之前我对Agent挺不屑一顾的，觉得上限还是要看基座模型。但是前一段时间，我也是终于用上了Claude Code。刚开始用的时候，自然是刹不住车，额度一会儿就用完了。那没办法，用CC Switch换成DeepSeek的api试试，没想到性能居然差了那么多！完全是一个天上一个地下，怪不得DeepSeek也要开发自己的Agent。我也是萌生了自己开发Agent的想法。
说干就干。api上我选择了好评如潮的DeepSeek官方api（主要是便宜）。第一步的目标很简单，我从GitHub上下了一个仓库叫MisterQueen（一个国际象棋项目），我需要让Agent可以帮我总结这个项目。我用的是Windows，那就加一个PowerShell的tool_call吧！
代码如下：
import json
import subprocess
import requests
client = requests.Session()
client.headers.update({
"Accept": "application/json",
"Authorization": "Bearer YOUR_DEEPSEEK_API_KEY",
})
def run_powershell_cmd(cmd):
full_cmd = (
"[Console]::OutputEncoding=[Text.Encoding]::UTF8; "
"$PSStyle.OutputRendering='PlainText'; "
f"{cmd}"
)
result = subprocess.run(
["pwsh", "-Command", full_cmd],
capture_output=True,
text=True,
encoding="utf-8",
)
return f"stdout:\n{result.stdout}\nstderr:\n{result.stderr}"
def post_deepseek(
messages,
model="deepseek-v4-pro",
thinking=True,
reasoning_effort="high",
max_tokens=None,
response_format_type="text",
stop=None,
stream=False,
stream_options=None,
temperature=1,
top_p=1,
tools=None,
tool_choice=None,
logprobs=False,
top_logprobs=None,
):
url = "https://api.deepseek.com/beta/chat/completions"
json_data = {
"messages": messages,
"model": model,
"thinking": {"type": "enabled" if thinking else "disabled"},
"reasoning_effort": reasoning_effort if thinking else None,
"response_format": {"type": response_format_type},
"stream": stream,
"temperature": temperature,
"top_p": top_p,
"logprobs": logprobs,
}
if max_tokens is not None:
json_data["max_tokens"] = max_tokens
if stop is not None:
json_data["stop"] = stop
if stream and stream_options is not None:
json_data["stream_options"] = stream_options
if tools is not None:
json_data["tools"] = tools
if tool_choice is not None:
json_data["tool_choice"] = tool_choice
if logprobs and top_logprobs is not None:
json_data["top_logprobs"] = top_logprobs
return client.post(url, json=json_data, stream=stream)
def post_deepseek_handle_tools(**kwargs):
kwargs["messages"]
while True:
resp = post_deepseek(**kwargs)
resp_json = resp.json()
choice = resp_json["choices"][0]
finish_reason = choice["finish_reason"]
message = choice["message"]
kwargs["messages"].append(message)
if finish_reason == "stop":
return kwargs["messages"]
elif finish_reason == "tool_calls":
tool_calls = message["tool_calls"]
for tool_call in tool_calls:
function = tool_call["function"]
assert function["name"] == "run_powershell_cmd"
arguments = json.loads(function["arguments"])
cmd = arguments["cmd"]
user_conformation = input(
f"AI wants to run powershell command:\n{cmd}\nDo you allow it? (y/n): "
)
if user_conformation.lower() != "y":
tool_result = f"Tool call rejected by user. Command was:\n{cmd}"
else:
tool_result = run_powershell_cmd(cmd)
kwargs["messages"].append({
"role": "tool",
"tool_call_id": tool_call["id"],
"content": tool_result,
})
else:
raise ValueError(f"Unexpected finish_reason: {finish_reason}")
messages = post_deepseek_handle_tools(
messages=[
{
"role": "system",
