❝该系列文章基于
github.com/shareAI-lab/learn-claude-code写就，该仓库以大道至简的风格剖析了Claude Code的核心原理，值得大家学习。由于该仓库是基于Python语言，为方便.NET开发者学习，我已经将代码基于.NET 10的dotnet file重写，源码已上传至github，源码地址见文末。
v1: 模型即代理 - 4 个工具覆盖 90% 场景
❝本文是 Learn Claude Code (C# 版) 系列的第二篇，对应代码文件
v1_basic_agent.cs。
从 v0 到 v1
v0 用一个 bash 工具证明了最简可行性。但在实际使用中：
用
cat读文件需要额外的 tokens 来构造命令用
echo写文件容易出错（引号转义、换行处理）缺乏安全检查，可能逃逸工作目录
v1 引入4 个专用工具，这是 Claude Code 20+ 工具的精华提炼。
四个核心工具
工具 | 用途 | 覆盖场景 |
|---|---|---|
bash | 运行任何命令 | git, npm, dotnet, curl... |
read_file | 读取文件内容 | 理解代码 |
write_file | 创建/覆盖文件 | 生成新文件 |
edit_file | 精确文本替换 | 修改现有代码 |
为什么是这 4 个？因为编程任务本质上就是：探索 → 理解 → 修改 → 验证。
工具定义详解
bash - 通往一切的大门
new Tool { Name = "bash", Description = "运行 shell 命令。用于: ls, find, grep, git, npm, dotnet 等。", InputSchema = new InputSchema { Type = "object", Properties = new Dictionary<string, JsonElement> { ["command"] = JsonDocument.Parse("""{"type": "string", "description": "要执行的命令"}""").RootElement }, Required = ["command"] } }bash 仍然是最重要的工具——它是模型与外部世界交互的通道。
read_file - 理解现有代码
new Tool { Name = "read_file", Description = "读取文件内容。返回 UTF-8 文本。", InputSchema = new InputSchema { Type = "object", Properties = new Dictionary<string, JsonElement> { ["path"] = JsonDocument.Parse("""{"type": "string", "description": "文件的相对路径"}""").RootElement, ["limit"] = JsonDocument.Parse("""{"type": "integer", "description": "最大读取行数"}""").RootElement }, Required = ["path"] } }limit参数很重要——大文件只需要看前 N 行，避免上下文溢出。
write_file - 创建新文件
new Tool { Name = "write_file", Description = "将内容写入文件。如果需要会创建父目录。", InputSchema = new InputSchema { Type = "object", Properties = new Dictionary<string, JsonElement> { ["path"] = JsonDocument.Parse("""{"type": "string"}""").RootElement, ["content"] = JsonDocument.Parse("""{"type": "string"}""").RootElement }, Required = ["path", "content"] } }自动创建父目录是个贴心的设计——模型不需要先mkdir -p。
edit_file - 精确修改
new Tool { Name = "edit_file", Description = "替换文件中的精确文本。用于局部编辑。", InputSchema = new InputSchema { Type = "object", Properties = new Dictionary<string, JsonElement> { ["path"] = JsonDocument.Parse("""{"type": "string"}""").RootElement, ["old_text"] = JsonDocument.Parse("""{"type": "string", "description": "要查找的精确文本"}""").RootElement, ["new_text"] = JsonDocument.Parse("""{"type": "string", "description": "替换文本"}""").RootElement }, Required = ["path", "old_text", "new_text"] } }精确文本匹配是关键——模型必须提供要替换的确切内容，这避免了意外修改。
安全机制
路径安全检查
string SafePath(string p) { var fullPath = Path.GetFullPath(Path.Combine(workDir, p)); if (!fullPath.StartsWith(workDir)) throw new InvalidOperationException($"路径逃逸工作区: {p}"); return fullPath; }防止../../../etc/passwd这样的路径遍历攻击。
危险命令阻止
string[] dangerous = ["rm -rf /", "sudo", "shutdown", "reboot", "> /dev/"]; if (dangerous.Any(d => command.Contains(d))) return "Error: 危险命令已阻止";基本的安全护栏，阻止显然危险的命令。
输出截断
return output[..Math.Min(output.Length, 50000)];50KB 上限防止一个巨大的输出撑爆上下文。
超时控制
