03-实现 mini_cursor：大模型自动调用tool执行命令

前言

上节我们给大模型扩展了读文件的 tool，你说一个文件路径让它解释，它就可以自动调工具读文件内容给出解释了。

那继续思考：

如果我们给它扩展了执行命令、写文件、创建目录、读取目录、读文件等 tool，是不是就能实现 cursor 的功能呢？

虽然我们不会做那么完善，但是简易版确实可以写了。

这节我们就来实现下大模型根据 prompt 生成项目代码，自动读写文件、通过命令安装依赖、自动把项目跑起来，全程自己调用 tool 的功能。

使用

ls -la

创建 src/node-exec.mjs

import { spawn } from 'node:child_process'
// ls -la 命令的意思：以详细格式列出当前目录 所有文件（包括隐藏文件）
// 平常我们直接 ls 是看不到隐藏文件的
const command = 'ls -la'
const cwd = process.cwd()

// 解析命令和参数
const [cmd, ...args] = command.split(' ')

const child = spawn(cmd, args, {
  cwd,
  stdio: 'inherit', // 实时输出到控制台
  shell: true,
})

let errorMsg = ''

child.on('error', error => {
  errorMsg = error.message
})

child.on('close', code => {
  if (code === 0) {
    process.exit(0)
  } else {
    if (errorMsg) {
      console.error(`错误: ${errorMsg}`)
    }
    process.exit(code || 1)
  }
})

spawn 可以指定在 cwd 这个目录下执行命令，会创建一个子进程来跑，这也是为啥这个模块叫 child_process。

用空格分割出命令和参数部分，分别作为 cmd、args

inherit 就是这个子进程的 stdout 也输出到父进程的 stdout，也就是控制台。

跑一下：

mac@macdeMacBook-Air-3 aiagent % pnpm run node-exec

> ai@1.0.0 node-exec /Users/mac/jiuci/github/aiagent
> node src/node-exec.mjs

total 40
drwxr-xr-x   9 mac  staff   288 Feb  9 16:22 .
drwxr-xr-x   9 mac  staff   288 Feb  9 10:07 ..
-rw-r--r--   1 mac  staff   221 Feb  9 10:05 .env
drwxr-xr-x  12 mac  staff   384 Feb  9 10:04 .git
-rw-r--r--   1 mac  staff   778 Feb  9 10:00 .gitignore
drwxr-xr-x   8 mac  staff   256 Feb  9 16:22 node_modules
-rw-r--r--   1 mac  staff   428 Feb  9 16:22 package.json
-rw-r--r--   1 mac  staff  7815 Feb  9 10:00 pnpm-lock.yaml
drwxr-xr-x   5 mac  staff   160 Feb  9 16:20 src

我们先跑一下创建项目的命令：echo -e "n\nn" | pnpm create vite react-todo-app --template react-ts

含义：先模拟输入两次 n，再把这些输入“喂给” create-vite 命令

因为：pnpm create vite ...，通常会出现交互：

Need to install the following packages? (y/n)
Overwrite existing directory? (y/n)

需要你手动输入，这条命令就是自动回答

echo 两个 n 是有时候 vite 会让你选择两个选项：用不用 rolldown、安不安装依赖

echo n 然后通过管道操作符输出给那个进程就和我们键盘输入 n 一样的效果。

封装 tool

测试完之后，接下来就是封装 tools 了。

我们单独一个文件来放所有的 tools：

src/all-tools.mjs

import { tool } from '@langchain/core/tools'
import fs from 'node:fs/promises'
import path from 'node:path'
import { spawn } from 'node:child_process'
import { z } from 'zod'

