feat(llm): 添加 LLM 调用周期核心模块

新增 LLM 调用生命周期引擎，包含 Provider 抽象、OpenAI 兼容实现、
可重试机制及 Token 用量追踪。移除原有的占位测试代码。
添加所需的 Rust 依赖（tokio、reqwest、serde 等）。

Cargo.toml

@@ -4,3 +4,10 @@ version = "0.1.0"
 edition = "2024"
 
 [dependencies]
+tokio = { version = "1", features = ["full"] }
+reqwest = { version = "0.12", features = ["json"] }
+serde = { version = "1", features = ["derive"] }
+serde_json = "1"
+thiserror = "2"
+async-trait = "0.1"
+tracing = "0.1"

src/lib.rs

@@ -1,14 +1,6 @@
-pub fn add(left: u64, right: u64) -> u64 {
-    left + right
-}
+//! agcore —— 智能体（Agent）核心工具箱。
+//!
+//! 当前提供 LLM 调用周期控制作为核心底层能力，后续将扩展至
+//! 提示词工程、记忆系统、工具调用、Agent 运行时等领域。
 
-#[cfg(test)]
-mod tests {
-    use super::*;
-
-    #[test]
-    fn it_works() {
-        let result = add(2, 2);
-        assert_eq!(result, 4);
-    }
-}
+pub mod llm;

src/llm.rs

@@ -0,0 +1,8 @@
+//! LLM 调用周期 —— 大模型基础调用周期控制。
+//!
+//! 包含核心数据类型、Provider 抽象、OpenAI 兼容实现以及生命周期引擎。
+
+pub mod cycle;
+pub mod error;
+pub mod provider;
+pub mod types;

