尧图网页设计 
1. 复现 TheAgentCompany 前先分清 Bash 接口与类型化接口的 Token 账复现 TheAgentCompany 时Bash 工具接口与类型化工具接口的差异最终都会落到 Token 消耗和错误恢复上。微软那篇论文在 TheAgentCompany 和 APEX-Agents 上用 Opus-4.8、GPT-5.5 做对比结论是 Bash 在企业 Agent 任务里并不吃亏甚至超过类型化接口。要复现这套评测先到 TaoToken 官网 拿 Key再把 Base URL 填为https://taotoken.net/api。本文不把论文复述成新闻而是从企业 Agent 评测复现者的视角给出最小任务脚本、Key 注入配置、Bash 与类型化接口对照表并重点解释 Bash Agent 的 Token 消耗从哪里来、怎么压。很多团队第一次跑 Agent 评测时会把注意力放在模型名和任务成功率上结果跑完一轮才发现成本曲线不对Bash 工具调用看起来简单却因为命令输出回灌、重试、多轮试错把上下文迅速撑大类型化接口看起来规范却因为 JSON Schema、参数校验、工具数量膨胀在首轮 prompt 里就吃掉大量 Token。TheAgentCompany 这类任务很适合暴露这个问题因为任务本身包含文件操作、命令执行、结果校验和跨步骤状态传递。复现者要做的不是简单“跑通”而是把接口类型、模型、Token 消耗、重试次数、完成状态都记录下来形成可比较的本地实验。如果你还没有 Key建议先打开 TaoToken 官网 完成注册并创建 Key。Key 是后续 Claude Code、Codex、Python 脚本调用 Opus-4.8 或 GPT-5.5 的入口Base URL 统一填https://taotoken.net/api。下面从 Key 注入开始一步步搭出可复现的最小环境。2. 用 TaoToken 发 Key 给 Opus-4.8API Key 注入与环境变量配置企业 Agent 评测最怕配置散落在多个文件里。建议把 Key、Base URL、模型名收敛到环境变量再分别映射到 Claude Code、Codex 和 Python 脚本。首先在 TaoToken 官网 的 API Keys 页面创建 Key复制后不要提交到 Git。本地可以这样注入# 通用环境变量Python 脚本和 Codex 都可以引用 export TAOTOKEN_API_KEYYOUR_API_KEY export TAOTOKEN_BASE_URLhttps://taotoken.net/api # 如果使用 OpenAI 兼容 SDK可额外映射 export OPENAI_API_KEY$TAOTOKEN_API_KEY export OPENAI_BASE_URL$TAOTOKEN_BASE_URL # 复现时建议固定模型避免不同轮次漂移 export TAOTOKEN_MODELclaude-opus-4-8注意模型 ID 以 TaoToken 控制台展示为准。Opus-4.8 是本文复现目标之一但不同控制台可能显示为带版本后缀的 ID。生产脚本里不要把模型名硬编码到业务代码放到环境变量或配置文件中便于 Bash 接口和类型化接口使用同一模型做对照。Claude Code 使用settings.json和ANTHROPIC_*变量。可以在用户级或项目级配置中加入{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY, ANTHROPIC_MODEL: claude-opus-4-8, ANTHROPIC_SMALL_FAST_MODEL: claude-haiku-4-5 } }这里的关键是ANTHROPIC_BASE_URL指向https://taotoken.net/apiANTHROPIC_AUTH_TOKEN使用刚才创建的 Key。不要把ANTHROPIC_*这套变量写进 Codex 的config.toml两者配置体系不同。Codex 应使用config.toml示例如下model gpt-5.5 model_provider taotoken [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api responses然后确保 shell 中已经导出TAOTOKEN_API_KEY。如果你用 CC Switch 管理多套配置检查“三件套”是否一致第一Base URL 是否指向https://taotoken.net/api第二Key 引用是否指向YOUR_API_KEY对应的环境变量第三默认模型是否与当前评测轮次一致。任何一处写错都会表现为 401、404 或模型不存在。可以用一个最小请求验证 Key 是否可用。以下命令假设你已安装curl并且只在本地执行curl -sS https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { model: $TAOTOKEN_MODEL, messages: [{role: user, content: 只回复 ok}], max_tokens: 16, temperature: 0 }如果返回 401先检查 Key 是否复制完整、是否有多余空格、是否在请求头中带了Bearer。如果返回模型不存在回到控制台确认 Opus-4.8 的实际模型 ID。如果返回路径错误检查 Base URL 是否误写成https://taotoken.net/api/并额外拼了多余斜杠。3. TheAgentCompany 最小任务脚本本地跑 Bash Agent 与类型化接口为了公平比较 Bash 与类型化接口我们设计一个最小任务本地目录中有一个sales.csv要求 Agent 读取文件筛选出状态为error的行统计数量并写出result.json。任务不连接任何生产数据库所有命令都在本地隔离目录执行。这个任务足够小但又包含读取、筛选、写入三个阶段能观察两种接口在 Token 消耗和错误恢复上的差异。