// 1. 读取文件工具
const readFileTool = tool(
  async ({ filePath }) => {
    try {
      const content = await fs.readFile(filePath, 'utf-8')
      console.log(
        `  [工具调用] read_file("${filePath}") - 成功读取 ${content.length} 字节`,
      )
      return `文件内容:\n${content}`
    } catch (error) {
      console.log(
        `  [工具调用] read_file("${filePath}") - 错误: ${error.message}`,
      )
      return `读取文件失败: ${error.message}`
    }
  },
  {
    name: 'read_file',
    description: '读取指定路径的文件内容',
    schema: z.object({
      filePath: z.string().describe('文件路径'),
    }),
  },
)

// 2. 写入文件工具
const writeFileTool = tool(
  async ({ filePath, content }) => {
    try {
      const dir = path.dirname(filePath)
      await fs.mkdir(dir, { recursive: true })
      await fs.writeFile(filePath, content, 'utf-8')
      console.log(
        `  [工具调用] write_file("${filePath}") - 成功写入 ${content.length} 字节`,
      )
      return `文件写入成功: ${filePath}`
    } catch (error) {
      console.log(
        `  [工具调用] write_file("${filePath}") - 错误: ${error.message}`,
      )
      return `写入文件失败: ${error.message}`
    }
  },
  {
    name: 'write_file',
    description: '向指定路径写入文件内容，自动创建目录',
    schema: z.object({
      filePath: z.string().describe('文件路径'),
      content: z.string().describe('要写入的文件内容'),
    }),
  },
)

// 3. 执行命令工具（带实时输出）
const executeCommandTool = tool(
  async ({ command, workingDirectory }) => {
    const cwd = workingDirectory || process.cwd()
    console.log(
      `  [工具调用] execute_command("${command}")${
        workingDirectory ? ` - 工作目录: ${workingDirectory}` : ''
      }`,
    )

    return new Promise((resolve, reject) => {
      // 解析命令和参数
      const [cmd, ...args] = command.split(' ')

      const child = spawn(cmd, args, {
        cwd,
        stdio: 'inherit', // 实时输出到控制台
        shell: true,
      })

      let errorMsg = ''

      child.on('error', error => {
        errorMsg = error.message
      })

      child.on('close', code => {
        if (code === 0) {
          console.log(`  [工具调用] execute_command("${command}") - 执行成功`)
          const cwdInfo = workingDirectory
            ? `\n\n重要提示：命令在目录 "${workingDirectory}" 中执行成功。如果需要在这个项目目录中继续执行命令，请使用 workingDirectory: "${workingDirectory}" 参数，不要使用 cd 命令。`
            : ''
          resolve(`命令执行成功: ${command}${cwdInfo}`)
        } else {
          console.log(
            `  [工具调用] execute_command("${command}") - 执行失败，退出码: ${code}`,
          )
          resolve(
            `命令执行失败，退出码: ${code}${
              errorMsg ? '\n错误: ' + errorMsg : ''
            }`,
          )
        }
      })
    })
  },
  {
    name: 'execute_command',
    description: '执行系统命令，支持指定工作目录，实时显示输出',
    schema: z.object({
      command: z.string().describe('要执行的命令'),
      workingDirectory: z.string().optional().describe('工作目录（推荐指定）'),
    }),
  },
)

// 4. 列出目录内容工具
const listDirectoryTool = tool(
  async ({ directoryPath }) => {
    try {
      const files = await fs.readdir(directoryPath)
      console.log(
        `  [工具调用] list_directory("${directoryPath}") - 找到 ${files.length} 个项目`,
      )
      return `目录内容:\n${files.map(f => `- ${f}`).join('\n')}`
    } catch (error) {
      console.log(
        `  [工具调用] list_directory("${directoryPath}") - 错误: ${error.message}`,
      )
      return `列出目录失败: ${error.message}`
    }
  },
  {
    name: 'list_directory',
    description: '列出指定目录下的所有文件和文件夹',
    schema: z.object({
      directoryPath: z.string().describe('目录路径'),
    }),
  },
)

