点击上方 前端Q，关注公众号
回复加群，加入前端Q技术交流群
从这一篇开始进入 Harness 七层的第二层：Tool Harness。
上下文管好了，模型知道该做什么了——但接下来它要"动手"。动手的方式就是调用工具（Tool Calling / Function Calling）。
问题是：工具调用是 Agent 系统里最容易出错的环节。
OpenAI 社区论坛上有大量开发者反馈 GPT-4o 的 function calling 失败率可以达到 30% 甚至更高。有人用官方示例测试，10 次调用只成功 3 次。Anthropic 也在文档里专门强调：tool definition 应该和 prompt 一样花心思去优化。
这一篇我会讲清楚：工具调用为什么不稳定，以及怎么用 4 层防护把它变稳定。
工具调用为什么不稳定
先看全貌。工具调用不稳定，通常出在这 4 个环节：
| 原因 | 具体表现 | 后果 | 发生频率 |
|---|---|---|---|
| Schema 模糊 | 工具名叫process，参数叫data | 模型猜着调，经常填错参数 | 非常高 |
| 相似工具混淆 | searchNotes和searchWeb并存 | 模型分不清该用哪个 | 高 |
| 无失败重试 | API 超时一次就整个流程卡住 | 偶发错误变成系统级故障 | 中 |
| 无结果校验 | 工具返回了空数据，模型照用不误 | 垃圾进垃圾出，回答质量崩塌 | 高 |
▎一个真实的翻车场景
假设你做了一个知识库 AI，有两个工具：
typescript
// 工具 1：搜索笔记
{ name: 'search', description: '搜索', parameters: { query: 'string' } }
// 工具 2：获取详情
{ name: 'get', description: '获取', parameters: { id: 'string' } }
看起来能跑？实际用的时候你会遇到：
- 模型不知道
search搜的是什么——是搜笔记？搜网页？搜文件？ - 模型给
get传了一个自己编的 ID——"note_123"根本不存在 search返回了空数组，模型却说"根据你的笔记，以下是总结..."——纯编的- 外部 API 偶尔超时，整个对话直接卡死，用户看到空白
这些问题在 Demo 里不一定暴露，但一旦上了真实用户，每天都会遇到。
▎行业数据：工具调用的真实失败率
根据社区反馈和实际工程经验：
| 模型 | 工具调用成功率（简单场景） | 工具调用成功率（复杂场景） |
|---|---|---|
| GPT-4o | ~85-90% | ~60-70% |
| GPT-4o-mini | ~75-85% | ~50-60% |
| Claude Sonnet | ~90-95% | ~70-80% |
| Claude Haiku | ~80-85% | ~55-65% |
"复杂场景"指的是：工具数量 > 5 个、参数有嵌套、需要多步调用、有相似工具需要区分。
即使是最好的模型，复杂场景下也有 20-30% 的失败率。这就是为什么 Tool Harness 不是可选项。
