myagent-ai 1.15.43 → 1.15.45

package/agents/main_agent.py

@@ -462,6 +462,8 @@ class MainAgent(BaseAgent):
         _v2_reasoning_collected: List[str] = []
         # XML 解析失败时的 LLM 修正重试计数
         _xml_correction_retries: int = 0
+        # 连续无工具调用计数（防止模型一直不调用工具导致死循环）
+        _consecutive_no_tool_count: int = 0
 
         conversation_history = list(context.conversation_history or [])
 
@@ -905,27 +907,68 @@ class MainAgent(BaseAgent):
                     )
                 break
 
-            # Step 10: 执行工具调用（无论 finish 值如何，先执行工具）
+            # Step 10: 执行工具调用
             if not parsed.tools_to_call:
-                # 无工具调用: 优先使用已收集的 reasoning 文本（包含 parsed.response），避免丢失第一轮输出
-                if _v2_reasoning_collected:
-                    final_text = "\n".join(_v2_reasoning_collected)
+                _consecutive_no_tool_count += 1
+                # 如果 finish=true 且无工具，任务完成
+                if parsed.finish:
+                    logger.info(f"[{task_id}] finish=true 且无工具调用，任务完成")
+                    if _v2_reasoning_collected:
+                        final_text = "\n".join(_v2_reasoning_collected)
+                    else:
+                        before, after = extract_surrounding_text(llm_raw)
+                        final_text = (before + "\n" + after).strip() if (before.strip() or after.strip()) else "已完成所有操作。"
+                    context.working_memory["final_response"] = final_text
+                    if not _emitted_reasoning_this_iter:
+                        await self._emit_v2_event("v2_reasoning", {"content": truncate_str(final_text, 3000)}, stream_callback)
+                    if self.memory:
+                        self.memory.add_session(
+                            session_id=context.session_id,
+                            role="assistant",
+                            content=final_text,
+                        )
+                    break
+                elif _consecutive_no_tool_count >= 2:
+                    # 连续 2 轮无工具调用，视为模型无意继续执行任务
+                    logger.warning(
+                        f"[{task_id}] 连续 {_consecutive_no_tool_count} 轮无工具调用且未 finish，"
+                        f"视为任务结束"
+                    )
+                    if _v2_reasoning_collected:
+                        final_text = "\n".join(_v2_reasoning_collected)
+                    else:
+                        before, after = extract_surrounding_text(llm_raw)
+                        final_text = (before + "\n" + after).strip() if (before.strip() or after.strip()) else "任务已完成。"
+                    context.working_memory["final_response"] = final_text
+                    if not _emitted_reasoning_this_iter:
+                        await self._emit_v2_event("v2_reasoning", {"content": truncate_str(final_text, 3000)}, stream_callback)
+                    if self.memory:
+                        self.memory.add_session(
+                            session_id=context.session_id,
+                            role="assistant",
+                            content=final_text,
+                        )
+                    break
                 else:
-                    before, after = extract_surrounding_text(llm_raw)
-                    final_text = (before + "\n" + after).strip() if (before.strip() or after.strip()) else "任务已完成。"
-                context.working_memory["final_response"] = final_text
-                # [v1.15.8] 跳过已发送的 reasoning 文本，避免 TTS 重复播报
-                if not _emitted_reasoning_this_iter:
-                    await self._emit_v2_event("v2_reasoning", {"content": truncate_str(final_text, 3000)}, stream_callback)
-                if self.memory:
-                    self.memory.add_session(
-                        session_id=context.session_id,
-                        role="assistant",
-                        content=final_text,
+                    # 未 finish 且未达到连续无工具阈值，继续回调 LLM
+                    # 模型可能只是在中间步骤输出说明文字，下一轮才调用工具
+                    logger.info(
+                        f"[{task_id}] 无工具调用且未 finish（连续第 {_consecutive_no_tool_count} 轮），"
+                        f"继续回调 LLM"
                     )
-                break
+                    # 将当前输出作为对话历史，回调 LLM 继续执行
+                    if llm_raw.strip():
+                        conversation_history.append(Message(role="assistant", content=llm_raw))
+                    conversation_history.append(Message(
+                        role="user",
+                        content="[系统提示] 你上一轮输出没有包含任何工具调用，也没有设置 finish=true。"
+                                "如果任务尚未完成，请继续执行必要的工具调用。"
+                                "如果任务已完成，请在输出中设置 <finish>true</finish>。",
+                    ))
+                    continue
 
             # Step 11: 有工具调用 — 先执行所有工具，再根据 finish 决定回调
+            _consecutive_no_tool_count = 0  # 有工具调用，重置计数器
             need_callback = False
             tool_outputs_parts = []
             _reasoning_len_before_round = len(_v2_reasoning_collected)  # 记录本轮开始时的长度
@@ -1206,36 +1249,10 @@ class MainAgent(BaseAgent):
                     )
                 break
 
-            # finish=false: 根据工具的 callback 标志决定是否回调
-            if not need_callback:
-                logger.info(f"[{task_id}] 所有工具无需回调且 finish=false，结束循环")
-                # 只保存当前轮次新增的文本（前几轮已通过回调保存）
-                _current_round = _v2_reasoning_collected[_reasoning_len_before_round:]
-                if _current_round:
-                    final_text = "\n".join(_current_round)
-                    if current_task_plan:
-                        final_text += f"\n\n{current_task_plan}"
-                elif _v2_reasoning_collected:
-                    final_text = "\n".join(_v2_reasoning_collected)
-                    if current_task_plan:
-                        final_text += f"\n\n{current_task_plan}"
-                else:
-                    final_text = "已完成所有操作。"
-                    if current_task_plan:
-                        final_text += f"\n\n任务计划:\n{current_task_plan}"
-                context.working_memory["final_response"] = final_text
-                # [v1.15.8] 跳过已发送的 reasoning 文本，避免 TTS 重复播报
-                if not _emitted_reasoning_this_iter:
-                    await self._emit_v2_event("v2_reasoning", {"content": truncate_str(final_text, 3000)}, stream_callback)
-                if self.memory:
-                    self.memory.add_session(
-                        session_id=context.session_id,
-                        role="assistant",
-                        content=final_text,
-                    )
-                break
-
-            logger.info(f"[{task_id}] finish=false 且 need_callback=true，回调 LLM...")
+            # finish=false: 必须继续回调 LLM，无论工具 callback 设置如何
+            # callback 只控制工具结果是否喂回 LLM，不控制循环是否继续
+            # 只有 finish=true 才应该终止循环
+            logger.info(f"[{task_id}] finish=false，继续回调 LLM...")
 
             # 回调前，保存当前轮次的 LLM 输出到会话记忆
             # 这样每轮工具调用都有对应的 assistant 消息记录

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "myagent-ai",
-  "version": "1.15.43",
+  "version": "1.15.45",
   "description": "本地桌面端执行型AI助手 - Open Interpreter 风格 | Local Desktop Execution-Oriented AI Assistant",
   "main": "main.py",
   "bin": {