项目结构如下theagentcompany-min/ ├── theagentcompany_min.py └── agent_work/ └── sales.csv先用 Python 生成一份测试数据mkdir -p theagentcompany-min/agent_work cd theagentcompany-min python - PY import csv, pathlib p pathlib.Path(agent_work/sales.csv) rows [ {id: 1, region: east, amount: 120, status: ok}, {id: 2, region: west, amount: 80, status: error}, {id: 3, region: east, amount: 200, status: ok}, {id: 4, region: north, amount: 50, status: error}, ] with p.open(w, newline, encodingutf-8) as f: writer csv.DictWriter(f, fieldnames[id, region, amount, status]) writer.writeheader() writer.writerows(rows) print(p) PY然后写最小 Agent 脚本。它支持两种工具集bash模式只给一个run_bash工具typed模式给typed_read_csv、typed_filter_rows、typed_write_json三个类型化工具。脚本使用 OpenAI 兼容 SDKBase URL 指向https://taotoken.net/api。# theagentcompany_min.py import os import json import csv import subprocess import pathlib from openai import OpenAI BASE_URL os.environ.get(TAOTOKEN_BASE_URL, https://taotoken.net/api) API_KEY os.environ[TAOTOKEN_API_KEY] MODEL os.environ.get(TAOTOKEN_MODEL, claude-opus-4-8) client OpenAI(base_urlBASE_URL, api_keyAPI_KEY) WORKDIR pathlib.Path(__file__).parent / agent_work WORKDIR.mkdir(exist_okTrue) def run_bash(command: str) - str: 在本地隔离目录执行 bash返回截断后的输出。 proc subprocess.run( command, shellTrue, cwdWORKDIR, capture_outputTrue, textTrue, timeout20, ) output (proc.stdout or ) (proc.stderr or ) # 关键截断输出避免大文件回灌推高 Token return output[:4000] def typed_read_csv(path: str, limit: int 20) - str: rows [] with (WORKDIR / path).open(newline, encodingutf-8) as f: reader csv.DictReader(f) for i, row in enumerate(reader): if i limit: break rows.append(row) return json.dumps(rows, ensure_asciiFalse) def typed_filter_rows(path: str, column: str, value: str) - str: rows [] with (WORKDIR / path).open(newline, encodingutf-8) as f: reader csv.DictReader(f) for row in reader: if row.get(column) value: rows.append(row) return json.dumps(rows, ensure_asciiFalse) def typed_write_json(path: str, data: str) - str: obj json.loads(data) (WORKDIR / path).write_text( json.dumps(obj, ensure_asciiFalse, indent2), encodingutf-8, ) return fwritten:{path} TOOLS_BASH [ { type: function, function: { name: run_bash, description: 在本地隔离目录执行 bash 命令用于查看、筛选、统计和写入文件。, parameters: { type: object, properties: { command: {type: string, description: 要执行的 bash 命令} }, required: [command], }, }, } ] TOOLS_TYPED [ { type: function, function: { name: typed_read_csv, description: 读取 CSV 的前 N 行返回 JSON 数组。, parameters: { type: object, properties: { path: {type: string}, limit: {type: integer, default: 20}, }, required: [path], }, }, }, { type: function, function: { name: typed_filter_rows, description: 按列值筛选 CSV 行返回 JSON 数组。, parameters: { type: object, properties: { path: {type: string}, column: {type: string}, value: {type: string}, }, required: [path, column, value], }, }, }, { type: function, function: { name: typed_write_json, description: 把 JSON 字符串写入指定文件。