता है, और मॉडल परिणाम का उपयोग करके उत्तर देता है। एजेंट डिज़ाइन के अनुसार कुछ भी जटिल नहीं करेगा, ताकि शुरुआत में चीज़ें सरल रहें।

यह उदाहरण एक काल्पनिक ऑनलाइन दुकान के लिए एक सपोर्ट असिस्टेंट है। ऑर्डर का डेटा एक SQLite डेटाबेस में रहता है, इसलिए कोई भाषा मॉडल अकेले ऑर्डर से जुड़े प्रश्नों का उत्तर नहीं दे सकता। इसके बजाय, मॉडल get_order_total नामक एक Python फ़ंक्शन का अनुरोध करता है, जो डेटाबेस से क्वेरी करके वास्तविक मान लौटाता है। Sarah Jones के ऑर्डर 1001 के लिए सही कुल राशि GBP 96.95 है।

मॉडल किसी ऑपरेशन का अनुरोध कर सकता है, लेकिन यह तय करना और उसे चलाना Python का काम है। मॉडल Ollama के माध्यम से स्थानीय रूप से चलता है, इसलिए किसी क्लाउड अकाउंट या API key की आवश्यकता नहीं है। प्रोग्राम अनुरोधित फ़ंक्शन, उसके आर्गुमेंट और डेटाबेस परिणाम प्रिंट करता है, जिससे पूरा आदान-प्रदान दिखाई देता है, न कि किसी एजेंट फ़्रेमवर्क के भीतर छिपा रहता है।

Jika Anda berkecimpung di pengembangan perangkat lunak, AI, dan Large Language Model (LLM), kemungkinan besar Anda sering menggunakan agen AI. Artikel ini menunjukkan cara membangun agen AI pertama Anda. Sebelum membangun, ada baiknya kita mendefinisikan istilah ini. Ada banyak jawaban, tetapi sebagian besar sepakat bahwa agen AI adalah sistem perangkat lunak yang menggunakan LLM yang memanggil satu atau lebih tool dalam sebuah loop untuk mencapai suatu tujuan. Tujuan itu bisa beragam, mulai dari menjawab pertanyaan sederhana hingga mengendalikan browser Anda untuk memesan tiket pesawat atau mengembangkan perangkat lunak yang sangat kompleks.

Dalam sistem agentik, loop menggambarkan siklus antara model, aplikasi, dan tool-nya. Ia tidak memerlukan pernyataan while atau for secara harfiah. Contoh di sini melewati siklus tersebut satu kali: model meminta sebuah tool, Python menjalankannya, dan model menggunakan hasilnya untuk menjawab. Agen ini sengaja tidak melakukan hal yang rumit, agar segalanya tetap sederhana di awal.

Contohnya adalah asisten dukungan untuk toko online fiktif. Data pesanan tersimpan dalam basis data SQLite, sehingga model bahasa tidak dapat menjawab pertanyaan tentang pesanan dengan sendirinya. Sebagai gantinya, model meminta fungsi Python bernama get_order_total, yang melakukan kueri ke basis data dan mengembalikan nilai sebenarnya. Untuk pesanan 1001 atas nama Sarah Jones, total yang benar adalah GBP 96.95.

Model dapat meminta sebuah operasi, tetapi Python yang memutuskan apakah operasi itu diizinkan dan menjalankannya. Model berjalan secara lokal melalui Ollama, sehingga tidak diperlukan akun cloud atau kunci API. Program menampilkan fungsi yang diminta, argumennya, dan hasil dari basis data, sehingga pertukaran tersebut terlihat alih-alih tersembunyi di dalam framework agen.

ソフトウェア開発、AI、大規模言語モデル（LLM）に携わっているなら、AIエージェントを日常的に使っている可能性が高いでしょう。この記事では、最初のエージェントを構築する方法を紹介します。構築に入る前に、この用語を定義しておく価値があります。答えは多様ですが、多くの人は次のように考えています。AIエージェントとは、LLMを使い、ループの中で1つ以上のツールを呼び出して目標を達成するソフトウェアシステムである。その目標は、簡単な質問への回答から、ブラウザを操作して航空券を予約することや、複雑なソフトウェアの開発まで、さまざまです。

エージェント型システムにおいて、ループとはモデル、アプリケーション、そのツールの間のサイクルを指します。文字通りのwhile文やfor文は必要ありません。ここでの例はこのサイクルを一度だけ通ります。モデルがツールを要求し、Pythonがそれを実行し、モデルが結果を使って回答します。エージェントは設計上、最初は物事をシンプルに保つため、複雑なことは何もしません。

この例は、架空のオンラインショップのサポートアシスタントです。注文データはSQLiteデータベースに格納されているため、言語モデルだけでは注文に関する質問に答えられません。そこでモデルは、get_order_totalというPython関数を要求します。この関数はデータベースに問い合わせて実際の値を返します。Sarah Jonesさんの注文1001の正しい合計金額はGBP 96.95です。

