在 AI Agent 落地过程中，工具调用失败往往被归因于模型“选错工具”。但掘金平台上一篇技术复盘给出的实测观察显示，真正的压力更多来自参数填写错误：模型单工具调用准确率约 95%，当工具数量涨到 20 个以上时，准确率会掉到 65%–78%；而在规模化部署中，60%–75% 的工具调用失败并非选错工具，而是参数不匹配。对开发者而言，这意味着提升 Agent 可靠性不能只依赖提示词，而要把校验、隔离、权限和确认机制写进工程系统。
参数错误：被低估的主要失败源
文章将模型视为一个“结构性不可靠”的执行者：它善于生成看似合理的计划，却不一定能区分“读取报表”和“清空日志”这类动作的边界。Salesforce AI Research 的 ToolScan 将工具调用错误拆成七类，覆盖 10 类环境、30 多个任务、150 条人工标注查询，结论是最强模型也会稳定复现这些错误模式。其中，IAV、IAN、IAT、IFE 四类错误都发生在参数层面。
第三方对伯克利函数调用排行榜 BFCL v3 的 2026 年 5 月快照汇总也显示，规模化部署下参数不匹配占工具调用失败的 60%–75%。工具数量增加会进一步放大问题：2026 年 6 月的 ToolChoiceConfusion 论文设置了 102 个任务、100 个工具、4 个模型后端、2448 次运行。当 100 个工具全部暴露时，任务成功率为 0.83，平均每次任务出现 1.25 次错误调用；只暴露当前步骤必需的一个工具时，成功率提升到 0.99，错误调用降至 0.01，token 消耗还降低约 90%。
链式调用同样会带来复合衰减。文章给出一个直观例子：单次成功率 90%，连续调用 3 次约剩 73%，5 次约剩 59%，10 次约剩 35%。这也是生产环境更偏好 3–5 步短链的原因之一。
第一层和第二层：先挡住错误参数，再收敛工具候选集
围绕这些问题，文章提出四层工程防线。第一层是参数校验，目标是让不合法参数无法进入业务函数。工具定义不能只写“查询数据”这类模糊描述，而应说明工具做什么、何时调用、有哪些副作用，以及参数格式和边界。JSON Schema 中的 additionalProperties: false 被认为是关键设置之一，它可以把模型凭空新增字段的问题从“静默通过”变成“显式失败”。
但 Schema 更像给模型看的说明书，不是服务端自动生效的强制约束。文章建议，在参数进入业务逻辑前，还要通过程序化校验组件再检查一次，例如使用 Pydantic 校验报表 ID 格式、日期区间和字段类型。对于“同义不同名”的参数，可以做别名归一化，但只能处理含义明确、可以安全转换的字段，否则真正的意图错误可能被悄悄抹平。
第二层是候选集隔离，解决“哪些工具应该出现在模型眼前”。文章将工具按副作用分为 L0 只读、L1 写入、L2 高危三档，并建议默认只暴露 L0。L1、L2 应通过显式授权或独立通道引入，而不是一开始就与查询类工具平铺在同一个候选列表中。当工具超过 20 个时，可以改为两段式流程：先由路由模型在 L0 中挑出 5–10 个候选，再由执行模型在候选集中选择具体工具并生成参数。这样可以把“100 选 1”降级为“10 选 1”，也能把高危工具从执行模型的视野中移开。
第三层和第四层：默认拒绝权限，高危动作必须二次确认
第三层关注权限：不是判断模型想调什么，而是判断当前执行器能调什么。文章给出的原则是先查硬禁名单，再查白名单，两者都未命中则一律拒绝。换言之，黑名单未命中并不等于放行。示例中，query_report 被标记为 L0 可直接执行，write_report 属于 L1 需要授权，delete_all_logs 虽被列为 L2 高危，但进入生产环境硬禁名单后会被直接拒绝；未登记的 refund_order 也会因不在白名单而被挡下。
最后一层则指向运行时风控和高危二次确认。全国网络安全标准化技术委员会《网络安全标准实践指南——智能体交互安全要求（征求意见稿 v0.23）》8.2 条提出，工具提供者应实施最小接口暴露原则，仅向智能体暴露最小必要的功能接口；涉及高危系统权限的工具调用时，应充分告知用户安全风险，并获取用户明示同意。这与文章中的工程判断一致：高风险动作不能仅靠模型理解，也不能只靠静态配置，而要在执行前加入明确确认。
这篇复盘的价值在于，它把 AI Agent 的“不稳定”从模型能力问题，转译成可拆解的工程问题。参数校验、候选收敛、默认拒绝、二次确认，每一层都对应具体失败场景，也都有明确边界。随着 Agent 接入更多工具和真实业务系统，决定产品能否上线的，可能不只是模型有多聪明，而是工程系统能否在模型犯错时拦住代价最高的那一步。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/ai-agent-gong-ju-diao-yong-shi-wu-xian-bie-ji-zhe-gai-ti