"content": "你是一个人工智能助手",
},
{
"role": "user",
"content": "总结MisterQueen文件夹内的项目",
},
],
tools=[
{
"type": "function",
"function": {
"name": "run_powershell_cmd",
"strict": True,
"description": "运行powershell命令",
"parameters": {
"type": "object",
"properties": {
"cmd": {
"description": "要运行的powershell命令",
"type": "string",
}
},
"required": ["cmd"],
"additionalProperties": False,
},
},
}
],
)
print(messages[-1]["content"])
运行结果：
AI wants to run powershell command:
Get-ChildItem -Path “MisterQueen” -Recurse -Depth 3 | Select-Object Mode, Name, Extension, FullName | Format-Table -AutoSize
Do you allow it? (y/n): y
AI wants to run powershell command:
Get-Content “MisterQueen\README.md”
Do you allow it? (y/n): y
AI wants to run powershell command:
Get-Content “MisterQueen\Makefile”
Do you allow it? (y/n): y
AI wants to run powershell command:
Get-Content “MisterQueen\LICENSE.md”
Do you allow it? (y/n): y
AI wants to run powershell command:
Get-Content “MisterQueen\src\main.c” -Head 30
Do you allow it? (y/n): y
AI wants to run powershell command:
Get-Content “MisterQueen\src\search.c” -Head 40
Do you allow it? (y/n): y
AI wants to run powershell command:
Get-Content “MisterQueen\src\uci.c” -Head 30
Do you allow it? (y/n): y
AI wants to run powershell command:
Get-Content “MisterQueen.gitignore”
Do you allow it? (y/n): y
AI wants to run powershell command:
Get-Content “MisterQueen\scripts\parser.py” -Head 30
Do you allow it? (y/n): y
AI wants to run powershell command:
Get-Content “MisterQueen\scripts\group.py” -Head 30
Do you allow it? (y/n): y
MisterQueen 项目总结
Mister Queen 是一个用 C 语言编写的国际象棋引擎（Chess Engine），作者是 Michael Fogleman（2014年），采用 MIT 许可证 开源。
核心功能
功能
说明
棋盘表示
使用 Bitboard + Magic Bitboard 技术，实现极速着法生成
开局库
基于 FICS 数据库超过 300 万局棋谱，定制了基于哈希的开局书
置换表
Zobrist 哈希 + 置换表（存储精确值和最佳着法）
搜索算法
空着裁剪（Null Move Pruning）、渴望窗口（Aspiration Windows）、迭代深化（Iterative Deepening）、静态搜索（Quiescence Search）
通信协议
支持 UCI（Universal Chess Interface） 标准协议
性能测试
通过所有 perft 测试（着法生成正确性验证）
项目结构
MisterQueen/
├── README.md # 项目说明
├── LICENSE.md # MIT 许可证
├── Makefile # GCC + C99 编译，支持 release/debug/install
├── build.cmd # Windows 构建脚本
├── main.exe # 预编译的可执行文件
├── src/ # 核心 C 源码
│ ├── main.c # 入口（perft 模式）
│ ├── board.c/h # 棋盘状态管理
│ ├── bb.c/h # 位棋盘（Bitboard）基础设施
│ ├── bk.c/h # 开局库（Opening Book）
│ ├── book.c/h # 开局书数据
│ ├── eval.c/h # 局面评估（素材 + 棋子位置表）
│ ├── gen.c/h # 着法生成器
│ ├── move.c/h # 着法表示与操作
│ ├── search.c/h # 搜索算法（Alpha-Beta + 多线程）
│ ├── perft.c/h # Perft 测试
│ ├── table.c/h # 置换表（Transposition Table）
│ ├── uci.c/h # UCI 协议实现
│ ├── util.c/h # 工具函数
│ ├── opening.c/h # 开局相关
│ └── deps/
│ └── tinycthread/ # 轻量级 C11 线程库
└── scripts/ # Python 辅助脚本
├── parser.py # PGN 棋谱解析器（构建开局书的 Trie 树）
└── group.py # 开局数据分组处理
技术特点
- 语言标准：C99，编译优化
-O3 - 多线程：依赖
tinycthread+pthread，搜索支持并行 - 评估函数：较基础，仅包含子力价值和棋子位置表（piece-square tables）
- 已知局限：不识别重复局面和棋（draw by repetition）
总结
Mister Queen 是一个教学/参考级别的国际象棋引擎，架构清晰、代码量适中，涵盖了现代国际象棋引擎的核心组件：magic bitboard 着法生成、Zobrist 哈希、置换表、Alpha-Beta 搜索、UCI 协议等，非常适合用于学习国际象棋引擎的实现原理。
1 个帖子 - 1 位参与者