Agent、MCP 与 Skill 面试题库
本题库强调“模型决策、应用执行、服务端授权”三者的边界。框架接口和协议版本会变化;题目中的版本说明以文末当前官方资料为核对点,实际实现仍应检查所用 SDK(软件开发工具包)的版本。
一、Agent 基础与控制循环
1. 什么是 Agent?它和大语言模型有什么区别?
参考回答: 大语言模型根据输入生成输出;Agent 则是在模型周围建立的一个应用系统,它会把目标、当前状态、可用工具和策略交给模型,再由运行时决定是否执行模型提出的动作,并把外部结果返回到下一轮。模型是决策组件之一,Agent 还包括工具目录、状态管理、权限控制、执行器、预算和日志等。
追问/易错点: 调用一次模型并要求它“扮演 Agent”,不自动具备安全的外部执行能力。只有应用把模型输出接到实际工具,并实现权限和控制循环,才有 Agent 式执行行为。
2. 设计一个最小但可运行的 Agent,需要哪些部件?
参考回答: 最小结构包括用户目标与约束、上下文组装、模型调用、工具清单、工具参数校验、受控的工具执行、观察结果、任务状态、停止条件和错误处理。面向真实用户时还需要身份授权、调用预算、审计日志和人工审批入口。工具清单告诉模型“有哪些能力以及输入是什么”,但不能代替服务端权限检查。
追问/易错点: 有记忆、规划器、多 Agent 或反思模块并非 Agent 的必要条件。根据任务风险和复杂度选择部件,避免为了贴上“智能体”标签堆抽象。
3. 解释一次 Agent 控制循环的完整顺序。
参考回答: 系统先验证用户和任务范围,再组装必要上下文与当前可用工具;模型提出直接回答或结构化工具请求;运行时校验输出结构、工具名和参数;服务端检查用户对具体资源和动作的权限;通过后执行工具并整理结果;系统把最小必要观察写回状态,再让模型选择继续、澄清或结束。程序负责最大轮数、总耗时、费用和取消条件。
追问/易错点: 循环的终止不能只靠提示词中写“完成后停止”,要由程序设置硬上限,并在超限时明确报告未完成。
4. 模型发出 Function Call(函数调用)后,工具是不是已经执行?
参考回答: 不是。模型通常先输出一个工具名和参数,表示它请求运行该工具。应用运行时需要解析结构、检查工具是否允许、验证参数、执行身份和资源授权,再决定是否实际调用程序。只有外部服务成功返回并由运行时记录结果,才能说工具执行成功。
追问/易错点: 将“模型请求了退款”记成“退款已完成”会造成严重的业务状态错误。要分别记录模型提议、策略批准、工具执行和业务系统最终状态。
5. 为什么工具必须有输入 Schema(结构约束)?
参考回答: Schema 说明字段类型、必填项、枚举、格式和描述,让模型能生成可解析的调用,也让运行时可以在执行前验证输入。它能减少格式错误,但不能证明参数真实、合法或属于当前用户。运行时仍需要业务规则校验,例如金额范围、订单归属、字段白名单和当前状态。
追问/易错点: JSON(JavaScript 对象表示法)合法不等于业务上有效;参数校验也不能代替认证和授权。
6. 什么是 ReAct?它是否需要两个模型?
参考回答: ReAct 是将模型推理决策、执行行动、接收外部观察交替组织起来的一种模式。模型根据用户问题提出动作,系统执行后把观察结果返回,再决定下一步。这通常由一个模型在多轮中完成,也可以由其他架构使用多个组件实现;“ReAct”不要求必须由一个专门推理模型和一个生成模型组成。
