TheAgentCompany 里 Bash 超过类型化接口，TaoToken 发 Key 给 Opus-4.8

1. 复现 TheAgentCompany 前，先分清 Bash 接口与类型化接口的 Token 账

复现 TheAgentCompany 时，Bash 工具接口与类型化工具接口的差异，最终都会落到 Token 消耗和错误恢复上。微软那篇论文在 TheAgentCompany 和 APEX-Agents 上用 Opus-4.8、GPT-5.5 做对比，结论是 Bash 在企业 Agent 任务里并不吃亏，甚至超过类型化接口。要复现这套评测，先到 TaoToken 官网 拿 Key，再把 Base URL 填为https://taotoken.net/api。本文不把论文复述成新闻，而是从企业 Agent 评测复现者的视角，给出最小任务脚本、Key 注入配置、Bash 与类型化接口对照表，并重点解释 Bash Agent 的 Token 消耗从哪里来、怎么压。

很多团队第一次跑 Agent 评测时，会把注意力放在模型名和任务成功率上，结果跑完一轮才发现成本曲线不对：Bash 工具调用看起来简单，却因为命令输出回灌、重试、多轮试错，把上下文迅速撑大；类型化接口看起来规范，却因为 JSON Schema、参数校验、工具数量膨胀，在首轮 prompt 里就吃掉大量 Token。TheAgentCompany 这类任务很适合暴露这个问题，因为任务本身包含文件操作、命令执行、结果校验和跨步骤状态传递。复现者要做的不是简单“跑通”，而是把接口类型、模型、Token 消耗、重试次数、完成状态都记录下来，形成可比较的本地实验。

如果你还没有 Key，建议先打开 TaoToken 官网 完成注册并创建 Key。Key 是后续 Claude Code、Codex、Python 脚本调用 Opus-4.8 或 GPT-5.5 的入口，Base URL 统一填https://taotoken.net/api。下面从 Key 注入开始，一步步搭出可复现的最小环境。

2. 用 TaoToken 发 Key 给 Opus-4.8：API Key 注入与环境变量配置

企业 Agent 评测最怕配置散落在多个文件里。建议把 Key、Base URL、模型名收敛到环境变量，再分别映射到 Claude Code、Codex 和 Python 脚本。首先在 TaoToken 官网 的 API Keys 页面创建 Key，复制后不要提交到 Git。本地可以这样注入：

# 通用环境变量，Python 脚本和 Codex 都可以引用 export TAOTOKEN_API_KEY="YOUR_API_KEY" export TAOTOKEN_BASE_URL="https://taotoken.net/api" # 如果使用 OpenAI 兼容 SDK，可额外映射 export OPENAI_API_KEY="$TAOTOKEN_API_KEY" export OPENAI_BASE_URL="$TAOTOKEN_BASE_URL" # 复现时建议固定模型，避免不同轮次漂移 export TAOTOKEN_MODEL="claude-opus-4-8"

注意模型 ID 以 TaoToken 控制台展示为准。Opus-4.8 是本文复现目标之一，但不同控制台可能显示为带版本后缀的 ID。生产脚本里不要把模型名硬编码到业务代码，放到环境变量或配置文件中，便于 Bash 接口和类型化接口使用同一模型做对照。

Claude Code 使用settings.json和ANTHROPIC_*变量。可以在用户级或项目级配置中加入：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY", "ANTHROPIC_MODEL": "claude-opus-4-8", "ANTHROPIC_SMALL_FAST_MODEL": "claude-haiku-4-5" } }

这里的关键是ANTHROPIC_BASE_URL指向https://taotoken.net/api，ANTHROPIC_AUTH_TOKEN使用刚才创建的 Key。不要把ANTHROPIC_*这套变量写进 Codex 的config.toml，两者配置体系不同。Codex 应使用config.toml，示例如下：

model = "gpt-5.5" model_provider = "taotoken" [model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api" env_key = "TAOTOKEN_API_KEY" wire_api = "responses"

