工具调用
Function Call、MCP、A2A、Skills，以及工具过百之后的注册、发现、路由与 Schema 设计。落点永远在「准确率抓在哪个环节」。
本篇分类真题集
PICKED
本方向读法
LEARN PATH
本方向的取用顺序。要完整系统学，去主线课程第 8 章「工具调用」（本方向归属章）。
刷透高频题
24 道速答题，每题一页：先这样答 → 面试官追问 → 回答的坑。下方题单收前 8 道，全部进分页列表。
深挖机制与选型
89 篇深度解析 + 3 篇对比选型，逐层拆到原理与工程取舍。
实战检验
项目面试包讲「项目怎么讲才扛住追问」；再按公司检验：五厂真题集。
速答题单
共 24 道
分类内题目
共 93 篇
教程深挖
深度解析与对比选型 · 4 篇
Agent 的 Function Call 为什么一直不稳？把不确定性拆开看
为什么 Agent 的 Function Call 一直不稳定？
Function Call 准确率怎么提升？从 Schema、路由到校验的完整链路
Agent 的 Function Call 准确率怎么提升？
Function Call 的训练数据怎么构建：正样本、难例与合成数据
Function Call 的训练数据怎么构建？
为什么要给 Agent 加动态函数路由
为什么要给 Agent 加动态函数路由？
真题解析
宝典真题完整解析 · 85 篇 · 去真题库总览
工具调用中的「权限最小化「原则如何落地
面试官想看你能否将"最小权限"这一安全原则落地到 Agent 工具调用的工程实现中，而非仅停留在概念层面。刁钻点在于：很多人只答"给 Agent 不同的角色"，但说不出参数级别的细粒度控制、动态授权机制、以及权限衰减策略
如何防止 Agent 的「工具链攻击「
面试官想看你能否识别和防御"工具链攻击"——攻击者通过组合多个看似无害的工具调用来达到恶意目的。刁钻点在于：每个单独的工具调用都是合法的，传统单点检测无法识别这种链式攻击。答好了能展示你的行为分析能力和序列检测思维。
Agent 工具调用的「输入校验「应该有多严格
面试官想看你能否在"安全性"和"可用性"之间找到正确的平衡点。输入校验太松会导致注入攻击，太严会导致正常请求被误拒。刁钻点在于：很多人只答"用 JSON Schema 校验"，但说不出语义校验、注入检测、降级策略等深层次
工具调用的「审计日志「应该记录什么？如何设计不可篡改的审计系统
面试官想看你能否设计一个满足合规要求且不可篡改的审计日志系统。刁钻点在于：很多人只答"记录谁调用了什么工具"，但说不出日志的不可篡改性、隐私脱敏、查询效率等工程挑战。答好了能展示你在可观测性和合规性方面的深度经验。
Agent 的「影子模式「（Shadow Mode）在安全测试中如何应用
面试官想看你能否设计一个安全测试方案，在不影响生产环境的情况下验证 Agent 的安全性。影子模式是从传统机器学习迁移到 Agent 安全测试的方法。刁钻点在于：很多人只答"影子模式就是复制流量"，但说不出如何对比分析、
Agent 的「数据隔离「如何保证？多租户场景下如何设计
面试官想看你能否设计多租户 Agent 系统的数据隔离方案。刁钻点在于：Agent 不仅访问数据库，还通过工具访问文件系统、API、缓存等多种数据源，每种数据源都需要隔离。很多人只答"不同用户用不同数据库"，但说不出上下
工具调用的「不可否认性「如何保证
面试官想看你能否设计一个防止否认的工具调用认证体系。不可否认性在金融、法律等高合规场景至关重要。刁钻点在于：很多人只答"加个数字签名"，但说不出签名方案的选择、重放攻击防御、多方确认机制。答好了能展示你在密码学应用和合规
Agent 的「供应链安全「如何保障
面试官想看你能否从"供应链"视角分析 Agent 安全风险。这是 2024-2025 年的安全热点——Agent 生态中第三方工具、插件、MCP Server 的供应链攻击日益增多。刁钻点在于：很多人只答"验证工具来源"
比较 OpenAI Function Calling、LangChain Tools、MCP 三种工具调用方式。
面试官想看你能否从"模型绑定度、协议标准化、生态开放性"三个维度对比主流工具调用方案。刁钻点在于：很多人只答"Function Calling 是 OpenAI 原生的，LangChain 是框架封装的，MCP 是协议"
Agent 如何决定「是否需要工具「 vs 「直接回答「