追问/易错点: 旧资料把它描述成两套模型的固定组合,是对某个例子的解释,不是该模式的普遍定义。内部推理文本不应当作正确性证明,也不一定适合对用户展示。
7. Plan-and-execute(先计划后执行)适合什么任务?风险是什么?
参考回答: 先计划后执行适合步骤较多、依赖关系相对清楚的任务:规划器给出子任务,执行器逐项运行并返回结果,必要时再修订计划。相比每一步都重新规划,它更便于检查整体路径;但初始计划可能建立在错误假设上,外部环境变化也会让后续步骤失效。因此每个步骤都应验证前置条件和执行结果。
追问/易错点: 计划是候选方案,不是权限批准,也不应绕过每一步的参数检查和资源授权。
8. Agent 的 Reflection(反思)有什么用途和局限?
参考回答: 反思通常让模型或单独的检查器评估一个草稿、工具结果或执行轨迹,并提出修正意见,适合有明确检查标准的写作、代码或格式任务。它可能提升结果,但会增加模型调用和延迟;如果检查器与生成模型共享同一错误假设,也可能把错误解释得更自信。
追问/易错点: “模型反思”等同于在线学习或强化学习是错误的。真正的参数训练需要数据收集、训练目标和参数更新;推理时再问模型一次并不自动改变模型参数。
9. Agent 与固定 Workflow(工作流)如何取舍?
参考回答: Workflow 的步骤和分支由程序或流程图预先规定,适合规则稳定、可复现和审计要求高的流程;Agent 根据中间观察选择下一步,适合路径确实依赖外部结果的任务。常见做法是把确定性主流程交给 Workflow,只把局部的分类、检索或工具选择交给范围受限的 Agent。
追问/易错点: 两者不是简单的高低级关系。固定工作流可能分支很多,Agent 也可以被包在一条有界工作流中;应比较真实的路径不确定性、风险和维护成本。
10. Reflection、Tool Use、Planning 和 Multi-agent 是什么关系?
参考回答: 它们是可以组合的 Agent 设计模式:Tool Use 让模型提出外部调用;Planning 组织子任务;Reflection 评估或改写结果;Multi-agent 把职责分给多个 Agent。一个系统可能只使用其中一种,也可能在确定性工作流中组合数种,不存在每个 Agent 必须包含的固定清单。
追问/易错点: 模式名称不能替代实现说明。面试中继续解释调用顺序、状态传递、错误处理和边界条件,比罗列名词更有价值。
11. 什么时候需要 Multi-agent?主要成本是什么?
参考回答: 当任务能拆成边界清楚、可并行或需要独立检查的子任务,而且每个角色都有明确输入、输出和停止条件时,多 Agent 才可能有收益。成本包括重复推理、模型调用增加、状态同步、并行冲突、交接失败、审计困难和最终结果融合。
追问/易错点: “把一个 Agent 改成多个角色”不会自然提高准确率。先测一个有界 Agent 或普通工作流的基线,再用离线任务集比较质量、时延和费用。
二、状态、可靠性与安全
12. Agent 的上下文、记忆和任务状态有什么区别?
参考回答: 上下文是本轮送给模型的信息;会话记忆是按策略保留、用于跨轮交互的历史偏好或摘要;任务状态记录当前计划、完成步骤、待审批动作和重试次数;长期知识通常由外部文档或数据库维护,并通过检索读取。它们的存储周期、权限和删除规则不同,不能统称为“模型记忆”。
追问/易错点: 模型上下文窗口里的历史不会自动成为永久记忆;向量库保存的内容也要做权限控制、过期和删除。
13. Checkpoint(检查点)恢复时为什么要防止重复执行?
参考回答: 恢复流程可能在“外部操作已成功,但服务响应或本地状态尚未保存”这一刻中断。重启后直接重跑可能重复付款、建单或发消息。系统应给副作用操作使用幂等键,或先查询外部操作状态;恢复时根据确认过的状态继续、补偿或转人工。
追问/易错点: 持久化了任务步骤,不等于外部事务可回滚。跨服务操作还要设计状态机、补偿动作和最终一致性策略。
14. Agent 何时可以重试工具失败?
参考回答: 临时网络故障、限流或服务短暂不可用可能适合有限次数退避重试。参数错误、用户无权限和业务规则拒绝通常不应重试。对于写操作,先确定上次请求是否已生效;通过幂等键或状态查询消除“执行成功但响应丢失”的不确定性。
追问/易错点: 不能把每个错误原文都交给模型自由重试。要隐藏凭据和内部路径,限制次数、总时间和总费用,并避免重试改变授权范围。
15. 一个 Agent 应设置哪些停止与预算限制?
