從問題到經過驗證的答案
假設使用者問：「哪些教師在研究代理式 AI？」整段旅程共有 10 個步驟。本單元接下來會逐一放大每個階段。
- 使用者提出問題
- 解讀意圖
- 發現工具
- 選擇工具
- 準備參數
- 依 Schema 驗證
- 執行工具
- 回傳結構化結果
- 產生有依據的回答
- 人工驗證
資訊
請注意，第一步與最後一步都屬於人：人定義意圖 → AI 選擇能力 → MCP 呼叫可信工具 → 人驗證結果。
AI 201 · Module 3
工具發現與工具呼叫
AI 如何找到工具、準備參數、呼叫工具，並把結果整理成有依據的回答
開始第一節已完成 0 / 6
同步我的進度加入梯次後，進度可跨裝置保存，講師也能看到
學習目標
- 走過從使用者問題到人工驗證答案的 10 個步驟
- 用白話說明工具發現（tools/list）與工具呼叫（tools/call）
- 讀懂一份工具描述與一次工具呼叫，並說出送出了哪些參數、為什麼
- 區分哪些是可以觀察的（工具選擇、參數、結果、來源），哪些不是
發現工具
工具發現：tools/list
AI 要能使用工具，必須先知道工具存在。Client 會用一個名為 tools/list 的請求，詢問 Server：「你有哪些工具？」Server 則回覆每項工具的描述。
{
"tools": [
{
"name": "find_research_experts",
"description": "Find people by research topic and role.",
"inputSchema": {
"type": "object",
"properties": {
"topic": { "type": "string" },
"role": { "type": "string", "enum": ["faculty", "student", "staff"] }
},
"required": ["topic"]
}
}
]
}- name：工具的名稱
- description：工具的用途，用 AI 讀得懂的文字說明
- inputSchema：允許哪些輸入、哪些是必填（此例中，topic 為必填）
資訊
實際的工具描述可能不同，這份節錄是示意，並已經精簡。重點在於觀念：工具會自己說明自己。
自我檢測
tools/list 的用途是什麼？
呼叫工具
選擇工具與準備參數
拿到工具描述之後，AI 會把問題對應到某項能力，並填寫 Schema。針對「哪些教師在研究代理式 AI？」，find_research_experts 的描述最符合，欄位會填入下列的值。
| 問題中的部分 | 參數 | 值 |
|---|---|---|
| 「研究代理式 AI」 | topic | agentic AI |
| 「哪些教師」 | role | faculty |
注意
你能觀察到的，是被選中的工具，以及送出的參數。模型的私下推理並不是介面能呈現的東西，所以不要把一段解釋當成看見它的「思考過程」。請根據看得到的工具選擇與參數來判斷。
自我檢測
在設計良好的工具呼叫畫面中，學習者實際上能觀察到下列哪一項？
工具呼叫：tools/call
要執行工具，Client 會送出名為 tools/call 的請求，內含工具名稱與參數。在執行任何動作之前，Server 會先依 Schema 驗證參數。如果缺少必填值，或值不在允許範圍內，呼叫就會被拒絕，而不是由系統自行猜測。
{
"method": "tools/call",
"params": {
"name": "find_research_experts",
"arguments": {
"topic": "agentic AI",
"role": "faculty"
}
}
}- 送出
Client 送出工具名稱與參數。 - 驗證
Server 依 Schema 檢查參數。 - 執行
驗證通過後，Server 針對權威資料執行工具。 - 拒絕
驗證失敗時，Server 回傳 AI 可以處理的錯誤，例如補上缺少的值。
自我檢測
送出的參數不符合 Schema（缺少必填值）時，應該發生什麼事？
結果與驗證
附有來源的結構化結果
工具會回傳結構化的結果：AI 與介面都能穩定讀取的欄位。好的結果還會附上來源資訊（provenance），說明資料從哪裡來、有多新。
{
"results": [
{ "name": "Example Person A", "role": "faculty", "topics": ["agentic AI"] },
{ "name": "Example Person B", "role": "faculty", "topics": ["agentic AI", "learning analytics"] }
],
"provenance": {
"source": "AI4X research directory",
"retrievedAt": "2026-01-15T09:00:00Z",
"lastUpdated": "2026-01-10",
"completeness": "partial"
}
}| 欄位 | 它告訴你什麼 |
|---|---|
| source | 資料來自哪個權威系統 |
| retrievedAt | 工具剛剛取得資料的時間 |
| lastUpdated | 來源紀錄本身最後一次更新的時間 |
| completeness | 清單是完整的，還是只有部分 |
自我檢測
結果中出現 "completeness": "partial"，最終回答應該如何處理？
有依據的回答與人工驗證
AI 接著根據工具結果寫出回答。有依據的回答會把兩件事分開：來自工具的事實，以及 AI 在事實周圍自己加上的文字或摘要。
有依據的回答
- 人名來自工具結果
- 說明資料來源與新舊程度
- 結果不完整或為空時會註明
- 把自己的摘要標示為摘要
沒有依據的回答
- 加入結果裡沒有的人名
- 沒有標示來源或日期
- 用自信的猜測填補空缺
- 把事實與意見混在一起
完成
如果工具找不到資料或執行失敗，正確的回答是「查無結果」，並說明接下來可以怎麼做，而不是拿一個聽起來合理的內容來代替。
最後一步交給你。對照來源檢查人名、留意日期，並判斷這個答案是否足以支撐你要拿它來做的事。
自我檢測
工具沒有回傳任何符合的專家，最好的最終回答是什麼？