最近我们给一个 agent 程序接入了新的推理模型。一开始我以为这会是个很小的工作：模型本身能调通，又是 OpenAI-compatible。按经验补几个配置项，前端把思考模式打开，应该就差不多了。

真正做下来才发现，事情没这么简单。

问题不在“模型能不能回答”，而在agent 怎么把模型的推理模式接进自己的多轮对话、工具调用和历史消息链路里。这篇文章想讲的就是这件事：给 agent 程序接入一个新模型的 reasoning 模式。 到底要改哪些层，代码上又是怎么落地的。

从背景来看，为什么 agent 接入 reasoning 模式比普通聊天更麻烦

痛点1：仅简单聊天场景无法满足agent复杂交互需求

如果只是做一个简单聊天页面很多模型的 reasoning 模式无非是多传一个参数。

再看比如，

{ "extra_body": { "thinking": { "type": "enabled" } }}

说到或者。

{ "enable_thinking": true}

痛点2：agent场景需要完整链路支持

但 agent 场景不一样。agent 的一次任务往往会经历这几个步骤：

1. 使用者发消息
2. 模型决定是否调用工具
3. 工具返回结果
4. 模型继续推理
5. 历史消息被写入线程状态
6. 下一轮请求再把这些历史发回模型

< 需要保证:

• provider 返回的推理字段能被解析出来
• 这些字段能跟消息一起保存
• 下一轮重放历史时字段不会丢
• 前端知道这个模型支持哪些推理档位
在 agent 里。reasoning 支持本质上是一条链路,不是一个开关。