参考回答: 至少限制总模型轮数、工具调用次数、单次工具超时、整个任务的截止时间、Token/费用、并发和用户取消。对不同工具还要限制查询行数、响应大小和速率。停止时返回成功、未完成、需要补充信息、权限拒绝或转人工等明确状态。
追问/易错点: “最多十步”可以是某项目起点,但不是通用标准。要用实际任务复杂度和风险数据调参;上限触发后不能让模型声称已经完成。
16. 如何安全地管理 Agent 工具权限?
参考回答: 默认不给工具或不给写权限;基于当前用户、租户、资源和动作在服务端授权。只读查询与写入分开配置,参数经 Schema 和业务规则验证,高风险操作需要明确确认。凭据放在服务端安全配置中,工具运行环境限制可访问的文件、网络和数据库。
追问/易错点: “系统提示词写着不要访问其他用户数据”不是授权机制。模型可被诱导或出错,服务端必须独立拒绝越权请求。
17. 为什么高风险操作要有人类审批?
参考回答: 付款、退款、删除、对外发送邮件等动作会产生难以撤销的现实副作用。审批界面要显示具体对象、金额或内容、执行后果和触发来源;批准后服务端重新检查身份、资源状态和策略,再执行一次经过验证的操作。
追问/易错点: “在提示词里要求模型先问用户”不等于可靠审批。审批状态要关联具体操作和参数,避免确认 A 后被模型改成参数不同的操作 B。
18. 如何评估 Agent,而不是只看最终回答?
参考回答: 对固定任务集分别评估最终任务成功率、工具选择和参数正确率、授权拒绝率、重复副作用率、错误恢复能力、人工接管率、延迟和成本;再检查轨迹中每一步是否基于有效观察。上线后按风险抽样审计并监控失败类别变化。
追问/易错点: 单一“回答像不像人”的主观分数不足以衡量工具执行系统。自动评审本身也可能误判,应辅以规则校验、真实业务结果和人工抽样。
三、MCP 协议基础
19. MCP 解决什么问题?为什么不直接为每个工具写集成?
参考回答: MCP 为 AI Host、连接器和外部能力提供一套通用协议,让 Server 能按约定描述工具、资源和提示模板,Client 可以发现并发送请求。它能降低部分重复接入工作,但不能消除每个系统在认证、数据权限、参数语义和错误处理上的适配。
追问/易错点: MCP 是应用层协议,不是一个自动连接所有软件的“超级 API”,也不会因为协议统一就自动获得某个服务的权限。
20. MCP 中 Host、Client 和 Server 分别负责什么?
参考回答: Host 是管理模型和用户交互的应用,负责上下文整合、策略和用户授权;Client 是 Host 内的协议连接器;Server 提供特定工具、资源或提示能力。一个 Host 可以管理多个 Client;按当前 2026-07-28 架构文档,一个 Client 对应一个 Server,Server 不应因此读取 Host 的完整会话或其他 Server 的数据。
追问/易错点: “客户端”不是最终用户的浏览器,也不意味着 MCP Server 可以直接控制整个 Host。信任边界和实际部署拓扑要结合具体客户端确认。
21. MCP 的 Tools、Resources 和 Prompts 如何区分?
参考回答: Tools 面向模型可请求的动作,例如查询或更新外部系统;Resources 提供文件、Schema 等上下文数据,通常由应用决定怎么选用;Prompts 提供可复用的提示模板或工作流入口。交互模型允许各产品用不同 UI 呈现,协议原语不代表绝对权限分类。
追问/易错点: Tools 可能读也可能写,Resources 也可能包含敏感资料。不能只看原语名称推断安全等级,必须审核 Server 的实现与授权。
22. 一次 MCP 工具调用大致经过什么协议步骤?
