代码执行（程序化工具调用）

execute_code 工具允许 agent 编写调用 AigenLabs 工具的 Python 脚本，将多步骤工作流压缩至单次 LLM 对话轮次。脚本在 agent 宿主机的子进程中运行，通过 Unix 域套接字 RPC 与 AigenLabs 通信。

工作原理

Agent 编写使用 from aigenlabs_tools import ... 的 Python 脚本
AigenLabs 生成带有 RPC 函数的 aigenlabs_tools.py 存根模块
AigenLabs 打开 Unix 域套接字并启动 RPC 监听线程
脚本在子进程中运行——工具调用通过套接字传回 AigenLabs
只有脚本的 print() 输出会返回给 LLM；中间工具结果不会进入上下文窗口

# The agent can write scripts like:
from aigenlabs_tools import web_search, web_extract

results = web_search("Python 3.13 features", limit=5)
for r in results["data"]["web"]:
    content = web_extract([r["url"]])
    # ... filter and process ...
print(summary)

脚本内可用工具： web_search、web_extract、read_file、write_file、search_files、patch、terminal（仅前台模式）。

Agent 何时使用此功能

当存在以下情况时，agent 会使用 execute_code：

3 次及以上工具调用，且调用之间包含处理逻辑
批量数据过滤或条件分支
对结果进行循环处理

核心优势：中间工具结果不会进入上下文窗口——只有最终的 print() 输出会返回，大幅降低 token 用量。

实际示例

数据处理流水线

from aigenlabs_tools import search_files, read_file
import json

# Find all config files and extract database settings
matches = search_files("database", path=".", file_glob="*.yaml", limit=20)
configs = []
for match in matches.get("matches", []):
    content = read_file(match["path"])
    configs.append({"file": match["path"], "preview": content["content"][:200]})

print(json.dumps(configs, indent=2))

多步骤网络调研

from aigenlabs_tools import web_search, web_extract
import json

# Search, extract, and summarize in one turn
results = web_search("Rust async runtime comparison 2025", limit=5)
summaries = []
for r in results["data"]["web"]:
    page = web_extract([r["url"]])
    for p in page.get("results", []):
        if p.get("content"):
            summaries.append({
                "title": r["title"],
                "url": r["url"],
                "excerpt": p["content"][:500]
            })

print(json.dumps(summaries, indent=2))

批量文件重构

from aigenlabs_tools import search_files, read_file, patch

# Find all Python files using deprecated API and fix them
matches = search_files("old_api_call", path="src/", file_glob="*.py")
fixed = 0
for match in matches.get("matches", []):
    result = patch(
        path=match["path"],
        old_string="old_api_call(",
        new_string="new_api_call(",
        replace_all=True
    )
    if "error" not in str(result):
        fixed += 1

print(f"Fixed {fixed} files out of {len(matches.get('matches', []))} matches")

构建与测试流水线

from aigenlabs_tools import terminal, read_file
import json

# Run tests, parse results, and report
result = terminal("cd /project && python -m pytest --tb=short -q 2>&1", timeout=120)
output = result.get("output", "")

# Parse test output
passed = output.count(" passed")
failed = output.count(" failed")
errors = output.count(" error")

report = {
    "passed": passed,
    "failed": failed,
    "errors": errors,
    "exit_code": result.get("exit_code", -1),
    "summary": output[-500:] if len(output) > 500 else output
}

print(json.dumps(report, indent=2))

执行模式

execute_code 有两种执行模式，通过 ~/.aigenlabs/config.yaml 中的 code_execution.mode 控制：

模式	工作目录	Python 解释器
`project`（默认）	会话的工作目录（与 `terminal()` 相同）	活跃的 `VIRTUAL_ENV` / `CONDA_PREFIX` python，回退至 AigenLabs 自身的 python
`strict`	与用户项目隔离的临时暂存目录	`sys.executable`（AigenLabs 自身的 python）

何时保持 project 模式： 当你希望 import pandas、from my_project import foo 或 open(".env") 等相对路径与 terminal() 中的行为一致时。这几乎是你始终想要的模式。

何时切换至 strict 模式： 当你需要最大可复现性时——希望无论用户激活哪个 venv，每次会话都使用相同的解释器，并且希望脚本与项目目录隔离（避免通过相对路径意外读取项目文件）。

# ~/.aigenlabs/config.yaml
code_execution:
  mode: project   # or "strict"

project 模式的回退行为：若 VIRTUAL_ENV / CONDA_PREFIX 未设置、已损坏或指向低于 3.8 的 Python，解析器会干净地回退至 sys.executable——agent 始终有可用的解释器。

