深入理解 Python asyncio：从事件循环到 AI Agent 并发调用

Wed, 15 Oct 2025 00:00:00 +0000

写 AI Agent 的时候，你一定遇到过这个场景：LLM 返回了两个 tool call，比如同时查天气和查日历。它们之间没有依赖关系，完全可以并发执行。但如果你用 await 一个一个等，白白浪费了时间。

这篇文章从事件循环讲起，搞清楚 await 和 asyncio.create_task 的本质区别，最后落到 Agent 开发中的实际用法。

事件循环：asyncio 的心脏

事件循环（Event Loop）是 asyncio 的核心调度器。你可以把它想象成一个单线程的任务调度中心——它维护一个任务队列，不断地检查：哪个任务可以往前推进了？

import asyncio

async def say(msg, delay):
    await asyncio.sleep(delay)
    print(msg)

async def main():
    await say("hello", 1)
    await say("world", 1)

asyncio.run(main())
# 总耗时 2 秒：hello(1s) -> world(1s)，串行执行

asyncio.run(main()) 做了三件事：

创建一个事件循环
把 main() 作为入口协程扔进去
驱动事件循环直到 main() 完成

关键点：事件循环是单线程的。它不是靠多线程实现并发，而是靠"在等待 IO 的时候切换到别的任务"来实现并发。当一个协程 await asyncio.sleep(1) 的时候，事件循环知道这个任务要等 1 秒，就去执行别的任务了。

await：挂起当前协程，等结果回来

await 的语义很明确：挂起当前协程，等待目标协程完成，拿到返回值后继续往下走。

async def fetch_weather(city: str) -> dict:
    await asyncio.sleep(1)  # 模拟 API 调用
    return {"city": city, "temp": "22°C"}

async def main():
    # 串行：先查北京，等结果回来，再查上海
    beijing = await fetch_weather("北京")
    shanghai = await fetch_weather("上海")
    print(beijing, shanghai)
    # 总耗时 2 秒

这就像你在餐厅点菜，跟服务员说"先上第一道菜，等我吃完了再上第二道"。效率很低，但逻辑简单，适合有依赖关系的场景。

并发 on niuzj

深入理解 Python asyncio：从事件循环到 AI Agent 并发调用

事件循环：asyncio 的心脏

await：挂起当前协程，等结果回来