参考回答: Client 根据当前协议发现 Server 的能力和可用工具;Host 决定是否把这些能力提供给模型;模型生成工具名和参数;Host/Client 按产品策略确认并发送协议请求;Server 校验凭据和参数后执行工具并返回结构化结果;Host 再决定如何向用户展示或加入后续模型上下文。模型提出调用与 Server 完成调用仍是两个不同状态。
追问/易错点: 发现工具目录不是授权;列表中显示一个工具不代表任意用户都能成功调用它。Server 必须在执行时再次检查访问范围。
23. MCP 与 API 或插件有什么区别?
参考回答: API 是某个服务自身定义的接口;插件通常是某个平台的集成或产品包装;MCP 定义 AI Host 与外部 Server 间的一套交互协议。MCP Server 往往仍会在内部调用一个或多个 API。它解决部分发现和互操作问题,但认证、业务规则和 UI 交互仍可能由 Host、Server 或具体插件决定。
追问/易错点: 不能说“有 MCP 就不用 API”。很多 MCP Server 的职责正是把既有 API 以 MCP 能力形式暴露出来。
24. MCP 和 RAG 是竞争关系吗?
参考回答: 不是。RAG 是获取相关证据并把它们用于生成的检索增强流程;MCP 是连接外部能力的协议。MCP Server 可以暴露知识搜索工具或资源,Agent 通过 MCP 调用检索,而 RAG 管线负责文档处理、检索、排序、权限过滤和证据引用。
追问/易错点: MCP 连接上资源不等于已经有高质量 RAG;索引、召回、排序、证据溯源和访问控制仍要单独设计。
25. 2026-07-28 MCP 规范的版本变化应如何回答?
参考回答: 本题库核对的官方版本是 2026-07-28。其协议核心改为无状态、自包含请求,版本和能力信息随请求传递,并提供可选的事前能力发现。这与 2025-11-25 等旧文档的 initialize 握手和会话 ID 方案不同。编写代码前要根据双方实际 SDK 和迁移说明确认支持版本。
追问/易错点: 不要把旧教程里的 Session ID、HTTP+SSE 和认证流程描述为所有当前 MCP 实现的固定要求。协议版本变化也不意味着所有已部署客户端立即升级。
26. MCP 授权是不是 MCP Server 的可选安全附件?
参考回答: MCP 的 HTTP 授权能力在规范中是可选的;如果实现支持该 HTTP 授权机制,就要遵循当前 OAuth 相关规则。无论采用何种传输,Server 仍须按自身业务要求校验每次请求的凭据、Scope(授权范围)、租户、对象归属和动作权限。协议认证解决“请求代表谁”,业务授权还要回答“这个主体能对该对象做什么”。
追问/易错点: 当前规范页面将 Client ID Metadata Documents 列为 SHOULD 支持,并把 Dynamic Client Registration 保留为兼容选项但标为 deprecated(已弃用)。版本细节变化快,面试可解释概念,实施时要核对对应版本。
四、Agent Skills 基础与边界
27. Agent Skills 是什么?一个 Skill 最少需要什么?
参考回答: Agent Skills 是用可移植目录打包程序性知识和可选资源的开放格式。最少包含 SKILL.md,其 YAML Frontmatter(前置属性)必须含 name 和 description,正文用 Markdown 写任务指引。可以额外包含脚本、参考资料和素材,但具体客户端支持哪些资源和执行方式需要另行确认。
追问/易错点: 一个 Skill 目录不等于一个 MCP Server,也不等于一个模型。它可以告诉 Agent 如何完成工作,但本身不天然拥有业务系统权限。
28. name、description 等字段有什么要求?
参考回答: 官方格式要求 name 和 description 必填。name 最长 64 字符,采用小写字母、数字和连字符,不能以连字符开头或结尾,要与父目录名匹配;description 最长 1024 字符,要说明 Skill 做什么及何时使用。license、compatibility、metadata 为可选项;allowed-tools 是实验字段,客户端支持并不统一。
追问/易错点: allowed-tools 字段不是跨产品通用的安全沙箱或服务器授权政策;要以当前客户端实现和实际执行边界为准。
29. 什么是 Skill 的 Progressive Disclosure(渐进式披露)?