面试官想看你能否设计 Agent 的工具调用决策机制。刁钻点在于：很多人只答"让模型自己判断"，但说不出置信度阈值、规则引擎、检索增强等具体方案，以及各方案的 trade-off。答好了能展示你在 Agent 架构设计和
工具调用的延迟对用户体验的影响及优化策略
面试官想看你能否从用户体验角度优化 Agent 工具调用的性能。刁钻点在于：很多人只答"并行调用和缓存"，但说不出流式输出、预加载、降级策略等高级优化手段，以及延迟与用户体验的量化关系。答好了能展示你在性能工程和用户体验
如何实现工具调用的「可观测性「
面试官想看你能否设计一个 Agent 工具调用的可观测性体系。刁钻点在于：可观测性不只是"记录日志"，还包括指标监控、分布式追踪、可视化分析。很多人只答"记日志"，但说不出 OpenTelemetry 集成、调用链可视化
工具版本升级时，如何保证 Agent 兼容性
面试官想看你能否设计工具版本管理策略，确保升级时不破坏现有 Agent 的功能。刁钻点在于：工具升级不只是 API 变更，还涉及 LLM 对工具描述的理解变化、参数 Schema 变化对模型工具选择的影响。答好了能展示你
Agent 调用外部 API 时，如何处理速率限制（Rate Limiting）
面试官想看你能否设计 Agent 调用外部 API 的限流策略，保证在 API 速率限制下不中断服务。刁钻点在于：Agent 的工具调用模式不可预测（可能突然爆发大量调用），传统限流算法需要调整。答好了能展示你在分布式系
如何评估一个「好「的工具设计
面试官想看你能否从"设计原则"角度评估工具质量，而非仅看功能是否实现。刁钻点在于：很多人只答"能用就行"，但说不出原子性、幂等性、自描述性等设计原则，以及如何量化评估工具质量。答好了能展示你在 API 设计和 Agent
Agent 工具生态的未来发展方向是什么
面试官想看你对 Agent 工具生态的前沿洞察。这题没有标准答案，但答得好能展示你的技术视野。刁钻点在于：很多人只列举"工具市场"、"自动生成"等概念，但说不出为什么这些方向重要、当前进展如何、还有什么未解决的问题。答好
什么是 Function Calling？原理是什么
面试官想考察你是否真正理解 Function Calling 的本质，而非仅仅背概念。这属于工程取舍 + 系统设计类问题。刁钻点在于：很多人以为 Function Calling 是模型“学会”了调用函数，实际上它只是输
MCP 由哪几部分组成
面试官考察你对 MCP（Model Context Protocol）架构的底层理解，而非简单背诵组件名称。这是典型的系统设计 + 概念辨析题，刁钻点在于：很多人只记得“Client/Server/Transport”三
MCP 协议通常采用什么通信方式
这道题看似基础，实则考察你对 MCP（Model Context Protocol）协议传输层设计的理解深度。面试官想确认你是否清楚 MCP 并非“一刀切”的协议，而是针对本地开发与远程生产两种场景，设计了不同的通信方式
工具调用在Agent中的作用是什么
面试官想考察你是否真正理解Agent区别于纯LLM问答的核心差异，而非背诵“工具调用就是让LLM用API”这种表面定义。刁钻点在于：工具调用不是“LLM+API”的简单拼接，而是Agent自主决策、感知环境、执行动作的完
如何提升agent 的 function call 能力
面试官想考察你能否系统性地提升Agent的function call能力，而非只懂调prompt。这是一道系统设计+工程取舍题，刁钻点在于：候选人常只提“写好prompt”或“微调模型”，但忽略了数据质量、函数选择、评估
MCP 和 A2A 什么关系？「 —— 你要讲清纵向连工具 vs 横向连 Agent 的分层
这道题考察的是你对现代 Agent 架构中两个关键协议——MCP（Model Context Protocol）和 A2A（Agent-to-Agent）——的分层理解和工程选型能力。面试官想看你能否跳出“工具调用”的单
面试官问：「MCP 和 Skills 有什么区别？「——你开始支支吾吾
面试官想看的不是你对两个名词的背诵，而是对 Agent 系统中“能力抽象层”与“通信协议层”的本质区分。这是 P1 进阶题，考察类型是系统设计 + 工程取舍。刁钻点在于：很多人把 MCP 当成 Skills 的替代品，或
技术选型时：不知道该用 MCP 还是 Skills，还是都用