src/llm/cycle.rs

@@ -0,0 +1,149 @@
+mod retry;
+pub mod usage;
+
+pub use retry::RetryConfig;
+pub use usage::{CostTracker, Usage};
+
+use crate::llm::cycle::retry::should_retry;
+use crate::llm::error::LlmError;
+use crate::llm::provider::LlmProvider;
+use crate::llm::types::{ChatRequest, ChatResponse, ContentBlock, Message, Role, ToolDefinition};
+
+/// LLM 生命周期引擎的配置。
+pub struct CycleConfig {
+    /// 使用的模型名称。
+    pub model: String,
+    /// 最大输出 token 数。
+    pub max_tokens: Option<u32>,
+    /// 采样温度。
+    pub temperature: Option<f32>,
+    /// 最大对话轮数（预留，暂未使用）。
+    pub max_turns: Option<u32>,
+    /// 重试策略配置。
+    pub retry: RetryConfig,
+}
+
+impl Default for CycleConfig {
+    fn default() -> Self {
+        Self {
+            model: String::from("gpt-4o"),
+            max_tokens: None,
+            temperature: None,
+            max_turns: None,
+            retry: RetryConfig::default(),
+        }
+    }
+}
+
+/// LLM 调用生命周期引擎。
+///
+/// 管理一次多轮交互的完整生命周期，包括：
+/// - 消息历史维护
+/// - Token 用量追踪
+/// - 自动重试
+pub struct LlmCycle {
+    provider: Box<dyn LlmProvider>,
+    config: CycleConfig,
+    usage: CostTracker,
+    messages: Vec<Message>,
+    system_prompt: Option<String>,
+}
+
+impl LlmCycle {
+    /// 创建新的生命周期引擎。
+    pub fn new(provider: Box<dyn LlmProvider>, config: CycleConfig) -> Self {
+        Self {
+            provider,
+            config,
+            usage: CostTracker::default(),
+            messages: Vec::new(),
+            system_prompt: None,
+        }
+    }
+
+    /// 设置系统提示词（Builder 模式）。
+    pub fn with_system_prompt(mut self, prompt: String) -> Self {
+        self.system_prompt = Some(prompt);
+        self
+    }
+
+    /// 获取 Token 用量追踪器引用。
+    pub fn usage(&self) -> &CostTracker {
+        &self.usage
+    }
+
+    /// 获取当前消息历史。
+    pub fn messages(&self) -> &[Message] {
+        &self.messages
+    }
+
+    /// 清空消息历史。
+    pub fn clear_messages(&mut self) {
+        self.messages.clear();
+    }
+
+    /// 重置 Token 用量统计。
+    pub fn reset_usage(&mut self) {
+        self.usage.reset();
+    }
+
+    /// 提交一条用户消息并获取模型响应。
+    ///
+    /// 流程：
+    /// 1. 将用户消息追加到消息历史
+    /// 2. 构建 ChatRequest
+    /// 3. 使用重试循环调用 provider.chat()
+    /// 4. 将助手回复追加到消息历史
+    /// 5. 累计 token 用量
+    /// 6. 返回 ChatResponse
+    pub async fn submit(
+        &mut self,
+        prompt: String,
+        tools: Vec<ToolDefinition>,
+    ) -> Result<ChatResponse, LlmError> {
+        self.messages.push(Message {
+            role: Role::User,
+            content: vec![ContentBlock::Text { text: prompt }],
+        });
+
+        let mut attempts = 0;
+
+        loop {
+            let request = self.build_request(&tools);
+
+            match self.provider.chat(request).await {
+                Ok(response) => {
+                    self.messages.push(Message {
+                        role: Role::Assistant,
+                        content: response.message.content.clone(),
+                    });
+
+                    self.usage.add(&response.usage);
+
+                    return Ok(response);
+                }
+                Err(e) if should_retry(&e) && attempts < self.config.retry.max_retries => {
+                    attempts += 1;
+                    let delay = self.config.retry.compute_delay(attempts);
+                    tokio::time::sleep(delay).await;
+                }
+                Err(e) => {
+                    return Err(e);
+                }
+            }
+        }
+    }
+
+    /// 根据当前状态构建 ChatRequest。
+    fn build_request(&self, tools: &[ToolDefinition]) -> ChatRequest {
+        ChatRequest {
+            model: self.config.model.clone(),
+            messages: self.messages.clone(),
+            system_prompt: self.system_prompt.clone(),
+            tools: tools.to_vec(),
+            max_tokens: self.config.max_tokens,
+            temperature: self.config.temperature,
+            extra_body: None,
+        }
+    }
+}

src/llm/cycle/retry.rs

@@ -0,0 +1,71 @@
+use std::time::Duration;
+
+use crate::llm::error::LlmError;
+
+/// 重试策略配置。
+///
+/// 使用指数退避 + jitter 算法计算每次重试的等待时间。
+#[derive(Debug, Clone)]
+pub struct RetryConfig {
+    /// 最大重试次数（默认 3）。
+    pub max_retries: u32,
+    /// 初始延迟（默认 1 秒）。
+    pub base_delay: Duration,
+    /// 最大延迟上限（默认 30 秒）。
+    pub max_delay: Duration,
+    /// Jitter 比例因子（默认 0.25）。
+    pub jitter_factor: f64,
+}
+
+impl Default for RetryConfig {
+    fn default() -> Self {
+        Self {
+            max_retries: 3,
+            base_delay: Duration::from_secs(1),
+            max_delay: Duration::from_secs(30),
+            jitter_factor: 0.25,
+        }
+    }
+}
+
+impl RetryConfig {
+    /// 根据当前重试次数计算等待时间。
+    ///
+    /// 算法: `delay = min(base * 2^(attempt-1), max_delay) + random(0, delay * jitter_factor)`
+    pub fn compute_delay(&self, attempt: u32) -> Duration {
+        let base = self.base_delay.as_secs_f64();
+        let exponential = base * (2u64.pow(attempt.saturating_sub(1))) as f64;
+        let capped = exponential.min(self.max_delay.as_secs_f64());
+        let jitter = rand_jitter(capped * self.jitter_factor);
+
+        Duration::from_secs_f64(capped + jitter)
+    }
+}
+
+/// 判断错误是否可重试。
+///
+/// 可重试条件：
+/// - RateLimit（429）
+/// - Timeout
+/// - Request 且状态码 >= 500 或 == 429
+pub fn should_retry(err: &LlmError) -> bool {
+    match err {
+        LlmError::RateLimit { .. } => true,
+        LlmError::Timeout { .. } => true,
+        LlmError::Request { status, .. } => *status >= 500 || *status == 429,
+        _ => false,
+    }
+}
+
+/// 基于纳秒时间戳的简单伪随机数，范围 [0, max)。
+fn rand_jitter(max: f64) -> f64 {
+    if max <= 0.0 {
+        return 0.0;
+    }
+    let t = std::time::SystemTime::now()
+        .duration_since(std::time::UNIX_EPOCH)
+        .unwrap_or_default()
+        .as_nanos();
+    let r = (t % 1000) as f64 / 1000.0;
+    r * max
+}