然后确保 shell 中已经导出TAOTOKEN_API_KEY。如果你用 CC Switch 管理多套配置，检查“三件套”是否一致：第一，Base URL 是否指向https://taotoken.net/api；第二，Key 引用是否指向YOUR_API_KEY对应的环境变量；第三，默认模型是否与当前评测轮次一致。任何一处写错，都会表现为 401、404 或模型不存在。

可以用一个最小请求验证 Key 是否可用。以下命令假设你已安装curl，并且只在本地执行：

curl -sS https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer $TAOTOKEN_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "'"$TAOTOKEN_MODEL"'", "messages": [{"role": "user", "content": "只回复 ok"}], "max_tokens": 16, "temperature": 0 }'

如果返回 401，先检查 Key 是否复制完整、是否有多余空格、是否在请求头中带了Bearer。如果返回模型不存在，回到控制台确认 Opus-4.8 的实际模型 ID。如果返回路径错误，检查 Base URL 是否误写成https://taotoken.net/api/并额外拼了多余斜杠。

3. TheAgentCompany 最小任务脚本：本地跑 Bash Agent 与类型化接口

为了公平比较 Bash 与类型化接口，我们设计一个最小任务：本地目录中有一个sales.csv，要求 Agent 读取文件，筛选出状态为error的行，统计数量，并写出result.json。任务不连接任何生产数据库，所有命令都在本地隔离目录执行。这个任务足够小，但又包含读取、筛选、写入三个阶段，能观察两种接口在 Token 消耗和错误恢复上的差异。

项目结构如下：

theagentcompany-min/ ├── theagentcompany_min.py └── agent_work/ └── sales.csv

先用 Python 生成一份测试数据：

mkdir -p theagentcompany-min/agent_work cd theagentcompany-min python - <<'PY' import csv, pathlib p = pathlib.Path("agent_work/sales.csv") rows = [ {"id": "1", "region": "east", "amount": "120", "status": "ok"}, {"id": "2", "region": "west", "amount": "80", "status": "error"}, {"id": "3", "region": "east", "amount": "200", "status": "ok"}, {"id": "4", "region": "north", "amount": "50", "status": "error"}, ] with p.open("w", newline="", encoding="utf-8") as f: writer = csv.DictWriter(f, fieldnames=["id", "region", "amount", "status"]) writer.writeheader() writer.writerows(rows) print(p) PY

然后写最小 Agent 脚本。它支持两种工具集：bash模式只给一个run_bash工具；typed模式给typed_read_csv、typed_filter_rows、typed_write_json三个类型化工具。脚本使用 OpenAI 兼容 SDK，Base URL 指向https://taotoken.net/api。

