Agent 的工具是如何被大模型使用的
一篇讲清“工具选择 - 工具调用 - 工具结果回传 - 再推理”的实战笔记
一、前提
先记住一个最重要的结论：
Agent 每次发给大模型的，不只是用户问题，还会带上历史消息和工具信息。
也就是说，模型看到的不是“单独一句话”，而是：
- 当前用户在问什么
- 前面聊过什么
- 现在有哪些工具可以用
- 每个工具怎么调用、参数是什么
所以，工具并不是模型自己“长出来”的能力，而是 Agent 把工具说明和上下文一起喂给模型后，模型再决定要不要用、怎么用。
图 1：Agent 与大模型的基本关系
二、先把流程说透
工具使用不是“一步到位”的，它通常是一个循环：
- 用户发出任务。
- Agent 把历史消息和工具信息一起发给大模型。
- 大模型判断要不要调用工具。
- 如果要调用，就输出一个工具调用请求。
- Agent 执行这个工具。
- 工具结果再回传给大模型。
- 大模型继续思考，直到给出最终答案。
这个过程看起来像模型在“亲自操作文件”，实际上不是。
真正执行readFile、writeFile的，还是 Agent 侧的程序。
图 2：工具调用的完整闭环
三、工具信息到底长什么样
工具信息可以理解成一份“说明书”。
至少会包含这几类内容：
name：工具名description：工具用途parameters：需要哪些参数required：哪些参数必填
例如：
{"name":"readFile","description":"读取指定文件内容","parameters":{"type":"object","properties":{"path":{"type":"string","description":"文件路径"}},"required":["path"]}}模型看到这份信息后，才知道：
- 这个工具能干什么。
- 它需要传什么参数。
- 什么时候适合调用它。
四、例子一：只有readFile工具
现在有一个场景：
- Agent 只提供了
readFile工具。 - 用户要求读取
a.txt。
可能发生什么
如果文件路径没问题，流程就很简单：
- 用户说“帮我读
a.txt”。 - Agent 把这个问题连同工具信息发给大模型。
- 大模型发现可以用
readFile。 - 大模型发起工具调用：
readFile(path="a.txt")。 - Agent 执行读取。
- Agent 把文件内容回传给大模型。
- 大模型组织成自然语言回复给用户。
如果读取报错
比如a.txt不存在、路径写错、权限不足，或者文件编码有问题，就会出现报错。
这时的关键点是：
- 报错不是模型自己“看见文件系统报错”
- 而是 Agent 执行工具后，把错误信息回传给模型
- 模型再根据错误信息决定下一步
这一步很重要，因为它说明了：
大模型不是直接访问磁盘，而是通过 Agent 提供的工具间接访问。
图 3：只提供readFile时的流程
五、例子二：同时提供readFile和writeFile
第二个场景更完整一点：
- Agent 提供了
readFile和writeFile。 - 任务是：读取
a.txt的内容，然后纯净地写入b.txt。
这里的“纯净写入”可以理解为：
- 不额外加解释
- 不夹带多余文本
- 只把
a.txt的内容写到b.txt
这个场景里大模型怎么想
大模型看到工具信息后，会做一轮“任务分解”：
- 先读
a.txt。 - 拿到内容以后，再写入
b.txt。
也就是说，模型不是一次性把两个工具同时用完，而是先完成前一步，再决定下一步。
这个流程为什么合理
因为工具调用不是纯文本回答，而是一个带状态的多轮执行过程。
模型需要先知道：
- 读取结果是什么
- 内容是否成功拿到
- 要不要原样写入
- 有没有格式转换需求
六、标准版流程
可以整理成下面这样：
七、为什么模型能“选对工具”
原因不是模型真的认识你的代码仓库，而是工具说明把能力边界讲清楚了。
模型会根据这几个信号判断：
- 工具名字像不像我要的能力。
- 工具描述是不是符合当前任务。
- 参数结构能不能满足当前需求。
- 上下文里有没有前置结果需要承接。
比如：
readFile很明显适合“读取文件”writeFile很明显适合“写入文件”searchWeb很明显适合“查资料”
所以，工具描述写得越清楚，模型越容易选对。
八、为什么工具调用不是直接回答
模型有两种常见输出方式：
- 直接回答用户。
- 先发起工具调用，再等工具结果回来后继续回答。
当任务涉及外部世界时，模型通常会优先走第二条路。
例如：
- 读文件
- 查数据库
- 查天气
- 调用支付接口
- 发消息
这些都不是纯语言推理能完成的事情，必须靠工具。
九、工具消息和普通消息的区别
普通消息是对话内容，工具消息是执行结果。
可以简单理解为：
- 用户消息：提出需求
- 助手消息：决定下一步
- 工具消息：告诉模型“刚才执行结果是什么”
这样模型就能在“思考 - 执行 - 再思考”之间循环。
十、实战总结
把这件事说透，其实就是一句话：
大模型不会自己操作文件系统，Agent 会把工具信息发给模型，模型决定调用哪个工具，Agent 再负责真正执行。
如果再展开一点，就是：
- 历史消息让模型知道上下文
- 工具信息让模型知道可用能力
- 工具执行结果让模型知道下一步怎么走
这就是 Agent 工具能够被大模型使用的完整逻辑。
