在AI应用爆发的今天Agent智能体框架正变得越来越庞大、越来越复杂。从最初的上下文管理到后来的哈尼斯Harness再到如今大行其道的Loop工程整个行业的演进逻辑似乎只有一个方向追求全自动让用户交互的次数越来越少。然而当我们为了追求极致的自动化而不断堆砌功能时我们是否正在失去对Agent最核心的掌控一、 繁华背后的代价当Agent变成“不可控的黑盒”如果你深入使用过主流的Agent框架一定会被以下三个痛点反复折磨惊人的Token消耗与“隐形”提示词为了支撑复杂的自动化流程框架内部塞入了海量的System Prompt、各类MD配置文件、角色定义等。这些你看不见、摸不着的“隐形提示词”不仅让Token成本居高不下更让你永远无法确切知道大模型到底接收了哪些底层信息。极高的学习成本与部署地狱各种机制、模式、Skill加载方式层出不穷。一个简单的Agent应用部署起来却像是一个庞大的微服务系统。你很难搞清楚某个配置究竟会影响什么更不知道它私底下带了哪些东西。完全失控的“全自动”大模型调用了哪些工具传了哪些参数是否允许执行当模型自动执行、自动重试时你就像坐在一个黑盒里只知道入口和出口却完全不知道中间它走了哪条路。二、 回归本质Agent只是在“自由度”与“可控性”之间拉扯如果我们拨开层层迷雾会发现Agent的本质其实极其简单。LLM拥有极高的自由度但也因此不可控而传统的IT工程虽然逻辑固定、绝对可控却缺乏灵活性。Agent本质上就是在这两者之间来回拉扯的产物。所谓的上下文管理、RAG、状态保存、断点再续……无论外界包装得多么复杂理论上来讲它们最终都只汇聚成一个出口拼装发给大模型的参数上下文工程。无论你是MCP还是Skill本质上它们都只是一个“工具”。你写个工具读MCP最终无非就是调一下工具获得一段文字然后把文字拼到消息里发给大模型。基于此我打造了一款截然不同的Agent框架。它拒绝过度包装纯Python实现只做两件事消息的增删改查工具的增删改查。三、 极简实践透明的消息列表与所见即所得的工具我的Agent没有复杂的自动化流程它的核心交互界面只有一个透明的消息列表。1. 消息的绝对掌控你发送给大模型的所有消息都会以列表形式完全透明地展示在你面前。你觉得顺序不合理自己调整。觉得中间有干扰信息导致了“Lost in the middle”直接删掉。你看到的、调整的就是大模型真正接收到的。2. 工具的执行权在你手中当大模型提示需要调用工具时流程会暂停将工具名和参数展示在消息列表中。你可以选择原封不动地执行也可以随时修改参数甚至直接修改工具返回的结果。确认无误后再将这些结果拼回消息列表发给大模型。四、 终极哲学先手动跑通再封装自动用户知道答案就不让AI瞎猜为什么我如此强调手动调整因为自动化的前提是你手动完全能跑通。现在的主流框架是反的你目标不清晰不知道如何评判结果整个流程完全不可控。就算不出问题模型也要不断尝试、自动重试这会极大地增加复杂度并消耗海量的Token。在我的Agent里你可以从入口一步一步、手动走到最终的结果。无论是写小说还是写代码哪个环节有问题你随时能改。当你把整个流程手动跑通、确认无误后你可以把这套逻辑封装成一个工具。此时你得到的“全自动”才是真正可控的因为每一个节点、每一步流程都是你亲自验证过的。更重要的是Agent与用户应当是相辅相成的。如果用户已经知道某些背景信息或关键路径就应该直接告诉Agent而不是让Agent自己去摸索和尝试。这不仅节约了大家的时间更直接节约了昂贵的Token。能直接给答案的时候绝不让AI去猜。五、 结语最少的代码就是最优的解在这个越来越复杂的时代我们选择做减法。Agent的核心价值应该是让用户能以最简单的流程上手并对最终的结果拥有明确的控制权。同样的需求如果你能用最少的代码实现它那这最少的代码就是最优的而不是靠堆砌功能来显得“高级”。如果你只是想写一本小说你根本不需要那些沉重的自动化框架。你只需要一个能帮你拼装上下文、能让你随时增删改查消息和工具的极简环境。如果有扩展需求比如想让Agent去小说网站上抓取数据你只需要自己写一个“网络下载”的工具即可。真正的强大不是靠堆砌复杂的自动化流程而是源于对本质的极致掌控。纯Python、零黑盒、全透明、最少代码——这才是Agent该有的样子。Easy-Agent一个极简的可以快速上手的工具无论你用他写小说做调研还是写代码他就是你最好的脚手架他是Agent的积木想要什么功能完全由你掌控代码持续完善中https://gitee.com/yindeyue/easy-agent