Agent 与工具调用

核心问题

• Tool Calling 和普通问答模型的本质区别是什么
• Agent 为什么需要规划、状态和恢复机制
• 多步工具链路里最常见的不稳定点是什么
• 什么场景适合 Agent，什么场景不适合
• 如何设计可控的Tool Calling系统
• Agent的评估与优化方法
• 工具权限和参数Schema为什么是系统稳定性的关键
• 单Agent和多Agent分别适合什么问题规模

建议复习顺序

1. Tool Calling 基础（机制理解）
2. Agent 规划与执行（任务分解）
3. 工具权限和参数约束（可控性）
4. 状态管理和失败恢复（稳定性）
5. 单Agent与多Agent（架构取舍）

子主题导航

• [Tool Calling.md](Tool Calling.md)
• MCP与FunctionSchema标准化.md
• Agent规划与状态管理.md
• 工具权限与参数Schema.md
• 单Agent与多Agent.md

高频追问

• 为什么不是所有任务都适合 Agent
• 工具参数校验为什么重要
• 多工具链路里怎么做可观测性
• 如何评估Agent系统的性能
• 人工介入的时机和方法
• 为什么多Agent不一定比单Agent强
• 权限边界为什么比“工具更多”更重要

易错点

• 把 Agent 理解成”会自动思考的一切”
• 工具很多但没有明确边界和回退策略
• 忽略Tool Calling的权限和安全性
• 状态管理设计不当导致系统复杂

学习策略

记忆技巧

Tool Calling三要素：

• 工具发现 = “模型知道有什么工具”
• 参数生成 = “模型知道怎么调用”
• 结果整合 = “模型知道怎么使用结果”

Agent状态管理三要素：

• 检查点 = “定期保存进度”
• 回滚机制 = “出错时恢复”
• 人工接管 = “复杂情况人工处理”

关联学习

Agent与工具调用与前面的专题紧密相关：

1. Prompt工程：工具描述的Prompt设计
2. RAG系统：知识检索作为工具
3. 评估观测：Agent性能监控
4. 框架编排：LangChain等框架实现