# theagentcompany_min.py import os import json import csv import subprocess import pathlib from openai import OpenAI BASE_URL = os.environ.get("TAOTOKEN_BASE_URL", "https://taotoken.net/api") API_KEY = os.environ["TAOTOKEN_API_KEY"] MODEL = os.environ.get("TAOTOKEN_MODEL", "claude-opus-4-8") client = OpenAI(base_url=BASE_URL, api_key=API_KEY) WORKDIR = pathlib.Path(__file__).parent / "agent_work" WORKDIR.mkdir(exist_ok=True) def run_bash(command: str) -> str: """在本地隔离目录执行 bash，返回截断后的输出。""" proc = subprocess.run( command, shell=True, cwd=WORKDIR, capture_output=True, text=True, timeout=20, ) output = (proc.stdout or "") + (proc.stderr or "") # 关键：截断输出，避免大文件回灌推高 Token return output[:4000] def typed_read_csv(path: str, limit: int = 20) -> str: rows = [] with (WORKDIR / path).open(newline="", encoding="utf-8") as f: reader = csv.DictReader(f) for i, row in enumerate(reader): if i >= limit: break rows.append(row) return json.dumps(rows, ensure_ascii=False) def typed_filter_rows(path: str, column: str, value: str) -> str: rows = [] with (WORKDIR / path).open(newline="", encoding="utf-8") as f: reader = csv.DictReader(f) for row in reader: if row.get(column) == value: rows.append(row) return json.dumps(rows, ensure_ascii=False) def typed_write_json(path: str, data: str) -> str: obj = json.loads(data) (WORKDIR / path).write_text( json.dumps(obj, ensure_ascii=False, indent=2), encoding="utf-8", ) return f"written:{path}" TOOLS_BASH = [ { "type": "function", "function": { "name": "run_bash", "description": "在本地隔离目录执行 bash 命令，用于查看、筛选、统计和写入文件。", "parameters": { "type": "object", "properties": { "command": {"type": "string", "description": "要执行的 bash 命令"} }, "required": ["command"], }, }, } ] TOOLS_TYPED = [ { "type": "function", "function": { "name": "typed_read_csv", "description": "读取 CSV 的前 N 行，返回 JSON 数组。", "parameters": { "type": "object", "properties": { "path": {"type": "string"}, "limit": {"type": "integer", "default": 20}, }, "required": ["path"], }, }, }, { "type": "function", "function": { "name": "typed_filter_rows", "description": "按列值筛选 CSV 行，返回 JSON 数组。", "parameters": { "type": "object", "properties": { "path": {"type": "string"}, "column": {"type": "string"}, "value": {"type": "string"}, }, "required": ["path", "column", "value"], }, }, }, { "type": "function", "function": { "name": "typed_write_json", "description": "把 JSON 字符串写入指定文件。", "parameters": { "type": "object", "properties": { "path": {"type": "string"}, "data": {"type": "string"}, }, "required": ["path", "data"], }, }, }, ] def dispatch_tool(name: str, args: dict) -> str: if name == "run_bash": return run_bash(args["command"]) if name == "typed_read_csv": return typed_read_csv(args["path"], args.get("limit", 20)) if name == "typed_filter_rows": return typed_filter_rows(args["path"], args["column"], args["value"]) if name == "typed_write_json": return typed_write_json(args["path"], args["data"]) return f"unknown_tool:{name}" def run_agent(mode: str) -> str: tools = TOOLS_BASH if mode == "bash" else TOOLS_TYPED task = ( "本地 agent_work/sales.csv 包含销售记录。请筛选 status 为 error 的行，" "统计数量，并写入 agent_work/result.json。所有操作只允许在 agent_work 目录内完成。" ) messages = [ { "role": "system", "content": "你是企业 Agent 评测复现助手。只使用提供的工具，本地执行，不要连接生产数据库。", }, {"role": "user", "content": task}, ] for step in range(8): resp = client.chat.completions.create( model=MODEL, messages=messages, tools=tools, tool_choice="auto", temperature=0, ) msg = resp.choices[0].message messages.append(msg) if not msg.tool_calls: return msg.content or "done" for tc in msg.tool_calls: args = json.loads(tc.function.arguments or "{}") result = dispatch_tool(tc.function.name, args) messages.append( { "role": "tool", "tool_call_id": tc.id, "content": result, } ) return "max_steps_reached" if __name__ == "__main__": import sys mode = sys.argv[1] if len(sys.argv) > 1 else "bash" print(run_agent(mode))

运行方式：

export TAOTOKEN_API_KEY="YOUR_API_KEY" export TAOTOKEN_MODEL="claude-opus-4-8" python theagentcompany_min.py bash python theagentcompany_min.py typed

跑完后再检查结果：

cat agent_work/result.json

这个脚本不是完整 Agent 框架，但它把关键变量固定下来了：同一个任务、同一个模型、同一份数据，只切换工具接口。复现者可以在client.chat.completions.create前后记录 Token 用量，或者在每轮工具返回后统计上下文长度。Bash 模式通常会把命令执行结果直接回灌，类型化模式则会把参数和返回值结构化，二者对 Token 的消耗模式不同。