, parameters: { type: object, properties: { path: {type: string}, data: {type: string}, }, required: [path, data], }, }, }, ] def dispatch_tool(name: str, args: dict) - str: if name run_bash: return run_bash(args[command]) if name typed_read_csv: return typed_read_csv(args[path], args.get(limit, 20)) if name typed_filter_rows: return typed_filter_rows(args[path], args[column], args[value]) if name typed_write_json: return typed_write_json(args[path], args[data]) return funknown_tool:{name} def run_agent(mode: str) - str: tools TOOLS_BASH if mode bash else TOOLS_TYPED task ( 本地 agent_work/sales.csv 包含销售记录。请筛选 status 为 error 的行 统计数量并写入 agent_work/result.json。所有操作只允许在 agent_work 目录内完成。 ) messages [ { role: system, content: 你是企业 Agent 评测复现助手。只使用提供的工具本地执行不要连接生产数据库。, }, {role: user, content: task}, ] for step in range(8): resp client.chat.completions.create( modelMODEL, messagesmessages, toolstools, tool_choiceauto, temperature0, ) msg resp.choices[0].message messages.append(msg) if not msg.tool_calls: return msg.content or done for tc in msg.tool_calls: args json.loads(tc.function.arguments or {}) result dispatch_tool(tc.function.name, args) messages.append( { role: tool, tool_call_id: tc.id, content: result, } ) return max_steps_reached if __name__ __main__: import sys mode sys.argv[1] if len(sys.argv) 1 else bash print(run_agent(mode))运行方式export TAOTOKEN_API_KEYYOUR_API_KEY export TAOTOKEN_MODELclaude-opus-4-8 python theagentcompany_min.py bash python theagentcompany_min.py typed跑完后再检查结果cat agent_work/result.json这个脚本不是完整 Agent 框架但它把关键变量固定下来了同一个任务、同一个模型、同一份数据只切换工具接口。复现者可以在client.chat.completions.create前后记录 Token 用量或者在每轮工具返回后统计上下文长度。Bash 模式通常会把命令执行结果直接回灌类型化模式则会把参数和返回值结构化二者对 Token 的消耗模式不同。4. Bash 与类型化接口对照表Token 消耗、错误恢复与可观测性下表不是论文数字复刻而是复现者在本地跑最小任务时应该记录的维度。你可以把每一列替换成自己环境的实际值形成可比较的实验记录。维度Bash 工具接口类型化工具接口工具定义通常只有一个run_bashschema 短每个动作一个工具schema 多首轮 prompt 更长输入 Token集中在命令构造和输出回灌集中在工具描述、参数约束、多轮校验输出 Token命令 stdout/stderr 可能很长需要截断返回值通常是 JSON体积可控错误恢复模型可读 stderr自行换命令重试参数错误直接返回重试路径明确可观测性命令日志直观但结构化程度低调用链结构化便于审计和统计适用任务文件探索、批量处理、环境检查写操作、审批流、严格参数校验主要风险大输出、危险命令、注入风险工具膨胀、schema 占 Token、多轮参数纠错复现注意限制目录、截断输出、白名单命令控制工具数量、拆分读写、记录参数错误从复现经验看Bash 在企业 Agent 任务里“超过类型化接口”往往不是因为它更聪明而是因为它减少了工具之间的协调成本。类型化接口要求模型先理解每个工具的参数语义再在多轮里拼装调用链Bash 只要求模型理解 shell 和文件系统组合方式更自由。但自由也意味着 Token 消耗更不可控。一次cat大文件、一次find /、一次未截断的日志输出就可能把上下文推到高位。类型化接口的优势在于边界清晰。比如typed_write_json只接受路径和 JSON 字符串模型不容易误写系统目录。对于企业评测写操作、删除操作、外部提交操作应该优先类型化读操作和探索操作可以交给 Bash。这样既保留 Bash 的灵活性又用类型化接口守住关键路径。5. 控制 Bash Agent Token 消耗从输出截断到命令白名单如果你的评测目标是“用 Opus-4.8 复现 Bash Agent 的 Token 曲线”下面 7 个手段建议直接写进工具包装器而不是依赖模型自觉。第一输出截断。run_bash返回前统一截断到固定字符数例如 4000 字符。超出部分写完整日志到本地文件只把摘要返回给模型。示例def run_bash_limited(command: str, max_chars: int 4000) - str: proc subprocess.run( command, shellTrue, cwdWORKDIR, capture_outputTrue, textTrue, timeout20, ) output (proc.stdout or ) (proc.stderr or ) if len(output) max_chars: # 完整输出落盘模型只拿摘要 (WORKDIR / last_command.log).write_text(output, encodingutf-8) return output[:max_chars] f\n...[truncated, full log: last_command.log] return output第二避免cat大文件。模型经常用cat sales.csv查看数据这会把整份文件塞进上下文。可以在系统提示里要求查看文件优先用head、wc -l、sed -n、jq。更好的做法是在 Bash 工具描述里明确“禁止无参数 cat 大文件”。