工具管理：参数校验、工具路由与百级工具库
工具调用是 Agent 区别于普通对话模型的核心能力。面试官在这个维度考的不是“你知不知道 function calling”，而是**“模型不听话怎么办”和“工具多了怎么管”**——这两个问题决定了你的 Agent 能不能上生产。
本篇目录
- 参数校验与工具路由
- 工具返回与中间层
- MCP 与 Function Calling
- 工具设计与实现
- 高级工具调度
- Q：开源模型的 Function Calling 能力较弱，如何通过微调或 Prompt Engineering 提升？
- Skill 边界模糊时的工具披露
- 多 Skill 串行嵌套的容错设计
- Q：没有 MCP 之前大模型调用工具走的是什么流程？MCP 本身有什么缺点或者挑战？
- Q：Tool Result 回写模型时，消息契约应该包含哪些字段？
- Q：MCP 返回结果支不支持流式？
- Q：Tool-use SFT 的训练目标是什么？基座模型已经具备工具调用能力时，SFT 还需要学习什么？
- Q：如何不用多智能体方案让 1000 个 Tools 正常工作？
- Q：一个 Agent 如何同时连接多个 MCP Server，并保证用户与会话隔离？
- Q：CLI、Skill 和 sub-agent 应该如何划分职责？CLI 直接调用 LLM 与 Skill 拉起 sub-agent 有什么差异？
- Q：Agent 调用启动较慢的外部工具时，如何设计异步任务和结果回调？
- Q：跨平台工具授权即将过期时，Agent 如何调整调用顺序并安全续权？
- Q：MCP 工具治理为什么需要审计？应该审计哪些证据？
- Q：如何评测 MCP Server / Tool 自身的契约、可用性和效果，并用轨迹 Badcase 持续迭代？
- 这类题的答题模式