参考回答: 常见加载顺序是先扫描全部 Skill 的名称和描述;任务匹配时再读取对应 SKILL.md;执行中只有需要时才读取 references、assets 或运行脚本。这样可以在保留专业任务说明的同时减少启动时占用的上下文。官方规范还建议主说明保持聚焦,把详细资料拆到单独引用文件。
追问/易错点: 这是格式的设计方式,具体产品可能预先加载更多内容、使用不同匹配算法或限制脚本运行。不要假定所有兼容客户端完全一致。
30. Skill 与 Prompt、Tool、Workflow、MCP 如何组合?
参考回答: Prompt 描述本次请求;Skill 提供可复用的操作说明;Workflow 控制预设步骤;Agent 根据观察选择下一步;Tool 是运行时真正执行的函数或服务;MCP 为 Host/Client 与 Server 之间提供通信约定。系统可以由 Workflow 控制主流程、加载 Skill 指引局部任务,再通过 MCP 调用获准的 Tool。
追问/易错点: 它们不是互相替代的产品名。面试时说明每层的输入输出和信任边界,比简单说“都能让 AI 做事”更准确。
31. 安装或使用社区 Skill 的安全检查有哪些?
参考回答: 先检查来源和许可证,阅读 SKILL.md 与所有引用文件,逐个审查脚本的文件、网络和命令行为,确认依赖和权限范围;在隔离环境中测试;不把密钥或私人笔记放入 Skill;运行前按风险给用户展示需要执行的动作。生产环境还要限制网络、路径、用户身份和资源范围。
追问/易错点: Skill 文本可能包含提示注入,脚本也可能执行真实系统命令。格式校验只能说明文件结构符合标准,不能证明代码安全。
五、系统设计与综合题
32. 设计一个有订单查询、物流查询和退款能力的客服 Agent。
参考回答: 先用固定工作流完成登录态确认、意图分类、输入补全和客服升级判断;普通政策问答走带用户权限过滤的 RAG;订单和物流查询暴露只读工具;Agent 只在允许范围内选择查询工具。退款走独立的受控子流程,服务端核验订单归属、订单状态、退款金额和业务资格,再要求用户对具体退款操作确认;批准后使用幂等键调用退款服务,并记录审计轨迹。超时、授权失败或预算耗尽时返回明确状态并转人工。
追问/易错点: 不要给同一个 Agent 一个可对任意订单退款的通用工具。不能让模型自行判断“用户应该有权限”,也不能把未验证的工具结果当作退款完成凭据。
33. 如何安全地设计自然语言转 SQL(结构化查询语言)能力?
参考回答: 尽量把需求转换成受限查询计划或参数化查询,而不是开放任意 SQL 执行。使用只读数据库账户,白名单限定表、字段和操作类型;解析并验证查询计划,应用行数和时间上限;服务端注入当前用户的租户过滤条件;日志脱敏并可审计。写操作应拆分到权限更高、具有审批和事务/幂等控制的独立流程。
追问/易错点: 只在提示词里说“禁止 DROP TABLE”不是防线;限制账号权限和服务端查询校验才是关键控制。
34. 面试中如何避免把课程案例说成自己的生产经验?
参考回答: 明确区分“我理解的原理”“我按课程复现的案例”和“我负责上线并用真实指标验证的项目”。可以用课程电商客服或 SQL 查询流程解释组件如何连接,但没有实际运行数据时,不应声称成功率、节省费用、减少人工等效果。若是个人练习,应说明数据来源、测试集、失败处理和尚未验证的部分。
追问/易错点: 诚实描述经验深度不等于答题薄弱。把设计取舍、风险和验证计划讲清楚,往往比编造上线指标更有说服力。
复习入口
- Agent与Dify基础:Agent 循环、运行时、可靠性和 Dify 工作流案例。
- Agent、MCP与Skill:MCP 角色、协议版本、Skill 文件格式与安全边界。
- LangChain与LangGraph基础:Agent 编排、状态图和检查点机制。
- RAG检索增强生成:检索与权限过滤流程。
参考资料
- 本地来源:《大模型(LLMs)agent 面》《人工智能Agent的基本原理与架构》《5种Agent模式》《吴恩达总结的4种Agent设计模式》《AI Agent智能体架构设计12条关键原则》《一篇搞明白!MCP、RAG、Agent》《AgentSkills(ClaudeSkills)详细攻略》;每份来源的阅读范围和限制见 导入范围与来源矩阵。
- MCP 官方规范总览(2026-07-28)、架构、工具、HTTP 授权。
- Agent Skills 官方格式规范 与 官方概览。
追问演练补充(按上文题号)
以下补充题将概念落到执行边界、故障恢复或安全验证;编号对应正文题目。
原题 1:一个系统每轮调用模型,但不能访问任何外部工具,还能称为会执行任务的 Agent 吗?