第三结构化中间产物。用jq -c压缩 JSON用cut选择列用awk聚合。例如统计 error 行数可以用awk -F, NR1 $4error {c} END {print c0} agent_work/sales.csv第四控制命令回显。set x避免脚本调试输出被模型看到。只把必要 stdout 回传stderr 可以摘要化。第五临时目录隔离。所有 Bash 命令限制在agent_work目录内防止模型探索到无关文件既安全也省 Token。第六重试只回传错误摘要。第一次失败时返回完整 stderr后续重试只返回错误类型和关键行。可以在包装器里做去重和截断。第七关键写操作用类型化接口兜底。Bash 负责读和试探写结果、改配置、提交产物走类型化工具。这样 Token 消耗集中在探索阶段写操作不会因为命令拼接错误反复重试。这些手段不会改变模型能力但会显著改变 Token 曲线。复现论文结论时如果不控制 Bash 输出很容易把“Bash 更省钱”误判成“Bash 更贵”。6. 排障清单401、模型名、Base URL、流式中断与 CC Switch 冲突复现企业 Agent 评测时环境问题比模型问题更常见。下面按症状排查。401 Unauthorized检查YOUR_API_KEY是否完整请求头是否为Authorization: Bearer YOUR_API_KEY环境变量是否真的被当前 shell 读取。Claude Code 的ANTHROPIC_AUTH_TOKEN和 Python 的TAOTOKEN_API_KEY可以指向同一个 Key但不要混用变量名。模型不存在Opus-4.8、GPT-5.5 在控制台可能有不同模型 ID。不要凭记忆写死先到模型对话页面确认可用模型再填到脚本或配置。Python 脚本里用TAOTOKEN_MODELClaude Code 里用ANTHROPIC_MODELCodex 里用model。Base URL 错误统一填https://taotoken.net/api。注意不要末尾多斜杠也不要在 SDK 已经拼接路径的情况下再手动加/v1。如果 curl 验证失败先换成 SDK 最小请求排除路径拼接问题。流式中断长任务中 Bash 输出过多可能导致响应变慢或中断。降低max_tokens对工具输出做截断关闭不必要的流式回显。评测脚本里记录每轮耗时便于区分网络问题和模型问题。CC Switch 冲突如果你用 CC Switch 管理多套配置确认当前激活项的三件套一致。常见问题是 Base URL 切到了 TaoToken但 Key 还是旧环境的或者 Claude Code 的ANTHROPIC_*被误写进 Codex 的config.toml。Codex 应使用model_providers.taotoken和env_key TAOTOKEN_API_KEY不要套用 Anthropic 变量。本地命令安全所有 Bash 命令由读者在本地隔离目录执行不要把 Agent 指向生产数据库、线上容器或真实凭证目录。评测数据用生成的 CSV 或脱敏样例写操作只落在agent_work下。7. 复现记录模板把论文里的对比变成可重复的本地实验要把 Bash 与类型化接口的对比做扎实建议每轮实验记录以下字段字段说明run_id本轮实验唯一 IDmodelclaude-opus-4-8或gpt-5.5以控制台为准interfacebash或typedtask固定任务描述input_tokens请求侧输入 Tokenoutput_tokens请求侧输出 Tokentool_calls工具调用次数retries参数错误或命令失败后的重试次数truncated是否触发输出截断statussuccess / failed / max_stepselapsed_ms总耗时可以在 Python 脚本中把resp.usage写入 JSONLimport json, pathlib def log_usage(run_id, mode, model, usage, step, extraNone): path pathlib.Path(runs.jsonl) record { run_id: run_id, mode: mode, model: model, step: step, input_tokens: getattr(usage, prompt_tokens, None), output_tokens: getattr(usage, completion_tokens, None), } if extra: record.update(extra) with path.open(a, encodingutf-8) as f: f.write(json.dumps(record, ensure_asciiFalse) \n)跑完bash和typed两组后对比input_tokens、output_tokens、tool_calls、retries。你会发现 Bash 的 Token 消耗经常集中在工具输出回灌而类型化接口的 Token 消耗集中在工具定义和多轮参数校验。这个观察比单纯看总 Token 更有解释力。如果要把实验扩展到 TheAgentCompany 风格的多步骤任务可以逐步加入读取多个文件、生成中间报告、校验输出格式、失败重试。每加一步都重新记录 Token 和重试次数。不要一次性把任务放大否则很难判断差异来自接口还是任务复杂度。8. 文末 CTA拿 Key、跑通最小任务、再决定 Coding Plan复现 TheAgentCompany 里的 Bash 与类型化接口对比第一步不是写复杂框架而是把 Key、Base URL、模型名固定下来。先到 TaoToken 官网 创建 KeyBase URL 填https://taotoken.net/api然后用本文的最小脚本跑通bash和typed两组任务。确认 Opus-4.8 可用后再逐步加入输出截断、命令白名单和 Token 日志。推荐路径如下先打开 模型对话确认 Opus-4.8、GPT-5.5 等模型在当前控制台的实际模型 ID。如果你要长期跑企业 Agent 评测查看 Coding Plan选择适合连续实验的套餐。到 API Keys 创建或轮换 Key填入YOUR_API_KEY。使用 Claude Code 的话参考 Claude Code 文档 配置settings.json和ANTHROPIC_*变量使用 Codex 则改用config.toml不要混用 Anthropic 变量。把 Bash Agent 的 Token 消耗记录清楚再和类型化接口放在同一张表里比较你得到的不只是一个论文复现结果而是一套能持续迭代的企业 Agent 评测基线。 TheAgentCompany 里 Bash 超过类型化接口，TaoToken 发 Key 给 Opus-4.8
