摘要：很多开发者搞不清Agent到底如何调用工具：是Agent主动调用？还是LLM决策？流式FunctionCall如何拼接解析？参数报错如何兜底？本文拆解生产级Agent解析、校验、执行FunctionCall的完整底层逻辑。
市面上多数教程只讲概念，不讲工程细节。真实生产环境中，FunctionCall存在流式分片、JSON非法、参数幻觉、工具不存在、权限不足等大量问题，需要框架层完整兜底。
一、前置：Skill预加载注册
会话初始化时，框架加载当前租户可使用的所有Skill元数据，将工具描述、参数Schema注入Prompt上下文。工具选择决策永远由LLM完成，Agent仅负责解析与执行。
二、LLM响应接收与流式拼接
大模型返回分为普通文本与tool_calls结构体。SSE流式场景下，工具名称、参数JSON会被分片传输，框架需通过缓冲区拼接完整内容，禁止分片解析导致JSON报错。
特别注意：arguments为JSON字符串，需要二次反序列化为参数对象，是高频踩坑点。
三、三层校验机制（核心工程亮点）
1、工具合法性校验：根据工具名匹配注册的Skill，拦截模型编造的不存在工具，返回可用工具列表引导修正。
2、参数Schema校验：基于Skill定义的JSON-Schema，校验必填、类型、范围，拦截非法参数。
3、权限与租户校验：校验用户、租户是否具备工具调用权限，杜绝越权访问。
四、Skill执行与结果回传
校验通过后组装上下文信息，执行内部/MCP Skill，捕获所有异常并友好封装，截断超长返回内容防止token爆炸。最终将工具执行结果重新送入LLM，循环多轮调用或生成最终答案。
五、线上问题兜底策略
所有解析异常、参数异常、执行异常均不中断会话，统一封装为工具错误结果回传给LLM，让模型自主修正重试，极大提升Agent对话稳定性。