export { readFileTool, writeFileTool, executeCommandTool, listDirectoryTool }

每个 tool 都是 name、description 以及基于 zod 声明的参数格式。

调用工具

接下来就可以调用了：

创建 src/mini-cursor.mjs

import 'dotenv/config'
import { ChatOpenAI } from '@langchain/openai'
import {
  HumanMessage,
  SystemMessage,
  ToolMessage,
} from '@langchain/core/messages'
import {
  executeCommandTool,
  listDirectoryTool,
  readFileTool,
  writeFileTool,
} from './all-tools.mjs'

const model = new ChatOpenAI({
  modelName: 'qwen-plus',
  apiKey: process.env.OPENAI_API_KEY,
  temperature: 0,
  configuration: {
    baseURL: process.env.OPENAI_BASE_URL,
  },
})

const tools = [
  readFileTool,
  writeFileTool,
  executeCommandTool,
  listDirectoryTool,
]

// 绑定工具到模型
const modelWithTools = model.bindTools(tools)

// Agent 执行函数
async function runAgentWithTools(query, maxIterations = 30) {
  const messages = [
    new SystemMessage(`你是一个项目管理助手，使用工具完成任务。

当前工作目录: ${process.cwd()}

工具：
1. read_file: 读取文件
2. write_file: 写入文件
3. execute_command: 执行命令（支持 workingDirectory 参数）
4. list_directory: 列出目录

重要规则 - execute_command：
- workingDirectory 参数会自动切换到指定目录
- 当使用 workingDirectory 时，绝对不要在 command 中使用 cd
- 错误示例: { command: "cd react-todo-app && pnpm install", workingDirectory: "react-todo-app" }
这是错误的！因为 workingDirectory 已经在 react-todo-app 目录了，再 cd react-todo-app 会找不到目录
- 正确示例: { command: "pnpm install", workingDirectory: "react-todo-app" }
这样就对了！workingDirectory 已经切换到 react-todo-app，直接执行命令即可

回复要简洁，只说做了什么`),
    new HumanMessage(query),
  ]

  for (let i = 0; i < maxIterations; i++) {
    console.log(`⏳ 正在等待 AI 思考...`)
    const response = await modelWithTools.invoke(messages)
    messages.push(response)

    // 检查是否有工具调用
    if (!response.tool_calls || response.tool_calls.length === 0) {
      console.log(`\n✨ AI 最终回复:\n${response.content}\n`)
      return response.content
    }

    // 执行工具调用
    for (const toolCall of response.tool_calls) {
      const foundTool = tools.find(t => t.name === toolCall.name)
      if (foundTool) {
        const toolResult = await foundTool.invoke(toolCall.args)
        messages.push(
          new ToolMessage({
            content: toolResult,
            tool_call_id: toolCall.id,
          }),
        )
      }
    }
  }

  return messages[messages.length - 1].content
}

这样，模型、工具、调用流程就搭建完了。

接下来我们开始调用：

首先我们用 chalk 加点颜色，不然都是白色不好看：

这行背景变绿：console.log(chalk.bgGreen('⏳ 正在等待 AI 思考...'));

接下来写个 case：

const case1 = `创建一个功能丰富的 React TodoList 应用：

1. 创建项目：echo -e "n\nn" | pnpm create vite react-todo-app --template react-ts
2. 修改 src/App.tsx，实现完整功能的 TodoList：
 - 添加、删除、编辑、标记完成
 - 分类筛选（全部/进行中/已完成）
 - 统计信息显示
 - localStorage 数据持久化
3. 添加复杂样式：
 - 渐变背景（蓝到紫）
 - 卡片阴影、圆角
 - 悬停效果
4. 添加动画：
 - 添加/删除时的过渡动画
 - 使用 CSS transitions
5. 列出目录确认

注意：使用 pnpm，功能要完整，样式要美观，要有动画效果

之后在 react-todo-app 项目中：
1. 使用 pnpm install 安装依赖
2. 使用 pnpm run dev 启动服务器
`;

try {
  await runAgentWithTools(case1);
} catch (error) {
  console.error(`\n❌ 错误: ${error.message}\n`);
}

