Все, что вам нужно для создания агента.

Agentloop — библиотека Go Это заботится обо всем, о чем вы не хотите думать прямо сейчас. цикл, который нужен каждому агенту (отправить запрос модели, выполнить инструмент); вызывает запросы, возвращает результаты, повторяет до тех пор, пока не произведет окончательный ответ), плюс бюджеты, крючки, навыки и трассировка вокруг него — Вы можете просто создать своего агента. Каждый шаг цикла можно наблюдать и конфигурируемым.

Использует сестринский проект [0] так что вы может подключаться к любому LLM — OpenAI, Anthropic, Gemini, Ollama, xAI, OpenRouter, Z.AI или ваш собственный провайдер — никогда не разговаривая с клиентом Продавец API напрямую.

Два предварительно сконфигурированных агента включены в качестве эталонных примеров, каждый полностью собраны из публичного ядра:

** поисковый агент **, который использует серперный веб-поиск для ответа на многошаговые запросы, со встроенными цитатами

• агент shell, агент общего назначения, провод которого Протокол и ограничения исходят из мини-агент; шаблоны по умолчанию являются нейтральными по домену и специализированными миссиями (например, кодирование) один шаблон отменяется

** Углубляется.

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