第2章 Agent 的骨架：对象模型

Tue, 09 Jun 2026 00:00:00 +0800

2.1 问题引入：如何让 Agent 拥有"手脚"

一个纯粹的大语言模型（LLM），无论多么聪明，都只是一颗"大脑"——它能思考、推理、生成文本，却无法触及真实世界。它读不了磁盘上的文件，执不了终端里的命令，搜不了代码库中的符号。要将这颗大脑变成一个真正能解决问题的 Agent，就必须为它接上"手脚"——一套能够操作外部世界的能力体系。

这套能力体系在 Claude Code 中被称为工具（Tool）。截至当前版本，Claude Code 内建了约 45 种工具，涵盖以下截然不同的能力域：

能力域	代表性工具	特征
文件操作	FileReadTool、FileEditTool、FileWriteTool	输入为文件路径，输出为文件内容或操作状态
Shell 执行	BashTool、PowerShellTool	输入为命令字符串，输出为标准输出流
代码搜索	GrepTool、GlobTool	输入为正则/通配模式，输出为匹配结果集
网络访问	WebFetchTool、WebSearchTool	输入为 URL 或查询词，输出为网页内容
Agent 派生	AgentTool	输入为任务描述，输出为子 Agent 的执行结果
外部协议	MCPTool	输入完全由外部服务器定义，输出格式未知
用户交互	AskUserQuestionTool	输入为问题文本，输出取决于用户回答

问题的核心在于：这些工具的输入结构不同（有的是文件路径，有的是 Shell 命令，有的是完全开放的 JSON）、输出类型不同（有的返回纯文本，有的返回二进制图像，有的返回结构化对象）、执行语义不同（有的只读、有的破坏性写入、有的会派生出新的 Agent 循环）、安全要求不同（有的需要沙箱隔离，有的需要用户授权，有的可以自由执行）。

然而，从调用方——也就是 Agent 主循环——的视角来看，它不关心这些差异。主循环的逻辑永远是：

收到 LLM 的工具调用请求 → 找到对应工具 → 验证输入 → 检查权限 → 执行 → 返回结果

这就是本章要探讨的核心设计问题：如何构建一个统一的工具抽象，使得 45 种截然不同的能力共享同一套接口，让调用方的代码在工具数量翻倍时依然一行不改？

2.2 算法思想：工具多态的四重设计

2.2.1 接口不变性原则

在软件工程中，接口不变性（Interface Invariance）是多态设计的基石。其核心命题是：

工具系统 on Last Stand

第2章 Agent 的骨架：对象模型

2.1 问题引入：如何让 Agent 拥有"手脚"

2.2 算法思想：工具多态的四重设计

2.2.1 接口不变性原则