LLM Tool Contract Testing 生产实战：用 Schema 兼容、黄金对话与回放沙箱降低 Agent 升级风险
Agent 工具升级最容易破坏函数选择和参数语义。本文介绍如何用 Schema 兼容矩阵、黄金对话、沙箱回放和版本门禁，构建可上线的 LLM Tool Contract Testing 流程，覆盖选择契约、参数契约、执行契约、返回契约与行为契约五层体系。
标签：Tool Calling
共 6 篇文章
-
-
LLM 工具结果缓存生产实战：用幂等键、TTL 与失效策略降低 Agent 外部调用成本
本文讲解如何为大模型 Agent 的外部工具调用建立结果缓存，覆盖幂等键设计、TTL 语义分层、事件驱动失效、状态隔离、审计回放和上线检查清单，帮助团队降低重复 API 调用成本与延迟，同时避免缓存污染和跨租户泄露。
-
Tool Result Caching 生产实战：用缓存命中率降低 Agent 外部调用成本
本文系统拆解大模型工具调用中的结果缓存设计，覆盖缓存键、TTL、幂等、失效、观测指标与上线检查，帮助 Agent 在保证准确性的前提下降低外部 API 成本与尾延迟。
-
Agent 工具调用安全实战：用权限边界防住 Prompt Injection 与 Tool Poisoning
系统梳理 LLM Agent 工具调用中的 Prompt Injection、Tool Poisoning 与权限放大风险，从信任边界、权限边界、执行边界三层架构出发，给出策略网关、人工审批、沙箱隔离和全链路监控的完整落地方案。
-
MCP Tool Server 安全治理：从接入便利到最小权限执行
MCP 让大模型连接工具变得统一，但也放大了权限、身份、审计与提示注入风险。本文从协议边界、授权模型、执行隔离和上线检查出发，整理一套可落地的 MCP Tool Server 安全治理方案。
-
MCP Agent Security：工具接入时代的 LLM 安全边界，不只是 Prompt Injection
从 MCP 官方规范、OWASP、OpenAI、NSA 与安全研究出发，系统拆解 AI Agent 工具接入中的 tool poisoning、间接 prompt injection、权限控制、动作审查、沙箱执行与审计回归，帮助团队构建可上线的 MCP Agent 安全架构。