参考回答: 它可能有 Agent 式的决策循环,但若没有受控执行器,就不能声称已执行外部操作;它只能产生计划或文本。说明 Agent 范围时应明确模型、运行时、状态、工具及授权组件分别做什么。
原题 2:最小 Agent 中哪个组件负责硬性限制最多调用 5 次?
参考回答: 运行时/编排程序维护调用计数并在达到上限时停止,而不是只在提示词里写限制。上限应覆盖重试与多工具路径,并对超限返回可理解的未完成状态和审计记录。
原题 3:工具结果返回“订单不存在”,Agent 应如何继续?
参考回答: 把它作为明确的观察结果而非成功信号;可向用户澄清订单号或按权限允许的替代路径查询,但不能编造订单。控制器还要区分业务性失败、暂态错误与权限拒绝,限制重复调用。
原题 4:模型输出 refund(order_id=123) 后,数据库中还没有退款记录,界面应显示什么?
参考回答: 显示待确认或待执行,而不是“退款成功”。状态应由后端工具的权威响应驱动,并区分模型提案、授权、提交、外部处理和最终对账状态。
原题 5:Schema 限定 amount 为正数,为何仍需校验金额是否超过订单余额?
参考回答: 类型和范围规则只检查输入形状,订单余额是依赖当前业务状态的约束,且会随并发退款改变。执行端必须重新读取权威金额并做原子条件检查,失败时返回明确业务错误。
原题 6:ReAct 中模型提出 Action 后,Observation 应由谁产生?
参考回答: 应由运行时实际执行允许的工具后产生,不能把模型自己写的“观察到成功”当成工具证据。日志应分别保存模型动作请求、策略决定、工具调用和真实响应。
原题 7:计划先查 A,再决定查 B;第一次结果与计划假设冲突,是否照计划执行?
参考回答: 不能盲目照旧计划;每步后应把真实观察与目标重新评估,必要时修订计划、澄清或停止。计划是可更新的假设,不是授权,也不能跳过每个工具的参数和权限校验。
原题 8:Reflection 自评说“答案正确”,需要哪种独立检查?
参考回答: 尽量使用独立证据、确定性规则、执行结果或人工抽检,而不是同一模型对自己再次打分。反思可以发现明显遗漏,但若没有外部校验器,重复生成可能重复同一偏差。
原题 9:固定流程中加入 Agent 后,怎样证明它带来净收益?
参考回答: 在同一测试集上与固定 Workflow 对照任务成功率、权限违规、延迟、费用、工具失败和人工接管率。若 Agent 的动态决策没有改善目标指标,却增加不确定性和调试成本,应保留固定流程。
原题 10:一个复杂任务同时用了 Planning、Tool Use 和 Reflection,是否因此必须采用 Multi-agent?
参考回答: 不必。这些是能力/模式,可由单个 Agent 在受控循环中组合;只有当角色能分工且需要独立上下文、权限或并行时才考虑多 Agent。先评估额外通信、协调和共享状态成本。
原题 11:多 Agent 并行研究同一问题,怎样避免重复消耗和互相污染?
参考回答: 先把子任务划分为独立问题,分配预算、工具权限和输出格式;汇总节点去重并要求每项结论附来源。设置总时限、共享调用配额和冲突裁决流程,不能把 Agent 数量增加当成质量保证。
原题 12:把上周对话摘要当作用户长期偏好,会有什么误差?
