En vanlig chattbot svarar bara med text — du frågar, den svarar, och utbytet slutar där. En agent kör en loop: den kan anropa tools för att vidta åtgärder, observera resultaten och iterera mot ett mål tills ett stoppvillkor är uppfyllt. Skillnaden är att göra, inte bara prata.
Goal → [think → call a tool → observe result → think again] → repeat → stop when done
I varje steg beslutar agenten vad den ska göra härnäst baserat på vad den har lärt, snarare än att producera ett svar och stanna.
En agents "tools" låter den agera på världen:
Goal: "Fix the failing test."
1. Run the test suite → observe: test_login fails
2. Read the failing test → observe: it expects a 200, got 500
3. Search for the handler → observe: missing null check
4. Edit the handler file → write the fix
5. Run the test suite again → observe: all pass
→ stopping condition met: tests green, done
En chattbot kunde bara beskriva en möjlig fix; agenten tillämpade den faktiskt och verifierade resultatet genom att köra testerna själv.
Att förstå agentloopen förklarar varför agenter kan slutföra verkligt flerstegigt arbete — felsökning, omstrukturering, forskning — istället för bara att beskriva det. Verktyg-anrop-observera-iterera-cykeln, med ett tydligt stoppvillkor, är vad som förvandlar en språkmodell från en samtalande textgenerator till något som faktiskt får arbete gjort.