1. 先理解问题：Agent 核心为什么不应该绑定 Provider一个 Agent 通常负责：保存对话状态；把用户消息加入上下文；请求模型生成回复；解析增量文本；识别工具调用；执行工具；把工具结果追加回上下文；继续下一轮模型请求。其中第 3 步才真正涉及模型供应商：Agent Loop │ ├─ 准备上下文 ├─ 调用模型生成回复 ← Provider 相关 ├─ 处理文本增量 ├─ 执行 Tool └─ 继续循环如果 Agent 核心直接写：import{streamAnthropic}from"...";import{streamOpenAI}from"...";那么核心就会依赖具体 Provider，带来几个问题：Agent 包必须安装所有 Provider SDK；增加新 Provider 时需要修改 Agent 核心；测试必须真正模拟或连接具体模型；用户无法方便地注入代理、缓存、重试、路由或本地模型；Agent 核心与模型鉴权、HTTP、API 格式耦合。Pi 的做法是把“请求模型并获得事件流”抽象成一个函数类型：StreamFn。2.StreamFn是什么定义位于：packages/agent/src/types.ts:33核心类型是：exporttypeStreamFn=(model:ModelApi,context:TranscriptContext,options?:SimpleStreamOptions,)=AssistantMessageEventStream|PromiseAssistantMessageEventStream;可以把它理解为：给我： - 一个模型描述 - 一份已经整理好的对话上下文 - 一些请求选项 返回： - 一个 AssistantMessageEventStream它的职责非常明确：StreamFn = 模型调用适配器Agent 不关心这个函数内部是：OpenAI Chat Completions；Anthropic Messages；Google Generative AI；Azure；Bedrock；本地 Ollama；远程代理；测试用 Mock；自己实现的 RPC 服务。Agent 只依赖统一的返回类型：AssistantMessageEventStream3. Agent 核心如何注入streamFnAgentOptions要求传入streamFn：// packages/agent/src/agent.ts:113exportinterfaceAgentOptions{initialState?:AgentInitialState;convertToLlm?:(messages:AgentMessage[])=Message[]|PromiseMessage[];transformContext?:(...);streamFn:StreamFn;...}构造 Agent 时：constagent=newAgent({initialState:{model,},streamFn,});Agent 会保存这个函数：// packages/agent/src/agent.ts:194publicstreamFunction:StreamFn;构造函数中完成注入：// packages/agent/src/agent.ts:230this.streamFunction=runtimeOptions.streamFn??getDefaultStreamFn(