tools

MCP 面试高频考点：把知识库 RAG 检索封装成 Tool，Java 落地要避哪些坑？面试官：我们先做一个贴近工程的题。假设团队已经有一套内部知识库 RAG 能力，包含文档解析、切块、向量索引、召回和重排，现在要把它接入支持 MCP 的 AI 应用，让模型在回答企业制度、产品文档和运维手册问题时能按需检索。技术栈要求用 Java MCP SDK 实现服务端。请你先说整体方案，再回答我后面的追问。

短期内不存在通用 AI 工作流魔法过去两年，AI 自动化领域出现了一个被反复推销的命题：存在（或即将出现）一种通用的 AI 工作流框架，能够跨模型、跨平台、跨部署形态地编排提示词、工具调用、多代理协作、上下文管理与故障恢复。采用它，就能“专注于业务逻辑”，把工作流的复杂性交给框架。

多智能体编排的三个点同一个模型，放在不同的系统结构里，产出质量差异很大。Harness engineering 的实测数据：控制模型不变，系统结构可将每任务成本降低 41%、墙钟时间降低 44%、Token 消耗降低 38%，质量持平。

mock 规范总纲第0条（基线）本目录一切数字以 20260918 磁盘实测为准；旧数引用禁止。产品源码与文档冲突时以源码为准并即时修正文档。

麻将服务器崩溃补偿与异常处理语义（CRASH_SEMANTICS）第0条（基线）本文件语义以产品源码为权威源；引用只允许以文件与符号（函数、常量、字段、协议名）给出。常量：MAHJONG_PROTO_CRASH = 1020、MAHJONG_EVENT_CRASH = 7（mahjong_define.lua）。

麻将 UI 层可观察行为（UI_BEHAVIOR）第0条（基线）本文件语义以产品源码与 UI 脚本为权威源；引用只允许以文件与符号（函数、控件路径、纹理名）给出；行号引用前必须复核现码。

麻将节点间路由转发链：失败回退与错误传播语义（ROUTE_SEMANTICS）第0条（基线）本文件语义以产品源码为权威源；引用只允许以文件与符号（函数、协议名）给出；行号引用前必须复核现码。

mock 框架架构第0条（基线）本文件覆盖 core.lua、framework.lua、framework_engine.lua、framework_ui.lua、loader.lua、node_ps.lua、node_client.lua、tab_loader.lua、xml_ui_loader.lua、frame_driver.lua；一切数字以 20260918 磁盘实测为准，旧数引用禁止。

C++ 引擎接口到 mock 的映射（INTERFACE_MAP）第0条（基线）依据=C++ 绑定与注册清单（Luna 机制、全局函数、各服务器 KScriptFuncList、闭源 UI 引擎头文件）加 Lua 使用矩阵（tools/scan_framework_usage.lua，扫描根为 modules/ 与 scripts/，共 2525 个 Lua 文件，20260918 实测）。新增或缺失接口必须先查本表；未实现的必须补入 mock 并登记本表。

大厂 MCP 面试实录：可复用 Prompts 工作流的工程化设计本文采用模拟面试复盘形式，还原大厂基础架构/AI 应用开发岗位的 MCP 相关面试场景，围绕「为团队沉淀可复用 MCP Prompts 工作流」的业务需求，逐步考察候选人对协议原理、能力选型、安全设计与工程落地的掌握程度。

OpenCode 中解禁 Muse-Spark 1.3 - max 档OpenCode UI 最高给到 xhigh。Muse-Spark 1.3 的 API 接受 max。默认配置下，max 可能在客户端被校验丢弃，或静默降级成 xhigh。解禁就是让请求真正带 reasoning_effort=max。

大厂 MCP 面试实录：本地 stdio MCP Server 远程化改造方案本文采用模拟面试复盘形式，围绕「本地 stdio 传输的 MCP Server 改造为可远程访问的服务」这一高频工程场景，还原真实大厂技术面试的考察逻辑与回答思路。

为什么需要回程闲置保护？对象:opencode-goal 插件的子代理静默死亡巡检(sweep_idle_children + prompt_sent_at 登记)。本文讲清它为什么存在、为什么只能是现在的形状——每一个"只能",背后都是一次真机事故。

何时拒绝使用工具：Agent 不是万能钥匙💡 摘要：Agent 的核心能力之一是调用工具，但"有能力调用"不等于"应该调用"。本文探讨 Agent 何时应该拒绝使用工具，以及如何通过 System Prompt、工具描述和条件边来引导 Agent 做出正确判断。

向日的葵006

langchain的Tools教程（三）bind\_tools 可以传递参数 tool\_choice，用于控制是否强制使用工具。该字段最终会作为 payload 的 tool\_choice 字段传递给模型，OpenAI和Deepseek的官方API服务对于 tool\_choice 的取值做了相同的规定。

019-JSON-Schema-自动生成💡 摘要：本文深入解析 @tool 装饰器如何通过 Python 反射和 Pydantic 动态模型，将函数签名自动转换为标准 JSON Schema，让 AI 能够准确理解工具的参数结构。

雪碧聊技术

提升大模型能力：从零构建一个高精度天气查询Tool目录摘要一.什么是Tools？1.含义2.示意图二.自定义工具：从函数到 Tool1.定义普通函数2.使用 @tool 装饰器改造

018-tool-decorator-basics💡 摘要：本文深入解析 LangChain 的 @tool 装饰器，探讨如何通过最少的样板代码将普通 Python 函数转换为 Agent 可调用的智能工具，以及如何设计高质量的工具描述和错误处理机制。

【OpenClaw篇】OpenClaw 实战入门：在 VMware 虚拟机里部署第一个本地 AI Agent💬 这一篇讲什么：在隔离的 Windows 虚拟机中安装并启动 OpenClaw🚀 核心内容：📌 本文定位：

装不满的克莱因瓶

SpringAI Alibaba Tool工具调用机制实战-注解注册与函数调用全流程目录一、什么是工具调用（Function Calling / Tool Calling）二、Spring AI 工具调用三步走