1. 复现 TheAgentCompany 前先分清 Bash 接口与类型化接口的 Token 账复现 TheAgentCompany 时Bash 工具接口与类型化工具接口的差异最终都会落到 Token 消耗和错误恢复上。微软那篇论文在 TheAgentCompany 和 APEX-Agents 上用 Opus-4.8、GPT-5.5 做对比结论是 Bash 在企业 Agent 任务里并不吃亏甚至超过类型化接口。要复现这套评测先到 TaoToken 官网 拿 Key再把 Base URL 填为https://taotoken.net/api。本文不把论文复述成新闻而是从企业 Agent 评测复现者的视角给出最小任务脚本、Key 注入配置、Bash 与类型化接口对照表并重点解释 Bash Agent 的 Token 消耗从哪里来、怎么压。很多团队第一次跑 Agent 评测时会把注意力放在模型名和任务成功率上结果跑完一轮才发现成本曲线不对Bash 工具调用看起来简单却因为命令输出回灌、重试、多轮试错把上下文迅速撑大类型化接口看起来规范却因为 JSON Schema、参数校验、工具数量膨胀在首轮 prompt 里就吃掉大量 Token。TheAgentCompany 这类任务很适合暴露这个问题因为任务本身包含文件操作、命令执行、结果校验和跨步骤状态传递。复现者要做的不是简单“跑通”而是把接口类型、模型、Token 消耗、重试次数、完成状态都记录下来形成可比较的本地实验。如果你还没有 Key建议先打开 TaoToken 官网 完成注册并创建 Key。Key 是后续 Claude Code、Codex、Python 脚本调用 Opus-4.8 或 GPT-5.5 的入口Base URL 统一填https://taotoken.net/api。下面从 Key 注入开始一步步搭出可复现的最小环境。2. 用 TaoToken 发 Key 给 Opus-4.8API Key 注入与环境变量配置企业 Agent 评测最怕配置散落在多个文件里。建议把 Key、Base URL、模型名收敛到环境变量再分别映射到 Claude Code、Codex 和 Python 脚本。首先在 TaoToken 官网 的 API Keys 页面创建 Key复制后不要提交到 Git。本地可以这样注入# 通用环境变量Python 脚本和 Codex 都可以引用 export TAOTOKEN_API_KEYYOUR_API_KEY export TAOTOKEN_BASE_URLhttps://taotoken.net/api # 如果使用 OpenAI 兼容 SDK可额外映射 export OPENAI_API_KEY$TAOTOKEN_API_KEY export OPENAI_BASE_URL$TAOTOKEN_BASE_URL # 复现时建议固定模型避免不同轮次漂移 export TAOTOKEN_MODELclaude-opus-4-8注意模型 ID 以 TaoToken 控制台展示为准。Opus-4.8 是本文复现目标之一但不同控制台可能显示为带版本后缀的 ID。生产脚本里不要把模型名硬编码到业务代码放到环境变量或配置文件中便于 Bash 接口和类型化接口使用同一模型做对照。Claude Code 使用settings.json和ANTHROPIC_*变量。可以在用户级或项目级配置中加入{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY, ANTHROPIC_MODEL: claude-opus-4-8, ANTHROPIC_SMALL_FAST_MODEL: claude-haiku-4-5 } }这里的关键是ANTHROPIC_BASE_URL指向https://taotoken.net/apiANTHROPIC_AUTH_TOKEN使用刚才创建的 Key。不要把ANTHROPIC_*这套变量写进 Codex 的config.toml两者配置体系不同。Codex 应使用config.toml示例如下model gpt-5.5 model_provider taotoken [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api responses然后确保 shell 中已经导出TAOTOKEN_API_KEY。如果你用 CC Switch 管理多套配置检查“三件套”是否一致第一Base URL 是否指向https://taotoken.net/api第二Key 引用是否指向YOUR_API_KEY对应的环境变量第三默认模型是否与当前评测轮次一致。任何一处写错都会表现为 401、404 或模型不存在。可以用一个最小请求验证 Key 是否可用。以下命令假设你已安装curl并且只在本地执行curl -sS https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { model: $TAOTOKEN_MODEL, messages: [{role: user, content: 只回复 ok}], max_tokens: 16, temperature: 0 }如果返回 401先检查 Key 是否复制完整、是否有多余空格、是否在请求头中带了Bearer。如果返回模型不存在回到控制台确认 Opus-4.8 的实际模型 ID。如果返回路径错误检查 Base URL 是否误写成https://taotoken.net/api/并额外拼了多余斜杠。3. TheAgentCompany 最小任务脚本本地跑 Bash Agent 与类型化接口为了公平比较 Bash 与类型化接口我们设计一个最小任务本地目录中有一个sales.csv要求 Agent 读取文件筛选出状态为error的行统计数量并写出result.json。任务不连接任何生产数据库所有命令都在本地隔离目录执行。这个任务足够小但又包含读取、筛选、写入三个阶段能观察两种接口在 Token 消耗和错误恢复上的差异。