用户意图 → Agent 决策 → Skill 编排 → Tool 调用 → 工具结果 → 再推理 → 最终响应
设计成一个可靠、可扩展、可观测、可控制的系统。
结合你目前在学习 OpenCode / Agent / MCP / Skill / TypeScript，我建议把它理解成下面这套知识体系。
一、核心考察知识地图
Tool / Skill 调用链路
│
┌────────────────┼────────────────┐
↓ ↓ ↓
Agent决策 Skill系统 Tool系统
│ │ │
意图识别 Skill发现 Tool发现
Planning Skill加载 Tool Schema
Routing Skill编排 参数校验
ReAct Skill依赖 Tool执行
Reflection Skill生命周期 Tool结果
│ │ │
└────────────────┼────────────────┘
↓
Runtime运行时
│
┌──────────────┼──────────────┐
↓ ↓ ↓
Context State状态 Error错误
管理 管理 Retry重试
│ │ │
└──────────────┼──────────────┘
↓
Observability
│
Trace / Log / Metric如果是面试、技术方案设计或者自己实现 Agent，主要考察下面 10 个方面。
二、第一层：Tool 是什么
这是最基础的一层。
你需要搞清楚：
LLM
│
│ 决策
↓
Tool
│
├── name
├── description
├── input schema
├── output
└── execute()例如：
{
"name": "query_stock",
"description": "查询股票实时行情",
"input_schema": {
"symbol": "string"
}
}LLM并不是直接执行：
query_stock("600519")而是生成结构化 Tool Call：
{
"tool": "query_stock",
"arguments": {
"symbol": "600519"
}
}Runtime 再真正执行。
所以必须理解：
Tool = LLM 可以调用的外部能力
例如：
搜索
数据库
HTTP API
Shell
文件系统
Git
浏览器
代码执行
MCP Server三、第二层：Skill 是什么
这是很多人容易混淆的地方。
可以简单理解：
Tool 是"能力"，Skill 是"如何使用能力完成一类任务"。
例如：
Tool
├── search_web
├── read_file
├── write_file
├── execute_command
└── git_commitSkill：
Git代码审查 Skill
│
├── read_file
├── search_code
├── analyze_code
└── git_diff再例如：
API测试 Skill
│
├── read_api_doc
├── generate_request
├── execute_http
├── validate_response
└── generate_report所以：
Tool
↓
原子能力
Skill
↓
能力组合 + 方法论 + Prompt + 流程四、第三层：Tool Calling
这是 Agent 的核心。
你必须理解完整循环：
User
↓
LLM
↓
是否需要Tool？
├── No → Final Answer
│
└── Yes
↓
Tool Call
↓
Runtime
↓
Execute Tool
↓
Tool Result
↓
LLM
↓
是否继续调用？
├── Yes → Tool Call
│ ↓
│ Execute
│ ↓
│ Result
│ ↓
│ LLM
│
└── No → Final Answer也就是：
LLM
↓
Tool Call
↓
Tool Execute
↓
Tool Result
↓
LLM
↓
Tool Call
↓
...
↓
Final Answer这实际上就是 Agent 最核心的 Loop。
五、第四层：Skill 如何参与调用链
进一步就会变成：
用户：
"帮我分析这个项目的代码质量"Agent：
Intent
↓
选择 Code Review Skill
↓
加载 Skill
↓
读取 Skill 指令
↓
Skill告诉Agent应该怎么做
↓
选择 Tool例如：
Code Review Skill
Step 1:
读取项目结构
Step 2:
寻找核心代码
Step 3:
分析依赖
Step 4:
检查异常处理
Step 5:
检查测试
Step 6:
生成报告实际执行：
Skill
│
├── list_files Tool
│
├── read_file Tool
│
├── search_code Tool
│
├── analyze Tool
│
└── write_report Tool因此真正的链路是：
User
↓
Agent
↓
Skill
↓
Tool
↓
Tool Result
↓
Agent
↓
Skill
↓
Tool
↓
...六、第五层：Tool / Skill Discovery
这是设计 Agent 时非常重要的知识。
如果系统有：
1000个Tool
100个Skill你不能全部塞给 LLM。
否则：
Context暴涨
↓
Token增加
↓
Tool选择准确率下降
↓
成本增加所以需要：
User Intent
↓
Skill Discovery
↓
找到相关Skill
↓
Tool Discovery
↓
找到相关Tool
↓
LLM调用常见方案：
静态注册
↓
Registry
↓
Metadata
↓
Embedding检索
↓
Semantic Routing例如：
用户：
"帮我查一下600519今天的价格"
↓
Skill Router
↓
Stock Query Skill
↓
Tool Router
↓
query_stock这涉及：
-
Router
-
Registry
-
Embedding
-
Semantic Search
-
Metadata
-
Tool Schema
-
Dynamic Loading
七、第六层：参数 Schema
Tool 调用不能完全相信 LLM。
例如 Tool：
interface QueryStockInput {
symbol: string;
market: string;
}LLM可能产生：
{
"symbol": 600519,
"market": "A"
}甚至：
{
"stock": "茅台"
}所以必须有：
LLM
↓
Tool Call
↓
Schema Validation
↓
参数转换
↓
权限检查
↓
Tool Execute常见知识：
JSON Schema
Zod
TypeBox
Pydantic
Bean Validation你如果继续深入 TypeScript Agent，这块尤其值得学。
八、第七层：Runtime / Executor
这是真正体现工程能力的地方。
不要认为：
LLM → Tool实际上应该是：
LLM
↓
Tool Call
↓
Agent Runtime
↓
Tool Registry
↓