4. Bash 与类型化接口对照表：Token 消耗、错误恢复与可观测性

下表不是论文数字复刻，而是复现者在本地跑最小任务时应该记录的维度。你可以把每一列替换成自己环境的实际值，形成可比较的实验记录。

从复现经验看，Bash 在企业 Agent 任务里“超过类型化接口”往往不是因为它更聪明，而是因为它减少了工具之间的协调成本。类型化接口要求模型先理解每个工具的参数语义，再在多轮里拼装调用链；Bash 只要求模型理解 shell 和文件系统，组合方式更自由。但自由也意味着 Token 消耗更不可控。一次cat大文件、一次find /、一次未截断的日志输出，就可能把上下文推到高位。

类型化接口的优势在于边界清晰。比如typed_write_json只接受路径和 JSON 字符串，模型不容易误写系统目录。对于企业评测，写操作、删除操作、外部提交操作应该优先类型化，读操作和探索操作可以交给 Bash。这样既保留 Bash 的灵活性，又用类型化接口守住关键路径。

5. 控制 Bash Agent Token 消耗：从输出截断到命令白名单

如果你的评测目标是“用 Opus-4.8 复现 Bash Agent 的 Token 曲线”，下面 7 个手段建议直接写进工具包装器，而不是依赖模型自觉。

第一，输出截断。run_bash返回前统一截断到固定字符数，例如 4000 字符。超出部分写完整日志到本地文件，只把摘要返回给模型。示例：

def run_bash_limited(command: str, max_chars: int = 4000) -> str: proc = subprocess.run( command, shell=True, cwd=WORKDIR, capture_output=True, text=True, timeout=20, ) output = (proc.stdout or "") + (proc.stderr or "") if len(output) > max_chars: # 完整输出落盘，模型只拿摘要 (WORKDIR / "last_command.log").write_text(output, encoding="utf-8") return output[:max_chars] + f"\n...[truncated, full log: last_command.log]" return output

第二，避免cat大文件。模型经常用cat sales.csv查看数据，这会把整份文件塞进上下文。可以在系统提示里要求：查看文件优先用head、wc -l、sed -n、jq。更好的做法是在 Bash 工具描述里明确“禁止无参数 cat 大文件”。

第三，结构化中间产物。用jq -c压缩 JSON，用cut选择列，用awk聚合。例如统计 error 行数可以用：

awk -F, 'NR>1 && $4=="error" {c++} END {print c+0}' agent_work/sales.csv

第四，控制命令回显。set +x避免脚本调试输出被模型看到。只把必要 stdout 回传，stderr 可以摘要化。

第五，临时目录隔离。所有 Bash 命令限制在agent_work目录内，防止模型探索到无关文件，既安全也省 Token。

第六，重试只回传错误摘要。第一次失败时返回完整 stderr，后续重试只返回错误类型和关键行。可以在包装器里做去重和截断。

第七，关键写操作用类型化接口兜底。Bash 负责读和试探，写结果、改配置、提交产物走类型化工具。这样 Token 消耗集中在探索阶段，写操作不会因为命令拼接错误反复重试。

这些手段不会改变模型能力，但会显著改变 Token 曲线。复现论文结论时，如果不控制 Bash 输出，很容易把“Bash 更省钱”误判成“Bash 更贵”。

6. 排障清单：401、模型名、Base URL、流式中断与 CC Switch 冲突

复现企业 Agent 评测时，环境问题比模型问题更常见。下面按症状排查。

401 Unauthorized：检查YOUR_API_KEY是否完整，请求头是否为Authorization: Bearer YOUR_API_KEY，环境变量是否真的被当前 shell 读取。Claude Code 的ANTHROPIC_AUTH_TOKEN和 Python 的TAOTOKEN_API_KEY可以指向同一个 Key，但不要混用变量名。

