LLM sam po sebi je stateless transformer teksta: prima tokene, vraća tokene. Bez pamćenja prethodnih koraka, bez pristupa vanjskim sistemima. Agentni loop (petlja) mijenja tu jednačinu - strukturiranjem izvršavanja kao višekornog razgovora u kojem model može tražiti akcije, primati rezultate, i iterirati. Ovo nije marketinški termin. To je konkretan kontrolni obrazac s jasnom mehanikom, definisanim uvjetima zaustavljanja, i skupom poznatih načina na koje može otkazati.

Šta je agentni loop

Osnovna ideja je jednostavna. LLM-u se daje pristup skupa alata (tools) - funkcija koje harness može izvršiti u ime modela. Model prima akumuliranu historiju razgovora (sve prethodne korake i njihove rezultate), rasuđuje nad njom, i donosi jednu od dvije odluke: pozvati alat ili dati finalni odgovor.

Kada model odluči pozvati alat, harness (neparametarski scaffolding) koji okružuje model preuzima kontrolu: detektira signal, izvršava operaciju, dodaje rezultat u listu poruka, i ponovo poziva model. Ovaj ciklus se ponavlja dok se ne dostigne uvjet zaustavljanja.

Ključna podjela odgovornosti: model odlučuje šta treba uraditi; harness to radi. Model nikada direktno ne izvršava ništa - samo emituje zahtjev. Ova separacija nije samo arhitekturna elegancija - ona je i sigurnosna granica.

Sa svakim ciklusom context window se povećava. Svaki poziv alatu i svaki rezultat dodaju tokene u historiju. Duži zadaci neizbježno pritiskaju granicu prozora, što je jedno od fundamentalnih ograničenja agentnih sistema.

Agentni loop — observe, reason, act Agentni loop Observe · Reason · Act — sve dok model ne emituje finalni odgovor ZADATAK Višekoraki zadatak koji zahtijeva pristup vanjskim informacijama MODEL (LLM) Rasuđuje nad historijom razgovora i odabira sljedeću akciju: → poziv alatu (tool_use) → finalni odgovor (end_turn) ↻ ponavljan dok nema end_turn tool_use HARNESS Detektira signal, izvršava poziv alatu, dodaje tool_result u historiju neparametarski scaffolding oko modela ALATI Vanjski API, baza podataka, pretraživač, file system — svaki poziv → tool_result definisani JSON schema-om u tools nizu tool_result ↺ finalni odgovor ODGOVOR Model emitovao end_turn — zadatak dovršen uvjeti zaustavljanja: end_turn · max_turns · token budžet · human-in-the-loop Pusti ponovo
Agentni loop: LLM emituje tool_use signal, harness izvršava alat, tool_result se vraća u historiju - ciklus se ponavlja dok nema end_turn.

Mehanika poziva alatu

Na nivou API-a, mehanika je standardizirana između glavnih providera. Uzmimo Anthropic API kao reprezentativan primjer.

Harness šalje messages niz zajedno s tools nizom koji sadrži JSON-schema definicije dostupnih alata. Kada model odluči pozvati alat, API odgovor vraća stop_reason: "tool_use" i jedan ili više tool_use blokova sadržaja - svaki s identifikatorom, imenom alata, i JSON ulaznim parametrima.

Harness zatim:

  1. Izvlači tool_use blokove
  2. Izvršava svaki alat (paralelno, ako ih ima više)
  3. Sastavlja tool_result blokove vezane za originalne identifikatore
  4. Dodaje ih u razgovor kao poruku s user ulogom
  5. Ponovo poziva model

OpenAI API je strukturno identičan: finish_reason: "tool_calls" signalizira poziv alatu; tool_choice parametar kontrolira mod.

Jedan detalj koji se često propušta: Anthropic server-side alati (npr. web_search koji se izvršava unutar Anthropic infrastrukture) imaju vlastiti unutarnji izvršni loop. Ako taj unutarnji loop dostigne vlastiti limit, API vraća stop_reason: "pause_turn" umjesto finalnog odgovora - harness mora ponovo podnijeti zahtjev da bi nastavio. Harness koji to ne obrađuje tiho će izgubiti progres.

Paralelni pozivi alatu su uobičajeni u produkciji. Model može u jednom koraku emitovati više tool_use blokova - harness ih izvršava konkurentno, što reducira latenciju.

Imenovani obrasci

Istraživačka zajednica je dokumentovala nekoliko specifičnih varijanti agentnog loopa.

ReAct (Yao et al., 2022, arXiv:2210.03629) je prvo sistematsko pokazivanje da kombinovanje razmišljanja u prirodnom jeziku s upotrebom alata nadmašuje svaki pristup posebno. Obrazac je trostepeni: Thought (verbalno razmišljanje), Action (poziv alatu), Observation (rezultat). Autori izvještavaju +34% apsolutno nad RL-baselines na ALFWorld i +10% na WebShop benchmarku, prema vlastitoj evaluaciji u radu.

MRKL (Karpas et al., 2022) postavlja LLM kao router koji preusmjerava pod-upite specijaliziranim modulima - kalkulatorima, bazama podataka, retrieval engineima.

Plan-and-Execute odvaja planiranje od izvršavanja: planer generiše dekompoziciju zadatka; executor je prolazi korak po korak. Slabost je krhkost plana - ako rani koraci ne uspiju, executor često nema mehanizam za replaniranje.

Reflexion (Shinn et al., 2023) dodaje post-failure korak refleksije: model generiše verbalnu kritiku vlastite greške, pamti je, i koristi pri ponovnom pokušaju.

Tree of Thoughts (Yao et al., 2023) proširuje svaki korak na eksploraciju više grana razmišljanja koristeći BFS ili DFS s evaluatorom trajektorija. Skuplje po tokenima, prikladnije za zadatke koji zahtijevaju planiranje unaprijed.

