** 모든 에이전트를 구축해야합니다. **

Agentloop는 Go 라이브러리입니다. 그것은 당신이 지금에 대해 생각하지 않는 모든 것을 돌봐 - 루프 각 에이전트가 필요합니다 (모델에 대한 프롬프트를 종료, 도구를 실행 요청을 호출, 결과를 다시 피드, 그것을 생성 할 때까지 반복 최종 답), 플러스 예산, 후크, 기술, 그리고 그 주위에 추적 — 그래서 당신은 다만 당신의 대리인을 건설할 수 있습니다. 루프의 각 단계는 관찰 가능 그리고 configurable.

그것은 그것의 자매 프로젝트를 사용합니다 github.com/smhanov/llmhub 그래서 당신은 LLM - OpenAI, Anthropic, Gemini, Ollama, xAI에 연결할 수 있습니다. OpenRouter, Z.AI, 또는 자신의 공급자 — 이제까지 얘기하지 않고 납품업자 API 직접.

2개의 사전 구성 대리인은 참고 예로, 각각 포함됩니다 공중 핵심에서 완전히 조립하는:

• ** 연구 에이전트 ** serper 웹 검색을 사용하는 inline 인용과 더불어 다단계 쿼리에 응답하기
• ** 쉘 에이전트 **, 와이어의 범용 명령-executing 에이전트 프로토콜과 한계는에서 소형 시약; 기본 템플릿은 도메인 중립이며 전문 임무 (예 : 코딩)는 1개의 템플렛 override 떨어져 있습니다

**더 깊은 곳.

agentloop

agentloop is a Go library that takes care of everything you don’t want to think about right now — the loop every agent needs (send a prompt to the model, execute the tool calls it requests, feed the results back, repeat until it produces a final answer), plus the budgets, hooks, skills, and tracing around it — so you can just build your agent. Every step of the loop is observable and configurable.

It uses its sister project github.com/smhanov/llmhub so you can plug into any LLM — OpenAI, Anthropic, Gemini, Ollama, xAI, OpenRouter, Z.AI, or your own provider — without ever talking to a vendor API directly.

Two pre-configured agents are included as reference examples, each assembled entirely from the public core:

• a search agent that uses serper web search to answer multi-step queries, with inline citations
• a shell agent, a general-purpose command-executing agent whose wire protocol and limits descend from mini-swe-agent; the default templates are domain-neutral, and specialized missions (such as coding) are one template override away

Going deeper. If you want the full picture of how agents work — the tool-calling loop, budgets, streaming, skills, and how to build them all from first principles — read the author’s book, Building AI Agents from Scratch. It is the in-depth companion to this library: agentloop is the distillation of the techniques it teaches, with the scaffolding already written for you.

Why agentloop?

• The loop, done once and well. llmhub gives you provider-agnostic LLM access including tool calling, but you still have to dispatch calls, append result messages, budget iterations, and aggregate usage. agentloop is that loop.
• Hooks at every step. Logging, tracing, streaming UIs, approval gates, cost caps, steering, context compression, and entire custom agents are all expressed with one Hooks struct — the presets themselves are built this way, which is the proof the surface is enough.
• Safe by default. Every run is bounded: tool-call budgets, inference ceilings, duplicate-call loop detection, stream watchdogs, and your