面试官想看你是否具备工程决策能力，而非单纯背诵概念。这道题属于系统设计 + 工程取舍类型，刁钻点在于：MCP（Model Context Protocol）和 Skills 并非互斥，而是不同抽象层级的产物。答好了能展示
准备技术选型思路：什么时候用 MCP？什么时候用 Skills
面试官想考察你在 Agent 架构中的系统设计能力，而非简单背诵 MCP 和 Skills 的定义。刁钻点在于：MCP 和 Skills 看似功能重叠（都是让 Agent 执行动作），但本质是协议层 vs 逻辑层的差异。
在定义Function Calling（或Tool Calling）的工具Schema时，除了基本的参数名和类型，如何通过优化description字段来显著提高大模型调用工具的准确率？请结合一个具体例子，说明如何进行“负向约束”或提供调用策略
面试官想考察你对LLM工具调用中“隐式Prompt Engineering”的实战理解，而非单纯背Schema格式。刁钻点在于：多数人只写“参数名+类型”，忽略了description是模型理解工具意图的唯一自然语言入口
大模型的 Function Call 能力是怎么训练出来的
面试官想看你是否真正理解Function Call不是“模型天生就会”，而是通过专用数据构造+多阶段训练硬训出来的。考察类型是工程取舍+系统设计。刁钻点在于：很多人只会背“SFT+RLHF”的流程，但答不出数据构造中的负
什么是 MCP（模型上下文协议）？讲讲它的核心内容
面试官想看你是否跟上了AI工程化的最新趋势，而非只会调API。MCP（Model Context Protocol）是Anthropic在2024年底提出的开放协议，旨在标准化LLM与外部工具/数据源的交互方式，被称为“
MCP 和 Function Calling 有什么区别？有没有实际跑过 MCP
面试官想区分你是“背概念”还是“真动手”。Function Calling 是模型输出 JSON 的能力，MCP 是标准化工具调用的通信协议——两者不在同一抽象层。刁钻点在于：很多人把 MCP 当成“升级版 Functi
Function Calling 也属于工具调用，请问什么场景下使用 Function Calling，什么场景下使用 MCP
面试官想考察的不是背诵FC和MCP的定义，而是你在真实工程中做架构取舍的能力。这是典型的“场景分析+系统设计”题，刁钻点在于：很多人以为MCP是FC的升级版，但实际两者是互补关系。答好了能展示你对工具调用生态的深度理解—
MCP 和 Agent Skill 的区别是什么
面试官想考察你对工具调用（tool calling）生态的深度理解，而非单纯背概念。刁钻点在于：MCP 是协议（protocol），Agent Skill 是封装（abstraction），两者不在同一抽象层，但常被混淆
Function Calling、Skill、MCP 这三个有什么区别
面试官想看你是否真正理解 Agent 工具调用的分层架构，而非只背概念。这道题考察的是系统设计 + 概念辨析能力，刁钻点在于：很多人把 Function Calling 当成一个功能，把 Skill 当成一个文件夹，把
项目提到了多个工具调用链路，调度策略是如何设计的
面试官想考察你在多工具 Agent 中，从“调用链路”到“调度策略”的工程落地能力，而非单纯背概念。这是典型的系统设计 + 工程取舍题。刁钻点在于：工具间存在依赖（如先搜索再总结）、动态失败（如 API 超时）、以及并行
Function Call 是怎么训练的
面试官想考察你对工具调用（Function Calling）训练全流程的底层理解，而非仅停留在“用API调模型”的浅层。这是一道系统设计+工程取舍题，刁钻点在于：多数人只背过SFT流程，但答不出数据构造的难点（如参数嵌套
约束解码与JSON Schema如何提升工具调用鲁棒性
面试官想考察你对LLM输出控制的深度理解，而非仅仅背诵“用JSON Schema”。核心是看你是否区分“生成后校验”与“生成中约束”两种范式，以及能否量化约束解码带来的鲁棒性提升。刁钻点在于：多数候选人只提Post-pr
如何处理LLM输出的错误Function Call参数
面试官想考察你是否具备处理LLM输出不可靠性的工程实战经验，而非仅背诵Function Calling原理。这是典型的系统设计+debug类型问题，刁钻点在于：候选人常只谈“重试”或“校验”，却忽略错误类型分类、反馈完整