Loop 的实现：agent 循环的真实代码长什么样

一、loop 在哪（血统与坐标）

Easel 六件套的 ① 号（Harness）借 OpenClaw 实现；OpenClaw 的 loop 本体在 packages/agent-core/src/agent-loop.ts（1562 行），血统来自 badlogic（Mario Zechner）的 pi-mono——被 vendored 进仓库深度改造（THIRD_PARTY_NOTICES 明确致谢）。

gateway 收 /v1/chat/completions
 → agentCommand（准入）
  → runPreparedEmbeddedLoop        外层 while(true)：重试/compaction/排队
    → runEmbeddedAttempt           装配工具 + 系统提示词 + 历史
     → runAgentLoop → runLoop      agent-loop.ts:214 ← 真正的双层 while

二、一次迭代做七件事（骨架）

while (hasMoreToolCalls):                # 内层：agentic 主循环
  ① abort 检查（用户喊停就收尾）
  ② pending/steering 消息提交进 transcript
  ③ streamAgentResponse 调 LLM           # 流式：text_delta 逐个发事件
       流中 toolcall_end → 工具提前入队   # 不等流结束就开始干活
  ④ stopReason 判定：
       toolUse → 执行工具 → 继续
       error / aborted → 终止
       stop → 看 endTurn / terminate 钩子
  ⑤ tool results 追加回 context.messages  # ← 整个"agentic"的秘密就在这行
  ⑥ turn_end 事件 → prepareNextTurn 钩子  # 可中途换模型/思维档
  # hasMoreToolCalls 为假才出内层
排空 followUp 队列；无新消息 → agent_end

⑤ 是第一性设计：工具失败不是抛异常，是构造 isError: true 的结果消息回填—— 模型看到失败原因，下一轮自我纠正。用户看到的是 agent"想了一下又试了一次"，不是报错。

三、三个最容易误解的点

① compaction（上下文压缩）不是停止。它发生在 assistant 消息之后： tokens 超过 contextWindow − 16384 预留就触发，LLM 生成摘要，压缩条目 追加进 transcript（历史永不重写，可回放可审计），然后 continue() 续跑。

② 工具是进程内函数，不是子进程。形态统一为 execute(toolCallId, args, signal)，MCP 工具也被包装成同形态；串行或并行按批次配置。

③ 同会话严格串行。每会话一个 lane（并发=1）+ Agent.prompt 重入保护； 不同会话不同 lane 天然并行。所以 Easel 才敢让多个浏览器标签页共享一条 raw-stream 文件。

四、Easel 怎么"接到"这个 loop（集成契约）

OpenClaw 的流走事件总线；对外部消费者另开一条旁路： 设 OPENCLAW_RAW_STREAM=1 后，所有 text/thinking delta 以 JSONL best-effort 追加到 /tmp/easel-raw-stream.jsonl（失败静默，绝不影响 run）。 Easel 的 Web 后端每轮开始记住文件尾偏移 → tail 新增行 → 用首个新事件的 runId 闩锁认领自己这轮（隔离并发会话）→ 转 SSE 推给浏览器。

另一处值得抄：Easel 的 supervisor/forward 分离——浏览器断开只断转发，agent 照跑到底， 结果落盘，回来经 /api/chat/last 取回（web/app.py:2064-2066 注释原文）。 长任务 agent 的 Web 集成，这是标准答案。

五、检索练习

六、下一步

一手源推荐： agent-loop.ts（GitHub） 本机也有浅克隆 /tmp/openclaw-src（临时目录）。先只读 runLoop（:214-436）这一段， 对照本课骨架逐行找七件事；再看 docs.openclaw.ai 的 agent-loop 概念文档交叉印证。配套速查：Loop 解剖速查表。