Permission
↓
Schema Validation
↓
Timeout
↓
Retry
↓
Circuit Breaker
↓
Tool Executor
↓
Result例如：
ToolExecutor
execute(toolCall):
1. 找Tool
2. 校验参数
3. 检查权限
4. 创建Trace
5. 设置Timeout
6. 执行Tool
7. 捕获异常
8. Retry
9. 保存Result
10. 返回LLM这一块已经从：
AI知识
进入：
后端系统设计
所以你 Java 后端经验在这里其实非常有优势。
九、第八层：错误处理
一个成熟 Agent 最重要的能力之一就是：
Tool失败以后怎么办？
例如：
LLM
↓
query_database
↓
数据库连接失败不能直接：
Agent挂掉应该：
Tool Error
↓
Error Classifier
│
├── Timeout
│ ↓
│ Retry
│
├── Auth Error
│ ↓
│ Stop
│
├── Parameter Error
│ ↓
│ LLM重新生成参数
│
├── Business Error
│ ↓
│ LLM重新规划
│
└── System Error
↓
Fallback因此需要掌握：
-
Retry
-
Timeout
-
Fallback
-
Circuit Breaker
-
Idempotency
-
Error Classification
-
Compensation
这些其实和传统分布式系统高度相关。
十、第九层：Context / State
这个是 Agent 和普通 API 最大的区别之一。
例如：
用户：
帮我查茅台
LLM：
调用 query_stock
Tool：
600519 = 1450元
LLM：
再帮我分析一下PE第二次调用时，Agent必须知道：
前面查询过：
symbol = 600519
price = 1450因此需要：
Conversation
↓
Context
↓
State
↓
Tool Result
↓
下一轮Reasoning这里需要学习：
Short-term Memory
Long-term Memory
Conversation State
Agent State
Context Window
Context Compression
Checkpoint
Session十一、第十层：Observability
真正做生产级 Agent，这一块非常重要。
你必须能回答：
为什么 Agent 调用了这个 Tool？
例如完整 Trace：
Trace
│
├── User Request
│
├── Agent Decision
│
├── Skill Selected
│
├── Tool Selected
│
├── Tool Arguments
│
├── Tool Execution
│
├── Tool Result
│
├── LLM Reasoning
│
├── Next Tool
│
└── Final Answer最终可以形成：
Trace ID
│
├── LLM Call #1
│
├── Tool Call #1
│
├── LLM Call #2
│
├── Tool Call #2
│
└── LLM Call #3需要关注：
Latency
Token
Cost
Success Rate
Tool Error Rate
Retry Count
Tool Selection Accuracy
Agent Completion Rate十二、如果让你设计一套 Tool / Skill 架构
我比较推荐你按照下面这个结构理解：
User
│
↓
┌─────────────┐
│ Agent │
│ Runtime │
└──────┬──────┘
│
┌──────▼──────┐
│ Intent │
│ Router │
└──────┬──────┘
│
┌──────▼──────┐
│ Skill │
│ Registry │
└──────┬──────┘
│
┌──────▼──────┐
│ Skill │
│ Executor │
└──────┬──────┘
│
┌──────▼──────┐
│ Tool │
│ Registry │
└──────┬──────┘
│
┌──────▼──────┐
│ Tool │
│ Executor │
└──────┬──────┘
│
┌─────────┼─────────┐
↓ ↓ ↓
HTTP API Database MCP
│ │ │
└─────────┼─────────┘
↓
Tool Result
│
↓
Agent Loop
│
┌──────┴──────┐
↓ ↓
Tool Answer
Call User十三、如果是面试/架构设计，重点考什么？
我会把它压缩成 8 个核心能力：
| 能力 | 主要考察 |
|---|---|
| Tool | Tool 定义、Schema、执行 |
| Skill | Skill 与 Tool 的区别、Skill 编排 |
| Agent | Planning、Routing、ReAct、Loop |
| Runtime | Executor、生命周期 |
| Context | State、Memory、上下文管理 |
| Reliability | Retry、Timeout、Fallback |
| Security | Permission、Sandbox、Tool 白名单 |
| Observability | Trace、Log、Metric、成本 |
再往上，就是：
Multi-Agent
↓
Agent-to-Agent
↓
MCP
↓
Dynamic Tool Discovery
↓
Skill Marketplace
↓
Agent Runtime
↓
Distributed Agent System十四、结合你现在学习 OpenCode，我建议重点研究这一条链
你现在如果目标是看懂 OpenCode / Coding Agent 源码，不用把 Agent 所有理论都学一遍。
优先搞懂：
用户输入
↓
Agent
↓
Prompt / Context
↓
LLM
↓
Tool Call
↓
Tool Registry
↓
Tool Executor
↓
具体Tool
↓
Tool Result
↓
Message History
↓
LLM
↓
Tool Call
↓
...
↓
Final Response然后再研究：
Skill
↓
Skill Discovery
↓
Skill Loading
↓
Skill Prompt
↓
Tool Selection最后研究：
Agent Runtime
↓
Session
↓
State
↓
Event
↓
Tool
↓
MCP
↓
Permission
↓
Sandbox
↓
Trace这条链路吃透以后，你看 OpenCode、Claude Code 类 Coding Agent 的源码会顺很多。
如果把它进一步抽象成一句话：
Tool/Skill 调用链路设计，本质上考察的是"LLM 决策层 + Agent Runtime 执行层 + Tool 能力层 + 状态/上下文层 + 可靠性/安全/可观测性"的系统设计能力。