using var cts = new CancellationTokenSource(TimeSpan.FromSeconds(60)); await process.WaitForExitAsync(cts.Token);60 秒超时防止命令挂起。
Agent 循环详解
async Task AgentLoopAsync(List<Message> messages) { while (true) { // 步骤 1: 调用模型 var response = await client.CreateMessageAsync( modelId, messages, new MessageParameters { System = systemPrompt, Tools = tools, MaxTokens = 8000 }); // 步骤 2: 收集工具调用并打印文本输出 var toolCalls = new List<ToolUseBlock>(); foreach (var block in response.Content) { if (block.Text is not null) Console.WriteLine(block.Text.Text); // 模型的思考 if (block.ToolUse is not null) toolCalls.Add(block.ToolUse); // 工具调用 } // 步骤 3: 如果没有工具调用，任务完成 if (response.StopReason != StopReason.ToolUse) { messages.Add(response.AsRequestMessage()); return; } // 步骤 4: 执行每个工具并收集结果 var results = new List<ContentBlock>(); foreach (var tc in toolCalls) { var output = await ExecuteToolAsync(tc.Name, tc.Input); results.Add(ContentBlock.CreateToolResult(tc.Id, output)); } // 步骤 5: 添加到对话并继续 messages.Add(response.AsRequestMessage()); messages.Add(new Message { Role = "user", Content = [.. results] }); } }为什么工具结果是 "user" 消息？
Anthropic API 的设计：工具结果作为user角色的消息发送，包含tool_result类型的内容块。这维持了 user/assistant 的交替模式。
消息历史结构
[user] "创建一个 hello world 程序" [assistant] "我来创建..." + tool_use(write_file, {path: "hello.cs", content: "..."}) [user] tool_result(id, "Wrote 50 bytes to hello.cs") [assistant] "文件已创建。让我运行它..." + tool_use(bash, {command: "dotnet run hello.cs"}) [user] tool_result(id, "Hello, World!") [assistant] "程序运行成功，输出了 'Hello, World!'"工具分发器
async Task<string> ExecuteToolAsync(string name, JsonElement args) { return name switch { "bash" => await RunBashAsync(args.GetProperty("command").GetString()!), "read_file" => RunRead( args.GetProperty("path").GetString()!, args.TryGetProperty("limit", outvar limit) ? limit.GetInt32() : null), "write_file" => RunWrite( args.GetProperty("path").GetString()!, args.GetProperty("content").GetString()!), "edit_file" => RunEdit( args.GetProperty("path").GetString()!, args.GetProperty("old_text").GetString()!, args.GetProperty("new_text").GetString()!), _ => $"Unknown tool: {name}" }; }C# 的 switch expression 让分发器代码非常简洁。
关键洞察
1. 模型即代理
传统编程：程序员写逻辑，代码执行。 Agent 编程：程序员提供工具，模型决定逻辑。
v1 的代码只做了两件事：
定义工具（模型能做什么）
运行循环（让模型持续决策）
2. 工具即接口
工具定义就是给模型的 API 文档：
Name- 函数名Description- 函数说明InputSchema- 参数类型
模型根据这些信息决定调用什么、传什么参数。
3. 上下文即记忆
messages列表就是 Agent 的记忆。它累积：
用户的请求
模型的思考和工具调用
工具的执行结果
模型通过阅读历史来理解当前状态。
运行示例
Mini Claude Code v1 (C#) - /path/to/project 输入 'exit' 退出。 You: 创建一个计算斐波那契数列的函数 我来创建一个计算斐波那契数列的 C# 文件。 > write_file: {"path":"Fibonacci.cs","content":"..."} Wrote 450 bytes to Fibonacci.cs 文件已创建。让我运行测试一下： > bash: {"command":"dotnet run Fibonacci.cs"} 1, 1, 2, 3, 5, 8, 13, 21, 34, 55 成功！Fibonacci.cs 已创建并测试通过。从 v1 到 v2
v1 解决了工具效率问题，但对于复杂任务：
You: 重构 auth 模块、添加测试、更新文档模型可能会：
随机跳转任务
忘记已完成的步骤
中途失焦
v2 将引入TodoManager——让计划显式化，给模型一个"外部记忆"来追踪进度。
总结
v1 的哲学：
❝模型即代理。代码提供工具，模型做决策。
4 个工具覆盖了 90% 的编程场景。核心循环只有 30 行。这就是 Agent 的本质——简单到令人惊讶。
点击阅读原文，获取仓库地址：👇👇👇
)