【免费下载链接】StirrupThe lightweight framework for building agents项目地址https://gitcode.com/gh_mirrors/st/Stirrup点击查看免费下载Stirrup 是一个轻量级的 Python 构建 AI Agent 框架而 Agent 的运行行为——跑多少轮、何时压缩上下文、能用哪些工具、何时结束任务——几乎全部由Agent构造函数的 12 个关键配置参数决定。本文结合源码逐个拆解这些 Stirrup Agent 参数帮你用最少的配置调出最稳的 Agent。Agent 参数总览12个配置项一览表所有参数都定义在Agent.__init__中源码见 src/stirrup/core/agent.py#L345-L365默认值集中在 src/stirrup/constants.py#L20-L23。先看全景表参数默认值一句话作用max_turns30Agent 最大执行轮数防止无限循环system_promptNone追加给模型的自定义行为指令toolsdefault_tools()Agent 可调用的工具集finish_tool内置finish标记任务完成、结束运行的工具context_summarization_cutoff0.7上下文占用超过该比例时自动摘要压缩turns_remaining_warning_threshold20剩余轮数低于该值时开始警告提醒run_sync_in_threadTrue同步工具是否放到独立线程执行text_only_tool_responsesTrue把工具返回的图片转为独立用户消息block_successive_assistant_messagesTrue模型空聊时自动注入请继续recover_from_context_overflowTrue上下文溢出时自动回退一轮并重试share_parent_exec_envFalse子 Agent 是否复用父 Agent 执行环境loggerAgentLogger()自定义日志输出器控制可观测性 除client和name两个必填项外这 12 个参数全部有合理默认值意味着你可以零配置直接跑通再按需微调。控制执行节奏的参数1.max_turnsAgent 运行的硬性天花板每轮 一次「LLM 生成 → 工具执行 → 消息累积」。到达max_turns后即使任务没完成也会强制停止并记录Maximum number of turns reached错误日志。默认 30 轮AGENT_MAX_TURNS。简单问答类任务设小一点如 10省 Token 又省时多文件、多步骤的重任务适当调大避免 Agent 做到一半被掐断2.turns_remaining_warning_threshold剩余额度的预警线当剩余轮数 ≤ 该阈值时Stirrup 会自动向对话注入一条警告消息你还有 N 轮最后一轮甚至会提示请立即调用 finish 工具。这样模型会主动收束任务而不是被突然断电。⚠️ 注意它必须小于max_turns才有意义。默认组合30 / 20表示从第 10 轮开始每轮都会收到提醒。3.run_sync_in_thread同步工具不阻塞事件循环工具执行器可以是异步函数也可以是同步函数。若为同步函数且此参数为True默认Stirrup 会将其放到独立线程中运行基于anyio.to_thread避免长时间命令卡死整个异步循环。高并发布会话场景下这个默认值非常重要一般无需改动。控制上下文管理的参数4.context_summarization_cutoff自动摘要的触发比例这是 Stirrup 上下文管理的核心。每轮结束后框架会计算「本条消息总 Token ÷ 模型的context_window_tokens」一旦达到该比例默认 0.7即 70%就把较早的历史消息交给摘要器压缩成一条SummaryMessage保留任务上下文的同时腾出窗口空间。调低如 0.5更早压缩适合窗口小或长任务调高如 0.85压缩更少历史细节保留更久但溢出风险上升5.recover_from_context_overflow溢出了还能救吗如果模型直接报上下文溢出ContextOverflowError开启此参数默认True时Stirrup 会丢弃最近一轮未完成的内容、对剩余历史做摘要然后自动重试——对用户来说任务看起来只是多花了一点时间。关闭它则错误直接抛出。对生产环境建议保持开启。控制行为的参数6.system_prompt在基础提示词之上加规则Stirrup 会先拼装一段基础系统提示词包含任务目标、max_turns、输入文件清单、技能清单然后把你提供的system_prompt作为用户指令追加在末尾。适合写入角色设定、输出格式要求、领域约束等。7.tools决定 Agent 的能力边界不传则使用 src/stirrup/tools/init.py 中的default_tools()包含本地代码执行code_exec与网页工具web_fetch、web_search。常见用法是tools[*default_tools(), 自定义工具]。