项目结构如下theagentcompany-min/ ├── theagentcompany_min.py └── agent_work/ └── sales.csv先用 Python 生成一份测试数据mkdir -p theagentcompany-min/agent_work cd theagentcompany-min python - PY import csv, pathlib p pathlib.Path(agent_work/sales.csv) rows [ {id: 1, region: east, amount: 120, status: ok}, {id: 2, region: west, amount: 80, status: error}, {id: 3, region: east, amount: 200, status: ok}, {id: 4, region: north, amount: 50, status: error}, ] with p.open(w, newline, encodingutf-8) as f: writer csv.DictWriter(f, fieldnames[id, region, amount, status]) writer.writeheader() writer.writerows(rows) print(p) PY然后写最小 Agent 脚本。它支持两种工具集bash模式只给一个run_bash工具typed模式给typed_read_csv、typed_filter_rows、typed_write_json三个类型化工具。脚本使用 OpenAI 兼容 SDKBase URL 指向https://taotoken.net/api。# theagentcompany_min.py import os import json import csv import subprocess import pathlib from openai import OpenAI BASE_URL os.environ.get(TAOTOKEN_BASE_URL, https://taotoken.net/api) API_KEY os.environ[TAOTOKEN_API_KEY] MODEL os.environ.get(TAOTOKEN_MODEL, claude-opus-4-8) client OpenAI(base_urlBASE_URL, api_keyAPI_KEY) WORKDIR pathlib.Path(__file__).parent / agent_work WORKDIR.mkdir(exist_okTrue) def run_bash(command: str) - str: 在本地隔离目录执行 bash返回截断后的输出。 proc subprocess.run( command, shellTrue, cwdWORKDIR, capture_outputTrue, textTrue, timeout20, ) output (proc.stdout or ) (proc.stderr or ) # 关键截断输出避免大文件回灌推高 Token return output[:4000] def typed_read_csv(path: str, limit: int 20) - str: rows [] with (WORKDIR / path).open(newline, encodingutf-8) as f: reader csv.DictReader(f) for i, row in enumerate(reader): if i limit: break rows.append(row) return json.dumps(rows, ensure_asciiFalse) def typed_filter_rows(path: str, column: str, value: str) - str: rows [] with (WORKDIR / path).open(newline, encodingutf-8) as f: reader csv.DictReader(f) for row in reader: if row.get(column) value: rows.append(row) return json.dumps(rows, ensure_asciiFalse) def typed_write_json(path: str, data: str) - str: obj json.loads(data) (WORKDIR / path).write_text( json.dumps(obj, ensure_asciiFalse, indent2), encodingutf-8, ) return fwritten:{path} TOOLS_BASH [ { type: function, function: { name: run_bash, description: 在本地隔离目录执行 bash 命令用于查看、筛选、统计和写入文件。, parameters: { type: object, properties: { command: {type: string, description: 要执行的 bash 命令} }, required: [command], }, }, } ] TOOLS_TYPED [ { type: function, function: { name: typed_read_csv, description: 读取 CSV 的前 N 行返回 JSON 数组。, parameters: { type: object, properties: { path: {type: string}, limit: {type: integer, default: 20}, }, required: [path], }, }, }, { type: function, function: { name: typed_filter_rows, description: 按列值筛选 CSV 行返回 JSON 数组。, parameters: { type: object, properties: { path: {type: string}, column: {type: string}, value: {type: string}, }, required: [path, column, value], }, }, }, { type: function, function: { name: typed_write_json, description: 把 JSON 字符串写入指定文件。