模型如何请求外部程序执行任务?
模型可以提出“调用哪个工具、传入什么参数”,但实际动作由应用系统执行。这样,智能体可以获取实时信息或完成模型本身无法直接完成的计算。工具定义通常包含名称、用途和参数结构;好的定义应让模型知道何时使用,也让系统能够检查输入是否合法。
一次工具调用如何验证、执行和回传?
用户提出请求后,模型可能返回一项工具调用而不是最终答案。应用先核对参数、用户身份、权限和风险,再执行数据库查询、搜索或其他程序。结果被送回模型,模型决定继续调用工具还是回答用户。对于可修改外部状态的操作,还应按业务规则设置审批、幂等或回滚机制,并记录调用过程。模型生成的参数不应被视为可信输入。
例如,用户问“本月各区域订单量”。模型可选择受控的查询工具,给出时间范围和分组维度;查询引擎负责执行并返回数字。若用户要求查看没有权限的区域,权限检查应在工具或数据层生效,而不是依赖模型拒绝。镜舟的平台架构技术说明(英文)展示了智能体、业务语义与查询执行的协同。
工具调用与 MCP 各负责什么?
工具调用是应用与模型交互的一种能力;MCP 是连接 AI 应用与外部工具、资源的协议。应用可以通过 MCP 发现工具,再使用模型的工具调用能力发起请求。两者并不等同。无论采用何种接口,工具输出都可能有错误或包含不可信文本,需要校验来源、结构和适用范围。
常见问题
模型调用工具就能保证结果正确吗?
不能。工具参数、数据质量和结果解释都可能出错,需要分层验证。
所有工具都应允许自动执行吗?
不应。读取与写入、低风险与高风险操作应设置不同的权限和确认规则。
怎样排查失败?
记录用户请求、模型选的工具、参数校验、执行结果和最终回答,逐步定位错误环节。