工具调用

长谷深风111

AI Agent 踩坑：盲目重试会把小故障炸成系统灾难你做了一个 AI Agent，调用搜索、数据库、支付或发消息的 Tool。偶尔却突然报错：429、timeout、服务繁忙。最直觉的处理方式，是“失败了就再试一次”。

小沈同学呀

【Agent开发第五期】Tool Use 工具调用,给 Agent 装上“手“第 04 期 Alex 已经有了记忆和人设,但它还是只能"动嘴"——你问"现在几点",它会老老实实承认"我没有实时信息获取能力";你问"17 乘 23 等于多少",它可能会"心算"出错,给你一个近似值。

小田学Python

Agent 的运行范式：ReAct（Reasoning+Acting）聊天机器人是“你问一句、我答一句”；Agent 是“你说目标、我反复尝试直到完成”。让它能干活的，不是模型变聪明了，而是它学会了“循环”。

智能体面试准备（十八）：Function Calling 全链路——Agent 真正动手的最后一公里前面讲了单 Agent（ReAct）、多 Agent（B15）、安全（B16）、规划（B17）。但所有这些要"落地"，都绕不开一个最基础也最关键的能力：Function Calling（函数调用）——让 LLM 决定"调哪个工具、传什么参数"。这一篇把全链路从定义到生产跑通：工具 schema 设计 → 模型决策 → 参数解析 → 执行 → 结果回填 → 并行调用与错误处理。每节给：原理 → 代码 → 面试速答 + 高频追问。配合 B14（MCP）看，刚好从"单进程工具"走到"跨进程协议"。

ZGI Agent：企业怎样治理工具调用？企业治理会调用工具的智能体（AI Agent），要把每次调用放进可检查的执行链：先限定可见工具和数据范围，再按读取、生成草稿、写入、删除等动作分级；高影响操作进入人工参与机制（Human in the Loop，HITL），下游系统继续校验真实用户权限，运行时保存调用者、参数、结果与失败位置。提示词可以提醒边界，真正的控制仍要落在工具、账号和业务系统。

读了一遍 GitHub 上 12K Star 的 AI Agent 开源书去年年底，LLaMA 的老板说 2025 年是 AI Agent 元年。我当时觉得他在画饼。然后项目就来了。

业务智能体实战笔记（三）：收窄 LLM 决策空间系列导航：上一篇：业务智能体实战笔记（二）｜前置拦截：别让 LLM 做不该做的决策 | 下一篇（预告）：兜底修复 LLM 异常（持续更新）

小沈同学呀

【Agent开发第一期】LLM+Agent-从概念到第一次模型调用最近在折腾 Agent，刚开始就被两道门槛卡得怀疑人生：本人不才，踩了一圈坑之后总算把第一期的环境跑通了。这一篇文章把概念讲清楚、把操作步骤拆明白，看完你就能：

【智能体工具使用实战08】实战项目：代码仓库健康度分析Agent本章你将学到：本章你将产出：一个能自动扫描Python项目、分析代码质量、生成诊断报告的Agent系统，以及一套完整的工程资产（规范、测试集、评测报告、迭代记录）全部章节：收录在专栏《AI应用工程化实战教程》之【智能体工具使用实战】

【智能体工具使用实战06】工具增强型Agent的评测体系本章你将学到：本章你将产出：一套能同时评估“输出质量”和“工具使用质量”的评测系统，以及一份包含工具调用审计的评测报告全部章节：收录在专栏《AI应用工程化实战教程》之【智能体工具使用实战】

【智能体工具使用实战07】让Agent给自己造工具本章你将学到：本章你将产出：一个具备自建工具能力的Agent，以及至少一个由Agent自己创建并成功调用的新工具全部章节：收录在专栏《AI应用工程化实战教程》之【智能体工具使用实战】

【智能体工具使用实战01】当智能体需要“动手”干活从第一部**《智能体工程化实战：从“写Prompt”到“造智能体”》**走过来，你已经掌握了一套完整的工程化方法。

小沈同学呀

SpringAI+MCPClient实战-MiniMax模型打造智能AIAgent各位好，上一篇我们聊了 MCP Server 端的架构设计和实战代码，今天来聊聊 MCP Client 端。在实际项目中，MCP Client 才是真正面向用户的 AI 应用核心，它负责连接各种 MCP Server，自动发现并调用工具，让大模型具备"动手"的能力。

关于大模型工具调用技术的总结大模型**工具调用（Function Call / Tool Use）**是一种让语言模型能够主动调用外部API、函数或工具来完成其自身无法执行任务的技术机制，通过"推理-行动-观察"（ReAct)的循环模式，将大模型的文本理解能力与外部世界的执行能力无缝连接。

什么是“工具调用”（Function Calling）？Agent的手和脚“大模型是大脑，但大脑不会自己动手。Function Calling 就是给这颗大脑接上神经和肌肉的过程——让它不仅能说‘我该做什么’，还能真正‘伸手去做’。没有工具调用的 AI，永远只是纸上谈兵的军师；有了它，AI 才第一次具备了改变现实世界的力量。”

行者-全栈开发

【DeepSeek 实战】打造全能编程助手：DeepSeek V4 Agent 开发与工具调用💡 摘要: Agent（智能体）是大模型应用的高级形态。本文详解如何利用 DeepSeek V4 的 Function Calling 能力，构建能够自主调用外部工具的编程助手。通过定义工具 Schema、实现多步任务拆解、处理工具执行结果，让 AI 不仅能"说"，还能"做"。实战案例包括自动代码审查、单元测试生成及 Git 操作自动化。

Claude Code 工具调用架构深度解析：六层防御与渐进式加载本文基于 Claude Code v2.1.88 源码，深入分析其工具调用（Tool Use）的准确性保障与可控制性机制，并探讨如何在自己的项目中实现类似能力。

从零到部署：构建生产级 AI Agent 的完整指南摘要：本文详细介绍如何从零开始构建一个生产级的 AI Agent 系统。我们将涵盖 Agent 架构设计、核心组件实现、工具集成、记忆管理、评估优化以及最终部署。通过完整的代码示例和实战案例，读者将能够独立完成一个可投入生产的 AI Agent 系统。文章基于 2026 年最新技术栈，包括多模型路由、RAG 增强、工具调用等核心能力。

北京地铁1号线

经典面试题：Agent工具调用格式（2）Agent工具调用用json格式，够吗？为什么用json？有别的选择吗？对比过吗？足够。对于绝大多数Agent工具调用的场景，JSON格式完全能够满足需求。Agent调用工具通常需要传递函数名、参数以及可能的上下文信息，而JSON可以清晰地表达这些结构化数据。它具有以下优点：

北京地铁1号线

经典面试题：Agent工具调用出错如果Agent调用工具出错了，怎么办？当Agent调用工具出错时，这是一个非常常见的问题。一个健壮的Agent系统必须包含完善的错误处理机制，否则很容易陷入死循环或给出错误答案。