告诉它创建一个 todo app，然后安装依赖，跑起来。

你是不是在 cursor 里经常做这种事情？

今天用自己写的工具来做：node ./src/mini-cursor.mjs

import 'dotenv/config'
import { ChatOpenAI } from '@langchain/openai'
import {
  HumanMessage,
  SystemMessage,
  ToolMessage,
} from '@langchain/core/messages'
import {
  executeCommandTool,
  listDirectoryTool,
  readFileTool,
  writeFileTool,
} from './all-tools.mjs'
import chalk from 'chalk'

const model = new ChatOpenAI({
  modelName: 'qwen-plus',
  apiKey: process.env.OPENAI_API_KEY,
  temperature: 0,
  configuration: {
    baseURL: process.env.OPENAI_BASE_URL,
  },
})

const tools = [
  readFileTool,
  writeFileTool,
  executeCommandTool,
  listDirectoryTool,
]

// 绑定工具到模型
const modelWithTools = model.bindTools(tools)

// Agent 执行函数
async function runAgentWithTools(query, maxIterations = 30) {
  const messages = [
    new SystemMessage(`你是一个项目管理助手，使用工具完成任务。

当前工作目录: ${process.cwd()}

工具：
1. read_file: 读取文件
2. write_file: 写入文件
3. execute_command: 执行命令（支持 workingDirectory 参数）
4. list_directory: 列出目录

重要规则 - execute_command：
- workingDirectory 参数会自动切换到指定目录
- 当使用 workingDirectory 时，绝对不要在 command 中使用 cd
- 错误示例: { command: "cd react-todo-app && pnpm install", workingDirectory: "react-todo-app" }
这是错误的！因为 workingDirectory 已经在 react-todo-app 目录了，再 cd react-todo-app 会找不到目录
- 正确示例: { command: "pnpm install", workingDirectory: "react-todo-app" }
这样就对了！workingDirectory 已经切换到 react-todo-app，直接执行命令即可

回复要简洁，只说做了什么`),
    new HumanMessage(query),
  ]

  for (let i = 0; i < maxIterations; i++) {
    console.log(chalk.bgGreen(`⏳ 正在等待 AI 思考...`))
    const response = await modelWithTools.invoke(messages)
    messages.push(response)

    // 检查是否有工具调用
    if (!response.tool_calls || response.tool_calls.length === 0) {
      console.log(`\n✨ AI 最终回复:\n${response.content}\n`)
      return response.content
    }

    // 执行工具调用
    for (const toolCall of response.tool_calls) {
      const foundTool = tools.find(t => t.name === toolCall.name)
      if (foundTool) {
        const toolResult = await foundTool.invoke(toolCall.args)
        messages.push(
          new ToolMessage({
            content: toolResult,
            tool_call_id: toolCall.id,
          }),
        )
      }
    }
  }

  return messages[messages.length - 1].content
}

const case1 = `创建一个功能丰富的 React TodoList 应用：

1. 创建项目：echo -e "n\nn" | pnpm create vite react-todo-app --template react-ts
2. 修改 src/App.tsx，实现完整功能的 TodoList：
 - 添加、删除、编辑、标记完成
 - 分类筛选（全部/进行中/已完成）
 - 统计信息显示
 - localStorage 数据持久化
3. 添加复杂样式：
 - 渐变背景（蓝到紫）
 - 卡片阴影、圆角
 - 悬停效果
4. 添加动画：
 - 添加/删除时的过渡动画
 - 使用 CSS transitions
5. 列出目录确认

注意：使用 pnpm，功能要完整，样式要美观，要有动画效果

之后在 react-todo-app 项目中：
1. 使用 pnpm install 安装依赖
2. 使用 pnpm run dev 启动服务器
`

try {
  await runAgentWithTools(case1)
} catch (error) {
  console.error(`\n❌ 错误: ${error.message}\n`)
}