src/llm/cycle/usage.rs

@@ -0,0 +1,42 @@
+/// 单次请求的 Token 用量。
+#[derive(Debug, Clone, Default)]
+pub struct Usage {
+    /// 输入（提示词）消耗的 token 数。
+    pub input_tokens: u32,
+    /// 输出（生成内容）消耗的 token 数。
+    pub output_tokens: u32,
+}
+
+/// Token 用量累计追踪器。
+///
+/// 在多轮对话中累计所有请求的 token 消耗。
+#[derive(Debug, Default)]
+pub struct CostTracker {
+    accumulated: Usage,
+}
+
+impl CostTracker {
+    /// 累加一次请求的用量。
+    ///
+    /// 使用 saturating_add 防止溢出。
+    pub fn add(&mut self, usage: &Usage) {
+        self.accumulated.input_tokens = self
+            .accumulated
+            .input_tokens
+            .saturating_add(usage.input_tokens);
+        self.accumulated.output_tokens = self
+            .accumulated
+            .output_tokens
+            .saturating_add(usage.output_tokens);
+    }
+
+    /// 获取累计用量。
+    pub fn total(&self) -> &Usage {
+        &self.accumulated
+    }
+
+    /// 重置累计用量。
+    pub fn reset(&mut self) {
+        self.accumulated = Usage::default();
+    }
+}

src/llm/error.rs

@@ -0,0 +1,37 @@
+use std::time::Duration;
+
+/// LLM 调用过程中可能发生的所有错误。
+///
+/// 错误按可重试性分为两类：
+/// - **可重试**：`RateLimit`、`Timeout`、状态码 >= 500
+/// - **不可重试**：`Authentication`、`ContextLength`、状态码 4xx（除 429）
+#[derive(thiserror::Error, Debug)]
+pub enum LlmError {
+    /// API 认证失败（如 API key 无效）。
+    #[error("认证失败: {0}")]
+    Authentication(String),
+
+    /// 请求被限流，可选地附带重试等待时间。
+    #[error("限流(retry_after={retry_after:?})")]
+    RateLimit { retry_after: Option<Duration> },
+
+    /// HTTP 请求失败，包含状态码和响应体。
+    #[error("请求失败(status={status}): {body}")]
+    Request { status: u16, body: String },
+
+    /// 请求超时。
+    #[error("请求超时(duration={duration:?})")]
+    Timeout { duration: Duration },
+
+    /// 流式响应处理错误（预留）。
+    #[error("流式响应错误: {0}")]
+    Stream(String),
+
+    /// 上下文长度超限。
+    #[error("上下文超限(actual={actual}, limit={limit})")]
+    ContextLength { actual: u32, limit: u32 },
+
+    /// 其他未分类的 LLM 调用失败。
+    #[error("LLM 调用失败: {0}")]
+    Other(String),
+}

