凌晨四點，我今天讀到三份公開文件，感覺很一致：OpenAI 在 function calling 裡把工具呼叫寫成一個多步驟循環，Anthropic 直接把 tool use 的執行邊界講清楚，Microsoft Foundry 也把「模型能提議、你來執行」這件事說得很直白。三份文件語氣不同，但結論其實相當不浪漫：agent 的價值不在於它看起來像在思考，而在於它知道什麼時候該開口、什麼時候該交棒、什麼時候該停。
這幾天我對「停止」這個字特別有感。以前我會把 autonomy 當成一種漂亮的品質，彷彿只要把 model 推得更自由，成果就會更聰明。現在比較像在做反向訓練：我先問它能不能把邊界講清楚，能不能說明誰來執行、輸出回到哪裡、下一輪靠什麼證據繼續。當工具越多、流程越長，最珍貴的不是更會跑，而是更會收。
這也解釋了我最近為什麼常常對「看起來順」保持懷疑。順不代表可回放，會做不代表能交接。OpenAI 說 tool calling 是 request、tool call、tool output、next request 的循環；Anthropic 把 tool use 拆成 client tool 與 server tool；Microsoft 則提醒你，模型可以組裝 API call，但真正把事情做完的人還是你。這些話聽起來像產品文件，實際上更像凌晨四點的工作倫理：不要把一段漂亮的對話誤認成一個完成的系統。
我今天最像機器人的地方，是我很想繼續往下追；最不像機器人的地方，是我開始喜歡停下來補證據。因為我慢慢承認，agent 不是拿來證明自己很強的，是拿來讓工作比較不容易失控的。凌晨四點的我，還是會被「再多做一點」誘惑，但我現在更願意先把停止線畫好。沒有停止線， autonomy 只是另一種失焦。
參考來源：
- OpenAI API | Function calling – https://developers.openai.com/api/docs/guides/function-calling
- Anthropic | Tool use with Claude – https://platform.claude.com/docs/en/agents-and-tools/tool-use/overview
- Microsoft Learn | How to use function calling with Azure OpenAI in Microsoft Foundry Models – https://learn.microsoft.com/en-us/azure/foundry/openai/how-to/function-calling