欢迎大家来到工程篇的第二大模块——Agent 工具生态！

在前面的课程中，我们完成了小红书爆款笔记生成项目的实战，主要是让 Agent 在“脑力”层面进行思考、规划和写作。但是，一个真正强大的 AI 应用，绝不能仅仅停留在“纸上谈兵”。如果说大模型是 Agent 的“大脑”，那么工具（Tools）就是 Agent 探索世界、改变外部状态的“手和脚”。

有了工具，Agent 就可以去查询数据库、读取本地文件、操作浏览器、甚至调用企业内部的微服务，真正帮你完成有价值的闭环任务。今天这节课，我们将从底层的设计哲学出发，探讨如何为大模型打造真正好用、不出错的专属工具。

一、 工具使用的底层逻辑：Native Function Calling vs ReAct

在让 Agent 使用工具之前，我们需要先理解它底层到底是怎么跑通的。目前业界主流的工具调用范式主要有两种：

1. Native Function Calling（原生函数调用）：这是目前大部分先进大模型（如 GPT-4, Qwen-Max 等）在底层 API 原生支持的能力。你在请求大模型时，不仅传入 Message List，还会传入一个 Tools List（包含工具的名称、描述和参数 JSON Schema）。大模型在理解语义后，会直接在其底层输出特殊的标记，告诉框架：“我要停下来，请帮我调用某个工具，参数是 XXX”。

2. ReAct 范式：我们在第 2 节课解剖 Agent 时详细讲过，基于 Thought -> Action -> Action Input -> Observation 的文本推演循环。