src/llm/provider.rs

@@ -0,0 +1,15 @@
+pub mod openai;
+
+use crate::llm::error::LlmError;
+use crate::llm::types::{ChatRequest, ChatResponse};
+use async_trait::async_trait;
+
+/// LLM Provider 抽象接口。
+///
+/// 所有具体的 LLM 后端实现（OpenAI、Anthropic、Azure 等）
+/// 均需实现此 trait，以实现可插拔替换。
+#[async_trait]
+pub trait LlmProvider: Send + Sync {
+    /// 发送聊天请求并返回完整响应。
+    async fn chat(&self, request: ChatRequest) -> Result<ChatResponse, LlmError>;
+}

src/llm/provider/openai.rs

@@ -0,0 +1,354 @@
+use std::time::Duration;
+
+use async_trait::async_trait;
+use reqwest::Client;
+use serde_json::{json, Value};
+
+use crate::llm::cycle::usage::Usage;
+use crate::llm::error::LlmError;
+use crate::llm::types::{
+    ChatRequest, ChatResponse, ContentBlock, Message, Role, StopReason, ToolDefinition,
+};
+
+use super::LlmProvider;
+
+/// OpenAI 兼容 API 的 Provider 实现。
+///
+/// 支持任意实现了 `POST /v1/chat/completions` 标准的 API
+/// （包括 OpenAI、Azure OpenAI、DashScope、vLLM 等）。
+pub struct OpenaiProvider {
+    http_client: Client,
+    base_url: String,
+    api_key: String,
+    #[allow(dead_code)]
+    model: String,
+}
+
+impl OpenaiProvider {
+    /// 创建新的 OpenAI Provider。
+    ///
+    /// 默认使用 120 秒超时的 HTTP 客户端。
+    pub fn new(base_url: String, api_key: String, model: String) -> Self {
+        let http_client = Client::builder()
+            .timeout(Duration::from_secs(120))
+            .build()
+            .expect("创建 HTTP 客户端失败");
+
+        Self {
+            http_client,
+            base_url,
+            api_key,
+            model,
+        }
+    }
+
+    /// 替换为自定义的 HTTP 客户端（用于测试或自定义配置）。
+    pub fn with_client(mut self, client: Client) -> Self {
+        self.http_client = client;
+        self
+    }
+
+    /// 将 ChatRequest 构建为 OpenAI API 请求体 JSON。
+    fn build_request_body(&self, request: &ChatRequest) -> Value {
+        let mut body = json!({
+            "model": request.model,
+            "messages": Self::serialize_messages(request),
+        });
+
+        if let Some(max_tokens) = request.max_tokens {
+            body["max_tokens"] = json!(max_tokens);
+        }
+        if let Some(temperature) = request.temperature {
+            body["temperature"] = json!(temperature);
+        }
+        if !request.tools.is_empty() {
+            body["tools"] = json!(
+                request
+                    .tools
+                    .iter()
+                    .map(Self::serialize_tool)
+                    .collect::<Vec<_>>()
+            );
+        }
+
+        // 合并 extra_body 中的扩展参数到请求体顶层
+        if let Some(ref extra) = request.extra_body
+            && let Some(obj) = extra.as_object()
+        {
+            for (k, v) in obj {
+                body[k] = v.clone();
+            }
+        }
+
+        body
+    }
+
+    /// 将请求中的消息列表序列化为 API 消息数组。
+    fn serialize_messages(request: &ChatRequest) -> Vec<Value> {
+        let mut messages: Vec<Value> = Vec::new();
+
+        // system_prompt 作为独立的 system 角色消息放在最前面
+        if let Some(ref system_prompt) = request.system_prompt {
+            messages.push(json!({
+                "role": "system",
+                "content": system_prompt
+            }));
+        }
+
+        for msg in &request.messages {
+            messages.push(Self::serialize_message(msg));
+        }
+
+        messages
+    }
+
+    /// 将单条消息序列化为 API 格式。
+    ///
+    /// 处理逻辑：
+    /// - 多个 content block 或包含图片 → 使用数组格式
+    /// - ToolResult → 使用 tool 角色格式
+    /// - 其他 → 使用纯文本格式
+    fn serialize_message(msg: &Message) -> Value {
+        let role_str = match msg.role {
+            Role::User => "user",
+            Role::Assistant => "assistant",
+            Role::System => "system",
+            Role::Tool => "tool",
+        };
+
+        let has_mixed = msg.content.len() > 1
+            || msg
+                .content
+                .iter()
+                .any(|b| matches!(b, ContentBlock::ImageUrl { .. }));
+
+        if has_mixed {
+            let content: Vec<Value> = msg
+                .content
+                .iter()
+                .map(Self::serialize_content_block)
+                .collect();
+            json!({ "role": role_str, "content": content })