, parameters: { type: object, properties: { path: {type: string}, data: {type: string}, }, required: [path, data], }, }, }, ] def dispatch_tool(name: str, args: dict) - str: if name run_bash: return run_bash(args[command]) if name typed_read_csv: return typed_read_csv(args[path], args.get(limit, 20)) if name typed_filter_rows: return typed_filter_rows(args[path], args[column], args[value]) if name typed_write_json: return typed_write_json(args[path], args[data]) return funknown_tool:{name} def run_agent(mode: str) - str: tools TOOLS_BASH if mode bash else TOOLS_TYPED task ( 本地 agent_work/sales.csv 包含销售记录。请筛选 status 为 error 的行 统计数量并写入 agent_work/result.json。所有操作只允许在 agent_work 目录内完成。 ) messages [ { role: system, content: 你是企业 Agent 评测复现助手。只使用提供的工具本地执行不要连接生产数据库。, }, {role: user, content: task}, ] for step in range(8): resp client.chat.completions.create( modelMODEL, messagesmessages, toolstools, tool_choiceauto, temperature0, ) msg resp.choices[0].message messages.append(msg) if not msg.tool_calls: return msg.content or done for tc in msg.tool_calls: args json.loads(tc.function.arguments or {}) result dispatch_tool(tc.function.name, args) messages.append( { role: tool, tool_call_id: tc.id, content: result, } ) return max_steps_reached if __name__ __main__: import sys mode sys.argv[1] if len(sys.argv) 1 else bash print(run_agent(mode))运行方式export TAOTOKEN_API_KEYYOUR_API_KEY export TAOTOKEN_MODELclaude-opus-4-8 python theagentcompany_min.py bash python theagentcompany_min.py typed跑完后再检查结果cat agent_work/result.json这个脚本不是完整 Agent 框架但它把关键变量固定下来了同一个任务、同一个模型、同一份数据只切换工具接口。复现者可以在client.chat.completions.create前后记录 Token 用量或者在每轮工具返回后统计上下文长度。Bash 模式通常会把命令执行结果直接回灌类型化模式则会把参数和返回值结构化二者对 Token 的消耗模式不同。4. Bash 与类型化接口对照表Token 消耗、错误恢复与可观测性下表不是论文数字复刻而是复现者在本地跑最小任务时应该记录的维度。你可以把每一列替换成自己环境的实际值形成可比较的实验记录。维度Bash 工具接口类型化工具接口工具定义通常只有一个run_bashschema 短每个动作一个工具schema 多首轮 prompt 更长输入 Token集中在命令构造和输出回灌集中在工具描述、参数约束、多轮校验输出 Token命令 stdout/stderr 可能很长需要截断返回值通常是 JSON体积可控错误恢复模型可读 stderr自行换命令重试参数错误直接返回重试路径明确可观测性命令日志直观但结构化程度低调用链结构化便于审计和统计适用任务文件探索、批量处理、环境检查写操作、审批流、严格参数校验主要风险大输出、危险命令、注入风险工具膨胀、schema 占 Token、多轮参数纠错复现注意限制目录、截断输出、白名单命令控制工具数量、拆分读写、记录参数错误从复现经验看Bash 在企业 Agent 任务里“超过类型化接口”往往不是因为它更聪明而是因为它减少了工具之间的协调成本。类型化接口要求模型先理解每个工具的参数语义再在多轮里拼装调用链Bash 只要求模型理解 shell 和文件系统组合方式更自由。但自由也意味着 Token 消耗更不可控。一次cat大文件、一次find /、一次未截断的日志输出就可能把上下文推到高位。类型化接口的优势在于边界清晰。比如typed_write_json只接受路径和 JSON 字符串模型不容易误写系统目录。对于企业评测写操作、删除操作、外部提交操作应该优先类型化读操作和探索操作可以交给 Bash。这样既保留 Bash 的灵活性又用类型化接口守住关键路径。5. 控制 Bash Agent Token 消耗从输出截断到命令白名单如果你的评测目标是“用 Opus-4.8 复现 Bash Agent 的 Token 曲线”下面 7 个手段建议直接写进工具包装器而不是依赖模型自觉。第一输出截断。run_bash返回前统一截断到固定字符数例如 4000 字符。超出部分写完整日志到本地文件只把摘要返回给模型。示例def run_bash_limited(command: str, max_chars: int 4000) - str: proc subprocess.run( command, shellTrue, cwdWORKDIR, capture_outputTrue, textTrue, timeout20, ) output (proc.stdout or ) (proc.stderr or ) if len(output) max_chars: # 完整输出落盘模型只拿摘要 (WORKDIR / last_command.log).write_text(output, encodingutf-8) return output[:max_chars] f\n...[truncated, full log: last_command.log] return output第二避免cat大文件。模型经常用cat sales.csv查看数据这会把整份文件塞进上下文。可以在系统提示里要求查看文件优先用head、wc -l、sed -n、jq。