Uvjeti zaustavljanja

Svaki agentni loop mora imati definirane uvjete koji ga terminiraju. Nedostatak ovdje je najčešći uzrok zaglavljivanja u produkciji.

Prirodna terminacija - model emituje stop_reason: "end_turn" (Anthropic) ili finish_reason: "stop" (OpenAI).

Tvrdi iterativni cap - harness-enforced maksimum. LangGraph recursion_limit defaultuje na 25; OpenAI Agents SDK koristi max_turns.

Token / troškovni budžet - loop izlazi kada kumulativna potrošnja tokena pređe prag. Agentni zadaci troše otprilike 4× više tokena od jednokratnih poziva prema internom OpenAI guidance za Agents SDK - heuristika, ne izmjerena vrijednost; može se razlikovati za druge harness implementacije.

Human-in-the-loop kapija - izvršavanje pauzira čekajući ljudsku potvrdu. LangGraph koristi interrupt; Anthropic vraća pause_turn. Kritično za visoko-rizične operacije.

Korisna tehnika: “finish action” pattern - model dobiva eksplicitni finish alat kojim signalizira dovršetak. Čini terminaciju eksplicitnom i reducira lažne rane izlaske.

Načini otkazivanja

Beskonačni / tijesni loopovi - model poziva isti alat s istim argumentima iznova. Mitigacija: detekcija bez progresa (hash provjera naziva alata i argumenata); iterativni cap.

Halucinacije (hallucination) u pozivima alatu - model poziva alat koji nije definiran, ili prosljeđuje argumente koji ne odgovaraju schema definiciji. Mitigacija: striktna schema validacija na harness nivou.

Tihe greške alata - alat vraća prazan string na grešku; model to tretira kao uspjeh. Mitigacija: strukturirani error objekti.

Overflow kontekstnog prozora - svaka iteracija dodaje tokene; dugi zadaci pune prozor. Mitigacija: periodična sumarizacija, sliding window pristup.

Retry storms - više agenata koji svaki nezavisno ponavljaju neuspjeli poziv alatu saturiraju downstream servis. Mitigacija: exponential backoff s jitterom; circuit breaker pattern.

Krhkost plana - Plan-and-Execute pristup puca kada rani koraci ne uspiju. Mitigacija: Reflexion-style logovanje grešaka; triggeri za replaniranje.

Provider finish_reason nepodudarnost - određeni OpenAI-kompatibilni provideri vraćaju stop u finish_reason čak i kada su tool_calls prisutni. Harnesovi koji na osnovu finish_reason odlučuju o terminaciji tada prijevremeno izlaze iz loopa. Zabilježeno u februaru 2026.; status u trenutnim verzijama nije verificiran.

Multi-agent proširenja

Jednoagentni loop ima strukturna ograničenja: kontekstni prozor koji se puni, nemogućnost paralelizacije, nedostatak specijalizacije.

Orchestrator–sub-agent obrazac: orchestrator (koordinatorski agent) prima zadatak, dekomponuje ga, i delegira pod-zadatke specijaliziranim sub-agentima, od kojih svaki pokreće vlastiti unutarnji loop. Sub-agenti su stateless s perspektive orchestratora. Handoff se odvija putem poziva alatu ili direktnog prosljeđivanja poruka.

Peer / swarm arhitektura: agenti komuniciraju putem zajedničke message bus ili dijeljenog pamćenja, bez centralnog koordinatora. Emergentna koordinacija, ali teža za debugging.

Praktično pravilo za prijelaz: jednoagentni sistem je jednostavniji i jeftiniji. Multi-agent je opravdan kada je (a) overflow kontekstnog prozora realan problem, (b) izolacija zadataka neophodna, ili (c) paralelizacija smisleno smanjuje wall-clock vrijeme. Trošak tokena raste super-linearno u multi-agent sistemima.

MCP (Model Context Protocol - protokol za kontekst modela) pruža unificiran mehanizam za deklarisanje alata koji može koristiti bilo koji kompatibilni harness. Još je u fazi aktivnog razvoja s breaking changes.

Šta ovo znači u praksi

Uvjeti zaustavljanja su obavezni. Svaki harness mora imati tvrdi iterativni cap. Loop bez capa je produkcijska greška.

Strukturirajte greške alata eksplicitno. Prazan string kao error odgovor je gotovo uvijek greška dizajna. Error objekt s jasnim statusom i porukom je minimum.

Pratite trošak tokena po pozivu. Agentni zadaci imaju karakteristično drugačiji troškovni profil od batch API poziva.

Debugging zahtijeva vidljivost u svaki korak loopa. Logujte svaki tool_use zahtjev i svaki tool_result odgovor s timestampom i identifikatorom sesije.

Validacija scheme nije opcija. Schema validacija tool_use argumenata na harness nivou blokira cijelu kategoriju halucinacija u pozivima alatu.

Zaključak

Agentni loop nije apstraktni koncept - to je konkretan kontrolni obrazac s dobro razumljenim načinima otkazivanja. ReAct, Reflexion, Plan-and-Execute nisu marketinški nazivi nego istraživački dokumentovani obrasci s jasnim trade-off profilima. Razlika između agentnog sistema koji funkcioniše u produkciji i onog koji ne funkcioniše rijetko je u izboru modela - obično je u harness dizajnu: stopping conditions, error handling, i vidljivost u svaki korak.

Tooling (LangGraph, OpenAI Agents SDK, Anthropic agent primitives) razvija se brzo s breaking changes - pratite verzioniranje. Temeljna struktura observe–reason–act loopa, međutim, stabilna je i neće se promijeniti.

Izvori