可以看到，过程中调用了各种工具：

 [工具调用] execute_command("echo -e "n\nn" | pnpm create vite react-todo-app --template react-ts") - 执行成功
  [工具调用] list_directory(".") - 找到 8 个项目
⏳ 正在等待 AI 思考...
  [工具调用] list_directory("react-todo-app") - 找到 11 个项目
⏳ 正在等待 AI 思考...
  [工具调用] read_file("react-todo-app/src/App.tsx") - 成功读取 903 字节
⏳ 正在等待 AI 思考...
  [工具调用] write_file("react-todo-app/src/App.tsx") - 成功写入 6953 字节
⏳ 正在等待 AI 思考...
  [工具调用] write_file("react-todo-app/src/App.css") - 成功写入 5127 字节
⏳ 正在等待 AI 思考...
  [工具调用] execute_command("pnpm install") - 工作目录: react-todo-app

   [工具调用] execute_command("pnpm install") - 执行成功
⏳ 正在等待 AI 思考...
  [工具调用] execute_command("pnpm run dev") - 工作目录: react-todo-app

我们写的 tool 都用上了。

读取目录、写入文件、读取文件、执行命令

当然，这个过程慢很正常，生成过程本来就慢，我们没用流式展示过程，其实你等待的时间一直在输出内容。流式相关的后面再做。

但是，这个项目的代码是用我们写的 mini cursor 自动创建、自动跑起来的：

它和 cursor 肯定有差距，但是已经实现部分功能了。

我们不是想真的实现 cursor，只是要知道它的实现原理。

总结

这节我们创建了更多的 tool，比如目录、文件的读写，还有用 spawn 执行命令。

我们基于这些 tool 实现了部分 cursor 功能，最终效果是，它可以帮你创建项目，写入文件，执行安装依赖、跑项目的命令。

相信学到这，你就知道 cursor 的大概实现原理了。

你也可以基于 tool + llm 来做一些自己想做的功能，边学边练，AI 学起来还是很有趣的！

代码解释

all-tools

import { tool } from '@langchain/core/tools'
import fs from 'node:fs/promises'
import path from 'node:path'
import { spawn } from 'node:child_process'
import { z } from 'zod'

// 1. 读取文件工具
const readFileTool = tool(
  async ({ filePath }) => {
    try {
      const content = await fs.readFile(filePath, 'utf-8')
      console.log(
        `[工具调用] read_file("${filePath}") - 成功读取 ${content.length} 字节`,
      )
      return `文件内容:\n${content}`
    } catch (error) {
      console.log(
        `[工具调用] read_file("${filePath}") - 错误: ${error.message}`,
      )
      return `读取文件失败: ${error.message}`
    }
  },
  {
    name: 'read_file',
    description: '读取指定路径的文件内容',
    schema: z.object({
      filePath: z.string().describe('文件路径'),
    }),
  },
)

// 2. 写入文件工具
const writeFileTool = tool(
  async ({ filePath, content }) => {
    try {
      const dir = path.dirname(filePath)
      // 确保这个目录存在，不存在就创建（连父目录一起）。
      // recursive 表示如果父目录不存在也一并创建，这样就不需要担心多层目录了。
      await fs.mkdir(dir, { recursive: true })
      await fs.writeFile(filePath, content, 'utf-8')
      console.log(
        `[工具调用] write_file("${filePath}") - 成功写入 ${content.length} 字节`,
      )
      return `文件写入成功: ${filePath}`
    } catch (error) {
      console.log(
        `[工具调用] write_file("${filePath}") - 错误: ${error.message}`,
      )
      return `写入文件失败: ${error.message}`
    }
  },
  {
    name: 'write_file',
    description: '向指定路径写入文件内容，自动创建目录',
    schema: z.object({
      filePath: z.string().describe('文件路径'),
      content: z.string().describe('要写入的文件内容'),
    }),
  },
)