两点提醒工具名不能与 finish 工具重名否则构造时直接抛错框架会在运行前做配置体检例如使用LocalCodeExecToolProvider会提示可访问本地文件系统建议换成 Docker/E2B 沙箱8.finish_tool任务如何算完成默认使用内置的finish工具定义见 src/stirrup/tools/finish.py模型调用它并返回reason时run()返回结果、运行结束。你也可以传入自定义工具或一个工具列表——调用列表中任意一个即视为完成适合成功/失败/需人工接管多出口的场景。注意同一轮内调用多个 finish 工具会被整体拒绝迫使模型改用单次调用。9.block_successive_assistant_messages防止模型空聊有些模型会连续输出文字而不调用任何工具导致任务原地打转。开启默认时Stirrup 检测到某轮没有工具调用会自动注入一条 Please continue the task 用户消息把 Agent 重新推回执行轨道。10.text_only_tool_responses纯文本模型的图片处理工具结果可能包含图片块但部分模型只接受纯文本。开启默认时Stirrup 会把图片块从工具消息中抽出、转成独立的用户消息并在原位置留下文字占位说明保证多模态与纯文本模型都能正确消费工具结果。子Agent与可观测性参数11.share_parent_exec_env子 Agent 要不要共享执行环境通过to_tool()把 Agent 包装成子 Agent 后默认每个子 Agent 有独立的代码执行环境需要文件拷贝。设为True时子 Agent 直接借用父 Agent 的执行环境无需文件复制、性能更好且能看到父环境中的全部文件环境生命周期也由父 Agent 统一管理。适合子 Agent 之间大量交换中间文件的流水线场景。12.logger定制 Agent 的可观测性传入自定义的AgentLoggerBase子类基类见 src/stirrup/utils/logging.py即可接管任务开始、每轮助手消息、工具结果、上下文压缩等全部事件输出不传则使用内置AgentLogger()。对接自己的监控面板或 UI 时这是唯一的入口。实战速查常见场景怎么配场景建议调整长报告生成多文件、多轮检索max_turns50context_summarization_cutoff0.6沙箱隔离的线上服务tools换用 Docker/E2B 执行环境保持recover_from_context_overflowTrue父子 Agent 流水线频繁传文件子 Agent 设share_parent_exec_envTrue需要自定义完成出口成功/失败/转人工传入finish_tool列表对接自家监控传入自定义logger小结Stirrup 的 Agent 参数设计遵循默认即可用、按需再调优执行节奏三件套max_turns/turns_remaining_warning_threshold/run_sync_in_thread决定跑得久不久、稳不稳上下文管理两件套context_summarization_cutoff/recover_from_context_overflow是长任务不翻车的关键行为控制四件套system_prompt/tools/finish_tool/block_successive_assistant_messages定义 Agent 能做什么、怎么做、何时停进阶参数share_parent_exec_env/logger/text_only_tool_responses分别服务多 Agent 协作、可观测性与模型兼容性。更多细节可查阅 docs/api/core/agent.md 与完整示例 examples/getting_started.py。赞分享【免费下载链接】StirrupThe lightweight framework for building agents项目地址https://gitcode.com/gh_mirrors/st/Stirrup点击查看免费下载相关推荐如何配置Scrapy-Redis20个关键设置参数详解如何配置Scrapy Redis20个关键设置参数详解 Scrapy Redis是Scrapy框架的Redis扩展为分布式爬虫提供了强大的支持。通过Redi后端消息队列数据工程tract未来展望AI推理引擎的发展趋势与技术创新tract未来展望AI推理引擎的发展趋势与技术创新 在当今人工智能技术飞速发展的时代 AI推理引擎 已成为将训练好的神经网络模型部署到实际应用中的关键组件。深度学习大模型嵌入式语音/音频计算机视觉快速安装music-dl的3种方法从零开始搭建音乐下载环境 快速安装music dl的3种方法从零开始搭建音乐下载环境 你是否正在寻找一个简单易用的 音乐搜索下载器 music dl正是你需要的工具这个强大的上一篇程序化世界生成:prehistoric-animal-museum 飞行模式的程序化地形、海洋与天气原理下一篇iPhoneMirror协议原理QuickTime私有USB Screen Capture协议逆向解析H.264/HEVC全链路创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考