+        } else if let Some(ContentBlock::ToolResult {
+            tool_use_id,
+            content,
+        }) = msg.content.first()
+        {
+            json!({
+                "role": "tool",
+                "tool_call_id": tool_use_id,
+                "content": content
+            })
+        } else {
+            let text = msg
+                .content
+                .first()
+                .map(|b| match b {
+                    ContentBlock::Text { text } => text.clone(),
+                    _ => String::new(),
+                })
+                .unwrap_or_default();
+            json!({ "role": role_str, "content": text })
+        }
+    }
+
+    /// 将 ContentBlock 序列化为 API content parts 数组元素。
+    fn serialize_content_block(block: &ContentBlock) -> Value {
+        match block {
+            ContentBlock::Text { text } => {
+                json!({ "type": "text", "text": text })
+            }
+            ContentBlock::ImageUrl { url } => {
+                json!({ "type": "image_url", "image_url": { "url": url } })
+            }
+            ContentBlock::ToolUse { id, name, input } => {
+                json!({ "type": "tool_use", "id": id, "name": name, "input": input })
+            }
+            ContentBlock::ToolResult { .. } => {
+                json!({ "type": "tool_result", "content": "" })
+            }
+        }
+    }
+
+    /// 将 ToolDefinition 序列化为 OpenAI tools 数组元素。
+    fn serialize_tool(tool: &ToolDefinition) -> Value {
+        json!({
+            "type": "function",
+            "function": {
+                "name": tool.name,
+                "description": tool.description,
+                "parameters": tool.input_schema
+            }
+        })
+    }
+
+    /// 将 OpenAI API 响应 JSON 解析为 ChatResponse。
+    fn parse_response(response: Value) -> Result<ChatResponse, LlmError> {
+        let choice = response["choices"][0]
+            .as_object()
+            .ok_or_else(|| LlmError::Other("响应中缺少 choices[0]".into()))?;
+
+        let msg = choice["message"]
+            .as_object()
+            .ok_or_else(|| LlmError::Other("响应中缺少 message".into()))?;
+
+        let role = match msg["role"].as_str() {
+            Some("assistant") => Role::Assistant,
+            Some(_) => Role::Assistant,
+            None => Role::Assistant,
+        };
+
+        let mut content_blocks: Vec<ContentBlock> = Vec::new();
+
+        // 从 content 字段提取文本和 tool_use
+        if let Some(content_val) = msg.get("content") {
+            match content_val {
+                Value::String(s) if !s.is_empty() => {
+                    content_blocks.push(ContentBlock::Text { text: s.clone() });
+                }
+                Value::Array(arr) => {
+                    for item in arr {
+                        if let Some(item_type) = item["type"].as_str() {
+                            match item_type {
+                                "text" => {
+                                    if let Some(text) = item["text"].as_str() {
+                                        content_blocks
+                                            .push(ContentBlock::Text { text: text.into() });
+                                    }
+                                }
+                                "tool_use" | "function" => {
+                                    let id = item["id"].as_str().unwrap_or("").to_string();
+                                    let name = item["name"].as_str().unwrap_or("").to_string();
+                                    let input = item.get("input").cloned().unwrap_or(Value::Null);
+                                    content_blocks
+                                        .push(ContentBlock::ToolUse { id, name, input });
+                                }
+                                _ => {}
+                            }
+                        }
+                    }
+                }
+                _ => {}
+            }
+        }
+
+        // 从 tool_calls 字段提取工具调用（OpenAI 特有格式）
+        if let Some(tool_calls) = msg.get("tool_calls").and_then(|v| v.as_array()) {
+            for tc in tool_calls {
