用途：帮助设计稳健的多步骤智能体系统，将用户查询经规划、工具选择、工具执行、结果综合后返回响应。
主要能力：
- 智能体循环模式：设置工具列表与最大迭代次数，循环执行“规划下一步→判断是工具调用还是最终答案→执行工具→记录成本→检查预算→写入记忆”。
- 工具编排：按预定义顺序（如先搜索、再数据库、再外部 API、最后生成内容）选择并排序工具。
- 重试与回退：按最大重试次数与指数退避执行工具，失败后尝试回退工具。
- 状态管理：用 AgentState 保存记忆、工具结果、成本与迭代次数，并构建上下文供下一次 LLM 调用。
- 预算与成本控制：CostTracker 记录总成本与分类明细，超出上限返回预算超限响应。
- 多智能体协作：研究者、编码者、审查者依次处理任务，审查不通过则按反馈迭代。
- 输出物：智能体循环实现、工具选择逻辑、重试回退策略、状态管理、成本追踪、预算限制、编排图、规划提示词、错误处理、可观测性/日志。
使用方式：资料提供的是 Python 代码模式与提示词模板，包括 Agent 类、select_tools、execute_with_retry、AgentState、CostTracker、build_planning_prompt 及多智能体示例；需自行接入实际 LLM 与工具。
适用场景：需要工具调用、错误恢复、状态跟踪和成本上限的多步骤智能体工作流设计。
限制：资料未提供安装命令、许可、价格、平台支持或效果数据；示例代码为模式演示，工具 schema、具体提示词约束等需按实际环境补充。