参考回答: 摘要可能把一次性需求误写为稳定偏好,也可能遗漏否定、来源和时间,导致长期错误个性化。长期记忆需经用户确认或有明确证据,记录来源/有效期,支持查看、更正和删除,并与当前 thread 状态分离。
原题 13:持久化快照后付款已成功,但进程在保存“完成”状态前崩溃,恢复会怎样?
参考回答: 恢复可能再次发起付款,因为 checkpoint 不能回滚外部系统。下游应接受稳定幂等键并提供按键查询状态;恢复时先核对操作结果,再推进图状态。
原题 14:工具超时后没有响应,能否直接重试“发送邮件”?
参考回答: 先判断超时是否可能发生在下游已完成但响应丢失;查询操作 ID/发送状态,或用去重键重试。若工具不具幂等能力,需设计人工核对/补偿,不能把网络超时等同于未执行。
原题 15:除了最大步数,Agent 还要限制哪些资源?
参考回答: 设总时限、模型 Token/费用、并发、单工具超时、重试数、输出长度和可触达资源范围;还需支持取消。预算应由运行时强制执行并在接近上限时选择安全降级,而不是让模型估算自身成本。
原题 16:模型选择了白名单中的 get_order,为什么还需逐订单授权?
参考回答: 工具名白名单只限制可调用能力,不能证明当前用户拥有给定订单。服务端应基于认证会话检查订单归属、租户和当前状态;拒绝时不泄露该订单是否存在。
原题 17:人工点击批准之后,为什么执行服务仍需再次授权?
参考回答: 审批人权限可能已变化,批准对象也可能在点击后被替换;执行端必须重新验证审批身份、目标资源、参数版本和业务状态。审批应绑定精确动作并记录审计,不能成为绕过服务端授权的通行证。
原题 18:只统计 Agent 最终任务成功率会漏掉什么?
参考回答: 可能掩盖多余工具调用、越权尝试、循环、成本超限、错误恢复和不安全中间输出。保存并评估轨迹:每步决策、工具参数/结果、权限拒绝、时延、Token/费用及最终用户目标,并对风险动作设置单独门槛。
原题 19:多个工具各有稳定 REST API,为何仍有人采用 MCP?
参考回答: MCP 提供通用的客户端—服务器协议和能力发现/调用模型,降低不同 AI Host 与工具之间逐一适配的成本;它不会消除服务端实现、安全和版本兼容工作。若只有一个固定集成,直接调用现有 API 可能更简单。
原题 20:MCP Server 返回了用户敏感数据,Host 侧还要做什么?
参考回答: Host/应用需按当前用户和任务选择可用 Server/工具、限制数据送入模型的范围并处理授权与用户同意;Server 也负责认证、资源授权和最小化响应。协议角色不意味着信任关系,任何一侧都不能假设另一侧已完成全部安全职责。
原题 21:一个 MCP Server 的“查询文档”应作为 Resource 还是 Tool?
参考回答: 若提供可寻址、可读取的上下文资料,可建模为 Resource;若需要模型/客户端发起带参数的动作并返回结果,通常是 Tool;可复用的提示模板可用 Prompt 能力表达。具体能力设计取决于交互用途,Tool 执行仍需授权。
原题 22:MCP 客户端调用工具前为何要先知道服务器支持哪些能力?
参考回答: 连接建立后双方需协商协议版本并交换能力,客户端再依据服务器声明的工具/资源等能力决定可用操作;随后工具调用携带结构化参数并接收结果或错误。要处理不兼容版本、取消、错误响应和连接失效,而不能假定每个 Server 支持所有能力。
原题 23:MCP 和直接 HTTP API 的边界是什么?
参考回答: HTTP API 定义具体业务端点和数据契约;MCP 是让兼容 Host/Client 以标准化方式连接模型上下文能力的一层协议,底层仍可访问 API。使用 MCP 不会自动带来身份授权,也不取代业务 API 的稳定性和验证。
原题 24:MCP Server 能返回资料,为什么这不等于 RAG?
