Agent 工具调用如何做到幂等、可恢复和可审计？

图：用于辅助理解本题的数据流或工程结构。来源：Generative AI agent architecture，作者 Marxav，许可 CC BY-SA 4.0。

考察意图

面试官希望确认候选人能否解释“Agent 工具调用如何做到幂等、可恢复和可审计”中的因果关系，并把公式或流程落实到可测量的工程结果。

回答前自测

• 重试几次合适？
• 工具空结果怎么处理？
• checkpoint 为什么不够？

30 秒回答

按参数、权限、临时故障和结果未知分类。用总时限约束有限重试，写操作依赖幂等与状态查询；checkpoint 恢复流程位置，不替代远端业务保证。

评分点

错误分类、deadline、unknown、恢复与故障注入。

90 秒回答

模型只产生调用意图，执行层为每个业务操作分配幂等键并持久化状态机：planned→authorized→running→succeeded/failed/unknown。超时不等于失败，重试前先查询结果；跨多个副作用步骤用 Saga 补偿而非假设分布式事务。每步记录输入摘要、授权主体、工具版本、结果和关联 trace。

深入解释

重试不应逐层叠加

多层各重试三次可能放大尝试次数。指定主要负责层，采用退避和抖动，检查剩余 deadline。参数错需修正或澄清，权限拒绝不应不断猜参数试探。

恢复前核实业务效果

保存动作 ID、参数摘要、状态与结果引用。崩溃后先确认上一步是否已经执行，再继续。纯计算可重放，邮件和表单不能无条件重放；补偿只能用于有明确业务语义的动作。

测试实际状态

故意在成功后丢响应、结果写入前退出、让两个 worker 同时恢复。检查外部记录数量和参数，不能只看 HTTP 成功率或最终文字。

工程权衡

读操作可自动重试，支付、删除、发信等写操作需要确认和更严格的恢复策略。补偿动作也可能失败，因此要有人工接管队列。审计日志需脱敏且防篡改，不能保存所有原始秘密。

关键指标包括：任务成功率、工具选择准确率、参数正确率、平均步骤数、重试率、超时率、人工接管率与单任务成本。

常见错误回答

• 只复述“Agent 工具调用如何做到幂等、可恢复和可审计”涉及的术语，没有说明输入、运算和输出之间的关系。
• 讨论 工具可靠性 时省略模型规模、数据分布或硬件条件，使结论失去适用范围。
• 只讲收益，没有检查 幂等、Saga、Agent 带来的精度、资源或可靠性代价。

连续追问

重试几次合适？

由依赖、剩余时限和成本决定，没有固定通用次数。

工具空结果怎么处理？

区分合法空集、查询不符与服务异常，缺必要信息时澄清或停止。

checkpoint 为什么不够？

本地状态与远端副作用不在同一事务，需要对端幂等或状态查询。

项目结合

准备一个与 工具可靠性 直接相关的测量或排障案例。讲清基线、异常指标、被排除的假设和最终判定；没有亲历时，说明会采集哪些数据，不虚构结果。

复习自测

1. 能否脱离笔记解释 Agent 工具调用如何做到幂等、可恢复和可审计 的关键运算？
2. 能否把文中的数量级例子换成自己的模型或业务参数？
3. 能否指出一种不适用场景，并给出可观测的判定条件？

关联知识

• Agent 的执行循环与确定性边界
• Building Effective Agents

延伸复习

继续阅读完整机制与案例。完成后回到本页，在不看答案的情况下重述并回答三个追问。