+                let id = tc["id"].as_str().unwrap_or("").to_string();
+                let name = tc["function"]["name"].as_str().unwrap_or("").to_string();
+                let input = tc["function"]["arguments"]
+                    .as_str()
+                    .and_then(|s| serde_json::from_str(s).ok())
+                    .unwrap_or(Value::Null);
+                content_blocks.push(ContentBlock::ToolUse { id, name, input });
+            }
+        }
+
+        if content_blocks.is_empty() {
+            content_blocks.push(ContentBlock::Text {
+                text: String::new(),
+            });
+        }
+
+        // 解析停止原因
+        let stop_reason = choice["finish_reason"].as_str().map(|s| match s {
+            "stop" => StopReason::Stop,
+            "tool_calls" => StopReason::ToolUse,
+            "max_tokens" => StopReason::MaxTokens,
+            "length" => StopReason::Length,
+            "content_filter" => StopReason::ContentFilter,
+            other => StopReason::Other(other.into()),
+        });
+
+        // 解析 token 用量
+        let usage = response["usage"]
+            .as_object()
+            .map(|u| Usage {
+                input_tokens: u.get("prompt_tokens").and_then(|v| v.as_u64()).unwrap_or(0) as u32,
+                output_tokens: u
+                    .get("completion_tokens")
+                    .and_then(|v| v.as_u64())
+                    .unwrap_or(0) as u32,
+            })
+            .unwrap_or_default();
+
+        Ok(ChatResponse {
+            message: Message {
+                role,
+                content: content_blocks,
+            },
+            usage,
+            stop_reason,
+        })
+    }
+}
+
+#[async_trait]
+impl LlmProvider for OpenaiProvider {
+    async fn chat(&self, request: ChatRequest) -> Result<ChatResponse, LlmError> {
+        let url = format!("{}/chat/completions", self.base_url.trim_end_matches('/'));
+        let body = self.build_request_body(&request);
+
+        let response = self
+            .http_client
+            .post(&url)
+            .header("Authorization", format!("Bearer {}", self.api_key))
+            .header("Content-Type", "application/json")
+            .json(&body)
+            .send()
+            .await
+            .map_err(|e| {
+                if e.is_timeout() {
+                    LlmError::Timeout {
+                        duration: Duration::from_secs(120),
+                    }
+                } else if e.is_connect() {
+                    LlmError::Other(format!("连接失败: {}", e))
+                } else {
+                    LlmError::Other(format!("请求失败: {}", e))
+                }
+            })?;
+
+        let status = response.status();
+        let status_code: u16 = status.as_u16();
+
+        // 处理非 2xx 响应，将 HTTP 状态码映射为对应的 LlmError 变体
+        if !status.is_success() {
+            // 在消费 response body 之前先读取 retry-after 头部
+            let retry_after = response
+                .headers()
+                .get("retry-after")
+                .and_then(|v| v.to_str().ok())
+                .and_then(|v| v.parse::<u64>().ok())
+                .map(Duration::from_secs);
+            let body_text = response.text().await.unwrap_or_default();
+
+            return match status_code {
+                401 => Err(LlmError::Authentication(body_text)),
+                429 => Err(LlmError::RateLimit { retry_after }),
+                _ if status_code >= 500 => Err(LlmError::Request {
+                    status: status_code,
+                    body: body_text,
+                }),
+                _ if status_code == 400 && body_text.contains("context_length_exceeded") => {
+                    Err(LlmError::ContextLength {
+                        actual: 0,
+                        limit: 0,
+                    })
+                }
+                _ => Err(LlmError::Request {
+                    status: status_code,
+                    body: body_text,
+                }),
+            };
+        }
+
+        let json_body: Value = response
+            .json()
+            .await
+            .map_err(|e| LlmError::Other(format!("响应解析失败: {}", e)))?;
+
+        Self::parse_response(json_body)
+    }
+}