モデルは操作を要求できますが、それが許可されるかどうかを判断し、実行するのはPythonです。モデルはOllamaを通じてローカルで動作するため、クラウドアカウントやAPIキーは不要です。プログラムは要求された関数、その引数、データベースの結果を表示するので、やり取りがエージェントフレームワークの内部に隠れることなく見えるようになります。

Se você trabalha com desenvolvimento de software, IA e Grandes Modelos de Linguagem (LLMs), provavelmente usa agentes de IA com frequência. Este artigo mostra como construir o seu primeiro. Antes de começar, vale definir o termo. Há muitas respostas, mas a maioria concorda que um agente de IA é um sistema de software que usa um LLM que chama uma ou mais ferramentas em um loop para alcançar um objetivo. Esse objetivo pode variar de responder a uma pergunta simples a controlar seu navegador para reservar uma passagem aérea ou desenvolver software altamente complexo.

Em sistemas agênticos, o loop descreve o ciclo entre o modelo, a aplicação e suas ferramentas. Ele não exige um while ou for literal. O exemplo aqui percorre esse ciclo uma única vez: o modelo solicita uma ferramenta, o Python a executa e o modelo usa o resultado para responder. O agente não fará nada complexo, por design, para manter as coisas simples no início.

O exemplo é um assistente de suporte para uma loja online fictícia. Os dados dos pedidos ficam em um banco de dados SQLite, então um modelo de linguagem não consegue responder sozinho a perguntas sobre pedidos. Em vez disso, o modelo solicita uma função Python chamada get_order_total, que consulta o banco e retorna o valor real. Para o pedido 1001 de Sarah Jones, o total correto é GBP 96.95.

O modelo pode pedir uma operação, mas cabe ao Python decidir se ela é permitida e executá-la. O modelo roda localmente por meio do Ollama, então não é preciso conta na nuvem nem chave de API. O programa exibe a função solicitada, seus argumentos e o resultado do banco de dados, tornando a troca visível em vez de escondê-la dentro de um framework de agentes.

Если вы работаете в сфере разработки программного обеспечения, ИИ и больших языковых моделей (LLM), вы, вероятно, регулярно используете ИИ-агентов. В этой статье показано, как создать своего первого. Прежде чем приступить к сборке, стоит определить термин. Ответов на этот вопрос много, но большинство сходится во мнении, что ИИ-агент — это программная система, которая использует LLM, вызывающую один или несколько инструментов в цикле для достижения цели. Эта цель может быть любой: от ответа на простой вопрос до управления браузером для бронирования авиабилета или разработки сложного программного обеспечения.

В агентных системах цикл описывает последовательность взаимодействий между моделью, приложением и его инструментами. Он не требует буквальных операторов while или for. Пример в этой статье проходит через этот цикл один раз: модель запрашивает инструмент, Python его запускает, а модель использует результат для ответа. Агент намеренно не делает ничего сложного, чтобы на начальном этапе всё оставалось простым.

Пример — это помощник службы поддержки для вымышленного интернет-магазина. Данные о заказах хранятся в базе данных SQLite, поэтому языковая модель не может самостоятельно ответить на вопросы о заказах. Вместо этого модель запрашивает функцию Python с именем get_order_total, которая обращается к базе данных и возвращает реальное значение. Для заказа 1001 клиента Sarah Jones правильная сумма составляет GBP 96.95.

Модель может запросить операцию, но решение о её допустимости и выполнение принимает Python. Модель работает локально через Ollama, поэтому не требуются облачный аккаунт или API-ключ. Программа выводит запрошенную функцию, её аргументы и результат из базы данных, так что обмен данными становится видимым, а не скрытым внутри фреймворка для агентов.

如果你从事软件开发、人工智能和大语言模型（LLM）相关工作，你很可能经常使用 AI 智能体。本文将带你构建你的第一个智能体。在动手之前，值得先明确这个术语的含义。答案有很多种，但大多数人认同：AI 智能体是一种软件系统，它使用 LLM 在循环中调用一个或多个工具，以实现某个目标。这个目标可以很简单，比如回答一个问题；也可以很复杂，比如控制你的浏览器预订机票，或开发复杂的软件。

在智能体系统中，循环描述的是模型、应用程序及其工具之间的循环过程。它不一定需要字面意义上的 while 或 for 语句。这里的示例只完整走过该循环一次：模型请求调用工具，Python 运行该工具，模型再利用结果作出回答。出于设计考虑，智能体不会做任何复杂的事情，以便一开始保持简单。

这个示例是一家虚构网上商店的客服助手。订单数据存放在 SQLite 数据库中，因此语言模型无法独自回答订单相关问题。相反，模型会请求调用一个名为 get_order_total 的 Python 函数，该函数查询数据库并返回真实数值。对于 Sarah Jones 的 1001 号订单，正确的总额是 GBP 96.95。

模型可以请求执行某项操作，但是否允许执行、以及实际执行，由 Python 决定。模型通过 Ollama 在本地运行，因此无需云账户或 API 密钥。程序会打印出所请求的函数、其参数以及数据库结果，使整个交互过程清晰可见，而不是隐藏在智能体框架之中。