工程笔记
写给真正
交付技术栈的人
关于 React、Node.js、TypeScript 与 AI 的文章。有译文正文时显示译文。没有时显示英文，并注明这一点。
标签：Tool Calling
理解AI智能体：工具调用、MCP与智能体循环
从增强型大语言模型出发，跳过那些流行术语，探讨工具调用、MCP以及智能体循环如何共同构成人工智能智能体的实际架构。
阅读约 16 分钟在代码中实现代理规则：PreToolUse、PostToolUse与Stop钩子函数
了解为何LLM智能体的授权应放在确定性工具调用钩子中，如何安全地拒绝调用，以及如何在不使用递归的情况下封装调度器。
阅读约 12 分钟用于比较实时股票指标的手动滚动的LangChain工具循环
逐步构建一个小型 LangChain 股票对比助手，了解让大语言模型能够请求实时数据而非凭猜测工作的创建、绑定、调用与执行流程。
阅读约 7 分钟在现有的 .NET 服务及 API 基础上构建 AI 智能体
C#团队可以通过函数调用，将现有的.NET服务作为受管控的工具提供给AI智能体使用，并确保具备所需的上下文、安全性和可观测性机制。
阅读约 9 分钟从目标到谨慎行动：AI智能体中的循环、验证与权限控制
了解人工智能智能体如何通过计划-执行-观察循环将目标转化为工具调用，以及为何验证机制、自主程度和权限层级决定了它们的安全性。
阅读约 12 分钟面向大规模AI智能体的渐进式工具发现方法
庞大的工具目录会导致人工智能代理选择较差的工具并消耗上下文信息。通过清单与即时模式实现渐进式发现，可解决大规模场景下的工具调用问题。
阅读约 10 分钟通过脑与手的类比理解人工智能智能体
通过将智能体架构类比为点餐过程，了解大型语言模型、工具以及工具执行器之间的交互方式，进而构建一个最简的智能体实现。
阅读约 7 分钟理解 OpenAI 响应 API 中的项与消息的区别
解释了 OpenAI 的 Responses API 如何将模型输出重新组织为条目而非消息，以及为何这种变化对工具调用和智能体工作流具有重要意义。
阅读约 8 分钟
常见问题
关于这些文章
是。每篇都是为本站准备的英文原创改写。结构与代码跟随来源；正文重写并做过重合检查。
英文是来源。只有存在该语言的正文译文时才显示其他语言。缺失或空白的译文仍是英文，包括在本地化网址上。
草稿经编辑后进入发布队列。站点导入只收录新的或有变更的 slug，不会重复添加。
示例仅供说明。上线前请核对技术栈与许可。若需交付，请发来简报。