模型不存在：Opus-4.8、GPT-5.5 在控制台可能有不同模型 ID。不要凭记忆写死，先到模型对话页面确认可用模型，再填到脚本或配置。Python 脚本里用TAOTOKEN_MODEL，Claude Code 里用ANTHROPIC_MODEL，Codex 里用model。

Base URL 错误：统一填https://taotoken.net/api。注意不要末尾多斜杠，也不要在 SDK 已经拼接路径的情况下再手动加/v1。如果 curl 验证失败，先换成 SDK 最小请求，排除路径拼接问题。

流式中断：长任务中 Bash 输出过多可能导致响应变慢或中断。降低max_tokens，对工具输出做截断，关闭不必要的流式回显。评测脚本里记录每轮耗时，便于区分网络问题和模型问题。

CC Switch 冲突：如果你用 CC Switch 管理多套配置，确认当前激活项的三件套一致。常见问题是 Base URL 切到了 TaoToken，但 Key 还是旧环境的；或者 Claude Code 的ANTHROPIC_*被误写进 Codex 的config.toml。Codex 应使用model_providers.taotoken和env_key = "TAOTOKEN_API_KEY"，不要套用 Anthropic 变量。

本地命令安全：所有 Bash 命令由读者在本地隔离目录执行，不要把 Agent 指向生产数据库、线上容器或真实凭证目录。评测数据用生成的 CSV 或脱敏样例，写操作只落在agent_work下。

7. 复现记录模板：把论文里的对比变成可重复的本地实验

要把 Bash 与类型化接口的对比做扎实，建议每轮实验记录以下字段：

可以在 Python 脚本中把resp.usage写入 JSONL：

import json, pathlib def log_usage(run_id, mode, model, usage, step, extra=None): path = pathlib.Path("runs.jsonl") record = { "run_id": run_id, "mode": mode, "model": model, "step": step, "input_tokens": getattr(usage, "prompt_tokens", None), "output_tokens": getattr(usage, "completion_tokens", None), } if extra: record.update(extra) with path.open("a", encoding="utf-8") as f: f.write(json.dumps(record, ensure_ascii=False) + "\n")

跑完bash和typed两组后，对比input_tokens、output_tokens、tool_calls、retries。你会发现 Bash 的 Token 消耗经常集中在工具输出回灌，而类型化接口的 Token 消耗集中在工具定义和多轮参数校验。这个观察比单纯看总 Token 更有解释力。

如果要把实验扩展到 TheAgentCompany 风格的多步骤任务，可以逐步加入：读取多个文件、生成中间报告、校验输出格式、失败重试。每加一步，都重新记录 Token 和重试次数。不要一次性把任务放大，否则很难判断差异来自接口还是任务复杂度。

8. 文末 CTA：拿 Key、跑通最小任务、再决定 Coding Plan

复现 TheAgentCompany 里的 Bash 与类型化接口对比，第一步不是写复杂框架，而是把 Key、Base URL、模型名固定下来。先到 TaoToken 官网 创建 Key，Base URL 填https://taotoken.net/api，然后用本文的最小脚本跑通bash和typed两组任务。确认 Opus-4.8 可用后，再逐步加入输出截断、命令白名单和 Token 日志。

推荐路径如下：

1. 先打开 模型对话，确认 Opus-4.8、GPT-5.5 等模型在当前控制台的实际模型 ID。
2. 如果你要长期跑企业 Agent 评测，查看 Coding Plan，选择适合连续实验的套餐。
3. 到 API Keys 创建或轮换 Key，填入YOUR_API_KEY。
4. 使用 Claude Code 的话，参考 Claude Code 文档 配置settings.json和ANTHROPIC_*变量；使用 Codex 则改用config.toml，不要混用 Anthropic 变量。

把 Bash Agent 的 Token 消耗记录清楚，再和类型化接口放在同一张表里比较，你得到的不只是一个论文复现结果，而是一套能持续迭代的企业 Agent 评测基线。