// 3. 执行命令工具（带实时输出）
// 传入举例：{ "command": "pnpm install", "workingDirectory": "./my-project" }
const executeCommandTool = tool(
  async ({ command, workingDirectory }) => {
    const cwd = workingDirectory || process.cwd() // 工作目录，如果没传就使用当前工作目录
    console.log(
      `[工具调用] execute_command("${command}")${
        workingDirectory ? ` - 工作目录: ${workingDirectory}` : ''
      }`,
    )

    return new Promise((resolve, reject) => {
      // 解析命令和参数
      const [cmd, ...args] = command.split(' ')

      const child = spawn(cmd, args, {
        cwd,
        stdio: 'inherit', // 实时输出到控制台
        shell: true,
      })

      let errorMsg = ''

      child.on('error', error => {
        errorMsg = error.message
      })

      child.on('close', code => {
        // 0 是成功
        if (code === 0) {
          console.log(`[工具调用] execute_command("${command}") - 执行成功`)
          // 重要提示设计：因为 LLM 容易 cd ,但每次 tool 调用都是独立的进程，所以 cd 不会持久生效。
          const cwdInfo = workingDirectory
            ? `\n\n重要提示：命令在目录 "${workingDirectory}" 中执行成功。如果需要在这个项目目录中继续执行命令，请使用 workingDirectory: "${workingDirectory}" 参数，不要使用 cd 命令。`
            : ''
          resolve(`命令执行成功: ${command}${cwdInfo}`)
        } else {
          console.log(
            `  [工具调用] execute_command("${command}") - 执行失败，退出码: ${code}`,
          )
          // 失败分支，没有reject，因为在 Agent 体系里，工具执行失败不是程序错误，而是“模型可以根据错误继续推理”
          // 所以如果 reject，整个 Agent 会崩
          resolve(
            `命令执行失败，退出码: ${code}${
              errorMsg ? '\n错误: ' + errorMsg : ''
            }`,
          )
        }
      })
    })
  },
  {
    name: 'execute_command',
    description: '执行系统命令，支持指定工作目录，实时显示输出',
    schema: z.object({
      command: z.string().describe('要执行的命令'),
      // optional代表可选参数，推荐指定
      workingDirectory: z.string().optional().describe('工作目录（推荐指定）'),
    }),
  },
)

// 4. 列出目录内容工具
const listDirectoryTool = tool(
  async ({ directoryPath }) => {
    try {
      const files = await fs.readdir(directoryPath)
      console.log(
        `  [工具调用] list_directory("${directoryPath}") - 找到 ${files.length} 个项目`,
      )
      return `目录内容:\n${files.map(f => `- ${f}`).join('\n')}`
    } catch (error) {
      console.log(
        `  [工具调用] list_directory("${directoryPath}") - 错误: ${error.message}`,
      )
      return `列出目录失败: ${error.message}`
    }
  },
  {
    name: 'list_directory',
    description: '列出指定目录下的所有文件和文件夹',
    schema: z.object({
      directoryPath: z.string().describe('目录路径'),
    }),
  },
)

export { readFileTool, writeFileTool, executeCommandTool, listDirectoryTool }

mini-cursor

import 'dotenv/config'
import { ChatOpenAI } from '@langchain/openai'
import {
  HumanMessage,
  SystemMessage,
  ToolMessage,
} from '@langchain/core/messages'
import {
  executeCommandTool,
  listDirectoryTool,
  readFileTool,
  writeFileTool,
} from './all-tools.mjs'
import chalk from 'chalk'

const model = new ChatOpenAI({
  modelName: 'qwen-plus',
  apiKey: process.env.OPENAI_API_KEY,
  temperature: 0,
  configuration: {
    baseURL: process.env.OPENAI_BASE_URL,
  },
})

const tools = [
  readFileTool,
  writeFileTool,
  executeCommandTool,
  listDirectoryTool,
]