更好的做法是在 Bash 工具描述里明确“禁止无参数 cat 大文件”。第三结构化中间产物。用jq -c压缩 JSON用cut选择列用awk聚合。例如统计 error 行数可以用awk -F, NR1 $4error {c} END {print c0} agent_work/sales.csv第四控制命令回显。set x避免脚本调试输出被模型看到。只把必要 stdout 回传stderr 可以摘要化。第五临时目录隔离。所有 Bash 命令限制在agent_work目录内防止模型探索到无关文件既安全也省 Token。第六重试只回传错误摘要。第一次失败时返回完整 stderr后续重试只返回错误类型和关键行。可以在包装器里做去重和截断。第七关键写操作用类型化接口兜底。Bash 负责读和试探写结果、改配置、提交产物走类型化工具。这样 Token 消耗集中在探索阶段写操作不会因为命令拼接错误反复重试。这些手段不会改变模型能力但会显著改变 Token 曲线。复现论文结论时如果不控制 Bash 输出很容易把“Bash 更省钱”误判成“Bash 更贵”。6. 排障清单401、模型名、Base URL、流式中断与 CC Switch 冲突复现企业 Agent 评测时环境问题比模型问题更常见。下面按症状排查。401 Unauthorized检查YOUR_API_KEY是否完整请求头是否为Authorization: Bearer YOUR_API_KEY环境变量是否真的被当前 shell 读取。Claude Code 的ANTHROPIC_AUTH_TOKEN和 Python 的TAOTOKEN_API_KEY可以指向同一个 Key但不要混用变量名。模型不存在Opus-4.8、GPT-5.5 在控制台可能有不同模型 ID。不要凭记忆写死先到模型对话页面确认可用模型再填到脚本或配置。Python 脚本里用TAOTOKEN_MODELClaude Code 里用ANTHROPIC_MODELCodex 里用model。Base URL 错误统一填https://taotoken.net/api。注意不要末尾多斜杠也不要在 SDK 已经拼接路径的情况下再手动加/v1。如果 curl 验证失败先换成 SDK 最小请求排除路径拼接问题。流式中断长任务中 Bash 输出过多可能导致响应变慢或中断。降低max_tokens对工具输出做截断关闭不必要的流式回显。评测脚本里记录每轮耗时便于区分网络问题和模型问题。CC Switch 冲突如果你用 CC Switch 管理多套配置确认当前激活项的三件套一致。常见问题是 Base URL 切到了 TaoToken但 Key 还是旧环境的或者 Claude Code 的ANTHROPIC_*被误写进 Codex 的config.toml。Codex 应使用model_providers.taotoken和env_key TAOTOKEN_API_KEY不要套用 Anthropic 变量。本地命令安全所有 Bash 命令由读者在本地隔离目录执行不要把 Agent 指向生产数据库、线上容器或真实凭证目录。评测数据用生成的 CSV 或脱敏样例写操作只落在agent_work下。7. 复现记录模板把论文里的对比变成可重复的本地实验要把 Bash 与类型化接口的对比做扎实建议每轮实验记录以下字段字段说明run_id本轮实验唯一 IDmodelclaude-opus-4-8或gpt-5.5以控制台为准interfacebash或typedtask固定任务描述input_tokens请求侧输入 Tokenoutput_tokens请求侧输出 Tokentool_calls工具调用次数retries参数错误或命令失败后的重试次数truncated是否触发输出截断statussuccess / failed / max_stepselapsed_ms总耗时可以在 Python 脚本中把resp.usage写入 JSONLimport json, pathlib def log_usage(run_id, mode, model, usage, step, extraNone): path pathlib.Path(runs.jsonl) record { run_id: run_id, mode: mode, model: model, step: step, input_tokens: getattr(usage, prompt_tokens, None), output_tokens: getattr(usage, completion_tokens, None), } if extra: record.update(extra) with path.open(a, encodingutf-8) as f: f.write(json.dumps(record, ensure_asciiFalse) \n)跑完bash和typed两组后对比input_tokens、output_tokens、tool_calls、retries。你会发现 Bash 的 Token 消耗经常集中在工具输出回灌而类型化接口的 Token 消耗集中在工具定义和多轮参数校验。这个观察比单纯看总 Token 更有解释力。如果要把实验扩展到 TheAgentCompany 风格的多步骤任务可以逐步加入读取多个文件、生成中间报告、校验输出格式、失败重试。每加一步都重新记录 Token 和重试次数。不要一次性把任务放大否则很难判断差异来自接口还是任务复杂度。8. 文末 CTA拿 Key、跑通最小任务、再决定 Coding Plan复现 TheAgentCompany 里的 Bash 与类型化接口对比第一步不是写复杂框架而是把 Key、Base URL、模型名固定下来。先到 TaoToken 官网 创建 KeyBase URL 填https://taotoken.net/api然后用本文的最小脚本跑通bash和typed两组任务。确认 Opus-4.8 可用后再逐步加入输出截断、命令白名单和 Token 日志。推荐路径如下先打开 模型对话确认 Opus-4.8、GPT-5.5 等模型在当前控制台的实际模型 ID。如果你要长期跑企业 Agent 评测查看 Coding Plan选择适合连续实验的套餐。到 API Keys 创建或轮换 Key填入YOUR_API_KEY。使用 Claude Code 的话参考 Claude Code 文档 配置settings.json和ANTHROPIC_*变量使用 Codex 则改用config.toml不要混用 Anthropic 变量。把 Bash Agent 的 Token 消耗记录清楚再和类型化接口放在同一张表里比较你得到的不只是一个论文复现结果而是一套能持续迭代的企业 Agent 评测基线。