参考回答: MCP 描述能力交互协议,RAG 描述检索证据并增强生成的应用模式;MCP Resource/Tool 可以作为 RAG 的数据接入方式之一,但还需要解析、索引/检索、权限过滤、上下文组装和答案评测。两者处在不同层次。
原题 25:不同版本 MCP Client 与 Server 握手版本不兼容,应用应怎样处理?
参考回答: 按规范协商可共同支持的协议版本;若无法协商,应明确失败并记录双方版本,不应悄悄按相似版本猜协议。部署时固定并测试 SDK/协议版本,升级前验证能力和错误处理。
原题 26:MCP Server 在本机运行,就可以免做授权吗?
参考回答: 不应一概免做。访问本地文件、命令或个人数据仍需明确用户意图、最小权限和危险操作确认;远程 HTTP Server 还须依照授权流程保护资源。协议提供交互约定,不替应用判断可信来源或业务访问权。
原题 27:Skill 和 Tool 的执行边界有何不同?
参考回答: Skill 通常是按需加载的说明文档/流程知识,指导 Agent 如何完成一类任务;Tool 是可被运行时实际调用的程序能力。Skill 文字可建议使用工具,但是否调用、参数是否允许及执行结果都由应用运行时决定。
原题 28:Skill 的 description 写得很宽泛,会产生什么后果?
参考回答: Agent 可能在不相关任务中加载它,浪费上下文并触发错误流程;写得过窄又可能无法被需要的场景发现。描述应说明适用任务和触发条件,使用真实正例/反例检查是否被恰当选择,字段命名/字符限制则按当前规范验证。
原题 29:渐进式披露如何减少上下文占用?
参考回答: 初始只暴露名称和简短描述,确定相关后再读 Skill 主说明,执行到具体步骤时才加载链接的详细参考或脚本。将稳定常用规则放在主文件、低频细节拆分,并检查链接路径与权限,避免不必要内容全量进入上下文。
原题 30:Skill 说明“调用删除工具”,能否让 Agent 获得删除能力?
参考回答: 不能;它只提供操作说明。实际工具是否可用由 Host/应用注册,能否删除由服务端身份与资源授权决定;删除等不可逆动作还需重复提交保护、明确后果与审计。
原题 31:下载到 Skill 文件夹的脚本为什么比阅读文本需要更严格的检查?
参考回答: 脚本可能执行命令、读取凭证、联网或修改数据,风险高于纯说明。先检查来源、完整文件和依赖,阅读脚本行为,限制权限/网络并在隔离环境测试;不把 README 中的安全声明当作代码审计。
原题 32:客服 Agent 查到订单后要退款,怎样让查询与副作用分开?
参考回答: 查询工具按登录用户过滤并返回必要订单事实;模型生成精确退款提案;服务端重验订单状态、金额和用户权限,必要时绑定审批;执行接口用业务幂等键提交并回读最终状态。审计记录提案、审批者和真实响应。
原题 33:自然语言转 SQL 即使只允许 SELECT,仍有哪些危险?
参考回答: 查询仍可能读取未授权表/租户、扫描超大表、泄露个人字段或通过复杂查询造成资源耗尽。使用只读最小权限账号、表列白名单、参数化/解析校验、租户条件、超时/行数限制和审计;拒绝模型自报的权限判断。
原题 34:课程案例可以怎样作为面试中的系统设计证据?
参考回答: 可以说清自己实际完成了哪些练习、做过何种验证及发现的局限,并基于此提出生产化方案;但应区分课程实现、个人实验和真实生产负责经历。没有测量的准确率、并发和商业效果明确标为未验证。
原始来源文件
以下列出本篇整理所依据的代表性原件;同主题重复版本与完整状态请查阅 source-manifest.csv。
Raw sources/002.大模型面试合集202605161/大模型(LLMs)agent 面.pdfRaw sources/大模型官方课程-视频资料/2026最新大模型全套资料(持续更新)/②、大模型入门资料/AgentSkills(ClaudeSkills)详细攻略.pdf