两种模式的安全关键不变量完全相同：

环境变量清理（API key、token、凭据默认被剥离）
工具白名单（脚本不能递归调用 execute_code、delegate_task 或 MCP 工具）
资源限制（超时、stdout 上限、工具调用上限）

切换模式只改变脚本的运行位置和使用的解释器，不改变脚本可见的凭据或可调用的工具。

资源限制

资源	限制	说明
超时	5 分钟（300 秒）	脚本先收到 SIGTERM，5 秒宽限期后收到 SIGKILL
Stdout	50 KB	输出截断并附加 `[output truncated at 50KB]` 提示
Stderr	10 KB	非零退出时包含在输出中，用于调试
工具调用	每次执行 50 次	达到上限时返回错误

所有限制均可通过 config.yaml 配置：

# In ~/.aigenlabs/config.yaml
code_execution:
  mode: project      # project (default) | strict
  timeout: 300       # Max seconds per script (default: 300)
  max_tool_calls: 50 # Max tool calls per execution (default: 50)

脚本内工具调用的工作方式

当脚本调用 web_search("query") 等函数时：

调用被序列化为 JSON，通过 Unix 域套接字发送至父进程
父进程通过标准 handle_function_call 处理器进行分发
结果通过套接字发回
函数返回解析后的结果

这意味着脚本内的工具调用与普通工具调用行为完全一致——相同的速率限制、相同的错误处理、相同的能力。唯一的限制是 terminal() 仅支持前台模式（不支持 background 或 pty 参数）。

错误处理

脚本失败时，agent 会收到结构化的错误信息：

非零退出码：stderr 包含在输出中，agent 可看到完整的 traceback
超时：脚本被终止，agent 看到 "Script timed out after 300s and was killed."
中断：若用户在执行期间发送新消息，脚本被终止，agent 看到 [execution interrupted — user sent a new message]
工具调用上限：达到 50 次调用上限后，后续工具调用返回错误消息

响应始终包含 status（success/error/timeout/interrupted）、output、tool_calls_made 和 duration_seconds。

安全性

安全模型

子进程在最小化环境中运行。API key、token 和凭据默认被剥离。脚本只能通过 RPC 通道访问工具——除非显式允许，否则无法从环境变量中读取密钥。

名称中包含 KEY、TOKEN、SECRET、PASSWORD、CREDENTIAL、PASSWD 或 AUTH 的环境变量会被排除。只有安全的系统变量（PATH、HOME、LANG、SHELL、PYTHONPATH、VIRTUAL_ENV 等）会被传递。

Skill 环境变量透传

当 skill 在其 frontmatter 中声明 required_environment_variables 时，这些变量会在 skill 加载后自动透传至 execute_code 和 terminal 子进程。这使 skill 可以使用其声明的 API key，而不会削弱任意代码的安全态势。

对于非 skill 场景，可在 config.yaml 中显式添加变量白名单：

terminal:
  env_passthrough:
    - MY_CUSTOM_KEY
    - ANOTHER_TOKEN

详情参见安全指南。

AigenLabs 始终将脚本和自动生成的 aigenlabs_tools.py RPC 存根写入临时暂存目录，执行完成后清理。在 strict 模式下，脚本也在该目录中运行；在 project 模式下，脚本在会话的工作目录中运行（暂存目录保留在 PYTHONPATH 中以确保导入正常解析）。子进程在独立的进程组中运行，以便在超时或中断时干净地终止。

execute_code 与 terminal 对比

使用场景	execute_code	terminal
调用之间含逻辑的多步骤工作流	✅	❌
简单 shell 命令	❌	✅
过滤/处理大量工具输出	✅	❌
运行构建或测试套件	❌	✅
对搜索结果进行循环处理	✅	❌
交互式/后台进程	❌	✅
需要环境变量中的 API key	⚠️ 仅通过透传	✅（大多数可透传）

经验法则： 需要在调用之间含逻辑地程序化调用 AigenLabs 工具时，使用 execute_code。运行 shell 命令、构建和进程时，使用 terminal。

平台支持

代码执行依赖 Unix 域套接字，仅在 Linux 和 macOS 上可用。在 Windows 上会自动禁用——agent 回退至常规的顺序工具调用。

工作原理​

Agent 何时使用此功能​

实际示例​

数据处理流水线​

多步骤网络调研​

批量文件重构​

构建与测试流水线​

执行模式​

资源限制​

脚本内工具调用的工作方式​

错误处理​

安全性​

Skill 环境变量透传​

execute_code 与 terminal 对比​

平台支持​