// 绑定工具到模型
const modelWithTools = model.bindTools(tools)

// Agent 执行函数
async function runAgentWithTools(query, maxIterations = 30) {
  const messages = [
    new SystemMessage(`你是一个项目管理助手，使用工具完成任务。

当前工作目录: ${process.cwd()}

工具：
1. read_file: 读取文件
2. write_file: 写入文件
3. execute_command: 执行命令（支持 workingDirectory 参数）
4. list_directory: 列出目录

重要规则 - execute_command：
- workingDirectory 参数会自动切换到指定目录
- 当使用 workingDirectory 时，绝对不要在 command 中使用 cd
- 错误示例: { command: "cd react-todo-app && pnpm install", workingDirectory: "react-todo-app" }
这是错误的！因为 workingDirectory 已经在 react-todo-app 目录了，再 cd react-todo-app 会找不到目录
- 正确示例: { command: "pnpm install", workingDirectory: "react-todo-app" }
这样就对了！workingDirectory 已经切换到 react-todo-app，直接执行命令即可

回复要简洁，只说做了什么`),
    new HumanMessage(query),
  ]

  // Agent loop，最多执行 30 轮，超过就停止
  for (let i = 0; i < maxIterations; i++) {
    console.log(chalk.bgGreen(`⏳ 正在等待 AI 思考...`))
    const response = await modelWithTools.invoke(messages)
    messages.push(response)

    // response 是模型返回的响应，包括：
    // - content: 模型返回的文本内容
    // - tool_calls: 模型调用的工具列表

    // 检查是否有工具调用
    if (!response.tool_calls || response.tool_calls.length === 0) {
      console.log(`\n✨ AI 最终回复:\n${response.content}\n`)
      return response.content
    }

    // 执行工具调用
    for (const toolCall of response.tool_calls) {
      const foundTool = tools.find(t => t.name === toolCall.name)
      if (foundTool) {
        const toolResult = await foundTool.invoke(toolCall.args)
        messages.push(
          new ToolMessage({
            content: toolResult,
            tool_call_id: toolCall.id,
          }),
        )
      }
    }
  }

  return messages[messages.length - 1].content
}

const case1 = `创建一个功能丰富的 React TodoList 应用：

1. 创建项目：echo -e "n\nn" | pnpm create vite react-todo-app --template react-ts
2. 修改 src/App.tsx，实现完整功能的 TodoList：
 - 添加、删除、编辑、标记完成
 - 分类筛选（全部/进行中/已完成）
 - 统计信息显示
 - localStorage 数据持久化
3. 添加复杂样式：
 - 渐变背景（蓝到紫）
 - 卡片阴影、圆角
 - 悬停效果
4. 添加动画：
 - 添加/删除时的过渡动画
 - 使用 CSS transitions
5. 列出目录确认

注意：使用 pnpm，功能要完整，样式要美观，要有动画效果

之后在 react-todo-app 项目中：
1. 使用 pnpm install 安装依赖
2. 使用 pnpm run dev 启动服务器
`

try {
  await runAgentWithTools(case1)
} catch (error) {
  console.error(`\n❌ 错误: ${error.message}\n`)
}

对比tool-file-read和mini-cursor

tool-file-read 是手动驱动工具调用流程

let response = await modelWithTools.invoke(messages);

while (response.tool_calls) {
  // 你自己执行工具
  // 你自己拼 ToolMessage
  // 再次调用模型
}

你做了三件事：

1. 模型说：我要调用 read_file
2. 你执行工具
3. 你把结果喂回模型

这叫LLM + Tool（函数调用模式）

mini-cursor中的写法本质上是让模型开始“自己决定下一步做什么”

它会：

1. 规划任务
2. 决定用哪个工具
3. 根据结果继续下一步
4. 一直循环直到完成

这就是：Agent（智能体）