LLM 调用前#

工具执行前后#

Turn 结束后#

消息注入#

先看它扩展了什么：SimpleStreamOptions#

• 通常包含 stream: true、onChunk 等基础流式选项（具体这里没展示，但知道它是基础就行）。

八大钩子（按执行顺序记忆）#

1. model — 用哪个模型（必填，跟 AgentState 里的 model 不同：这里的是循环配置专用的）

2. convertToLlm — 把内部 AgentMessage[] 转成 LLM 能理解的 Message[]。

   • 作用：过滤掉 UI 通知、状态消息等无用消息；将自定义角色转为标准角色。
   • 记忆点：“翻译官”，把内部语言翻译给模型听。

3. transformContext（可选）— 在翻译之前对完整对话做预处理。

   • 常见用法：裁剪超长对话、注入外部知识。
   • 记忆点：“整理官”，先整理好对话内容再交给翻译官。

4. getApiKey（可选）— 每次调用模型前动态获取 API Key。

   • 用于短时令牌（如 OAuth），避免工具执行很久后 Key 过期。
   • 记忆点：“钥匙官”，关键时刻提供钥匙。

5. shouldStopAfterTurn（可选）— 每轮结束（模型输出 + 工具执行都完成）后，询问”是否就此停止？”

   • 返回 true 就优雅退出循环，不再发起下一轮 LLM 调用。
   • 记忆点：“刹车官”，看时机叫停。

6. prepareNextTurn（可选）— 决定下一轮的上下文、模型、思考深度是否要改变。

   • 可以替换整个状态，返回 undefined 就保持原样。
   • 记忆点：“调参官”，调整下一回合的配置。

7. getSteeringMessages（可选）— 在下一轮开始前，主动注入一些”引导消息”。

   • 例如：“注意用户情绪”、“优先使用缓存”。
   • 记忆点：“方向盘”，引导代理走向。

8. getFollowUpMessages（可选）— 当代理什么工具都不调用、也没有引导消息时，询问是否还有”后续消息”需要处理。

   • 例如：外部队列里有人补充了一条新问题。
   • 记忆点：“加餐官”，代理快停了，再喂它点东西。

工具执行相关的配置（也是循环的一部分）#

• toolExecution — 工具执行模式："sequential"（串行）还是 "parallel"（并行），默认并行。
• beforeToolCall（可选）— 每个工具执行前调用，可阻止执行（{ block: true }）。
• afterToolCall（可选）— 每个工具执行后调用，可修改结果内容、错误标志等。