DarcyAI Claude Agent
darcycui/DarcyAIClaudeAgent
Agent ReAct em Python que clona a arquitetura do Claude Code
Ver no GitHubAgent em Python implementando o padrão ReAct, que imita a arquitetura do Claude Code do zero. Suporta Deepseek como modelo base e oferece duas versões: uma pura sem frameworks e outra com LangChain. Capacidades incluem leitura/escrita de arquivos, execução de shell e integração com MCP.
Instalação
npx convez-ai darcycui/DarcyAIClaudeAgent1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.
Métricas
Casos de uso
- Criar agents autônomos com raciocínio estruturado (Thought-Action-Observation)
- Gerar código web e automações via prompt (ex: jogo Snake em HTML/CSS/JS)
- Integrar ferramentas externas e executar comandos do sistema em agentes
Veredito

Excelente projeto educacional para entender arquitetura de agents ReAct na prática. Oferece duas implementações (pura e LangChain) mostrando diferentes abordagens, mas requer experiência sólida com Python e LLMs para aproveitar ao máximo.
README
A tradução para o português deste README ainda está na fila.
是什么
Python 语言实现的 ReAct模式 Agent
- 计算器 Agent 是一个简单的计算器Agent
- Darcy Claude Agent 是从0到1仿写的 Claude Agent
有什么能力
-
支持 deepseek AI聊天
-
支持拓展能力:计算两个数字的和
-
claude1 agent 第一版
不使用框架,纯手撸的一个ReAct模式Agent.
- 拓展能力:
- 读文件
- 写文件
- 执行shell命令
- 完成各种任务,比如:生成贪吃蛇游戏的 web 代码。
- 拓展能力:
-
claude2 agent 第二版
使用 LangChain框架搭建的一个ReAct模式Agent
拓展能力:
- 读文件
- 写文件
- 执行shell命令
- 计算两个数字的和
- MCP 调用远程服务
- Skills 支持技能
- 完成各种任务,比如:生成贪吃蛇游戏的 web 代码。
怎么用
运行 claude1 agent 第一版
- 定义环境变量 DEEPSEEK_API_KEY deepseek官网申请 apikey
- 运行 src/claude1/my_claude_agent.py
- 这里需要先设置代码生成的目录,比如 test

- 在命令行 输入问题,例如: 写一个贪吃蛇游戏,使用HTML,css和js实现,代码分别放在不同的文件中。
- 执行shell命令时 需要输入 y
- test 文件夹有一份AI生成的代码:index.html game.js style.css 可以直接运行
运行 claude2 agent 第二版
使用 LangChain框架,搭建一个ReAct模式Agent
- 运行 src/claude2/langchain_agent.py
ReAct模式
-
借鉴人类的思维模式
一个重要的洞察:
- 我们人类在处理任务的时候有一个内心小剧场,用语言的方式指导我们已经做了什么(Working Memory),以及下一步要做什么。
- 如果这个模式适用于人类,那么也会同样适用于LLM。
-
React模式
把ReAct这个思维模式进行结构化,实际上就是 Thought(思考) -> Action(行动) -> Observation(观察)三步的循环:
- Thought:模型分析当前情况,思考下一步该做什么,以及为什么要这么做。
- Action:基于思考,模型决定调用哪个工具,并生成具体的调用指令(如搜索查询)。
- Observation:工具执行后返回结果(如搜索引擎返回的摘要),模型接收这个结果作为新的信息。 循环这三个步骤,每一轮,大模型都会结合Thought,Action,及Observation,进行下一轮的规划思考,直到用户任务得到最终解决。从而实现AI Agent(智能代理)。
-
流程图