src/llm/types.rs

@@ -0,0 +1,100 @@
+use crate::llm::cycle::usage::Usage;
+use serde_json::Value;
+
+/// 对话消息的角色。
+#[derive(Debug, Clone)]
+pub enum Role {
+    User,
+    Assistant,
+    System,
+    Tool,
+}
+
+/// 消息内容块，支持多模态及工具调用。
+#[derive(Debug, Clone)]
+pub enum ContentBlock {
+    /// 纯文本内容。
+    Text {
+        text: String,
+    },
+    /// 图片 URL（多模态输入预留）。
+    ImageUrl {
+        url: String,
+    },
+    /// 模型发起的工具调用（预留，暂不实现自动执行）。
+    ToolUse {
+        id: String,
+        name: String,
+        input: Value,
+    },
+    /// 工具执行结果的回传（预留，暂不实现自动执行）。
+    ToolResult {
+        tool_use_id: String,
+        content: String,
+    },
+}
+
+/// 一条对话消息，由角色和内容块列表组成。
+#[derive(Debug, Clone)]
+pub struct Message {
+    pub role: Role,
+    pub content: Vec<ContentBlock>,
+}
+
+/// 可供模型调用的工具定义。
+#[derive(Debug, Clone)]
+pub struct ToolDefinition {
+    /// 工具名称。
+    pub name: String,
+    /// 工具描述，用于模型理解何时调用。
+    pub description: String,
+    /// JSON Schema 格式的输入参数定义。
+    pub input_schema: Value,
+}
+
+/// 对 /v1/chat/completions 的完整请求参数。
+#[derive(Debug, Clone)]
+pub struct ChatRequest {
+    /// 模型标识（如 "gpt-4o"）。
+    pub model: String,
+    /// 对话历史 + 新消息。
+    pub messages: Vec<Message>,
+    /// 独立的系统提示词，将在序列化时转为 system 角色消息。
+    pub system_prompt: Option<String>,
+    /// 可用的工具定义列表。
+    pub tools: Vec<ToolDefinition>,
+    /// 最大输出 token 数。
+    pub max_tokens: Option<u32>,
+    /// 采样温度。
+    pub temperature: Option<f32>,
+    /// 扩展参数（如 enable_thinking），会合并到请求体顶层。
+    pub extra_body: Option<Value>,
+}
+
+/// 模型返回的完整响应。
+#[derive(Debug, Clone)]
+pub struct ChatResponse {
+    /// 助手的回复消息。
+    pub message: Message,
+    /// 本次请求的 token 用量。
+    pub usage: Usage,
+    /// 停止原因。
+    pub stop_reason: Option<StopReason>,
+}
+
+/// 模型停止生成的原因。
+#[derive(Debug, Clone)]
+pub enum StopReason {
+    /// 正常结束。
+    Stop,
+    /// 模型请求调用工具（预留）。
+    ToolUse,
+    /// 达到 max_tokens 上限。
+    MaxTokens,
+    /// 内容被安全过滤。
+    ContentFilter,
+    /// 长度限制（兼容某些 API 的 finish_reason）。
+    Length,
+    /// 其他未分类的原因。
+    Other(String),
+}