在工具呼叫那一章，我們看到模型 (Model) 提出讀檔要求，程式讀出文件，再把內容交回模型。那次取得資料後，就能回答。

但如果你問：「依公司出差規定，兩天的餐費最多可報多少元？」它可能還要先查規定，再算金額，最後才回答。

第一次讀檔結束後，誰讓它接著去算？如果一直查下去，又是誰把它停下來？

先抓住分工：模型根據這輪收到的內容，提出下一步；外層程式負責執行、把結果交回去，並決定是否允許繼續。 不是模型在產生文字時，突然能直接操作電腦。

查完還沒回答，就再交接一次

外層程式一開始把原問題和可用工具的說明一起送入。這個例子提供「讀規定」和「計算乘法」兩個工具。模型可以產生工具呼叫 (Tool Call)，也可以直接產生給使用者看的回答。

注意第二回合：程式不是讀完文件就自己指定「下一步一定算乘法」；而是先把「每天 300 元」交回模型，由模型根據新內容提出計算要求。 第三回合也要再呼叫一次模型，才有機會得到整理好的回答。

因此，這裡有 3 次模型回合、2 次工具執行。一次模型回合裡仍可能逐個產生很多 token；模型回合數、工具執行次數與 token 數，是三個不同的數量。

工具結果怎麼變成下一次的輸入？

可以把每次交接看成這個圈：

把目前資料送入模型 → 模型提出工具要求 → 程式執行工具 → 程式加入結果 → 再送入模型。

例如讀檔結果是「餐費上限為每天 300 元」。程式把這段結果放入訊息，再連同原問題與先前的工具呼叫送給模型；文字會經過切分，成為模型下一次處理的 token。工具名稱、參數與結果屬於不同訊息位置，並不是程式把一句「請使用工具」當成工具已經執行。

本章為了看清交接，每次都保留原問題與先前結果。實際產品也可能整理或裁剪歷史，所以應看程式這次真正送入什麼，而不能假設模型自動保有所有先前資料。

停下來，不只有「做完了」一種原因

「查無規定」不表示所有系統都必須立刻停止。錯誤也能當成工具結果交回模型，它可能改找別的文件，也可能請人協助。本章選擇請人提供文件，讓讀者看清一種合理的結束方式。

工具上限則是程式實際檢查的限制，不只是對模型說「最多查兩次」。即使模型又提出第三次讀檔要求，程式也可以不執行。實際系統還能限制時間或費用，或在沒有進展時交給人處理。

練習把上限設為 2 次，正常情境仍可完成：讀檔與計算已經各用一次，第三個模型回合只是回答，沒有執行第三個工具。若上限只有 1 次，則在提出計算要求時被程式擋下；這和「只算一半，卻說完成」是不同的狀態。

這和代理有什麼關係？

讓大型語言模型 (Large Language Model, LLM) 根據工具結果，接著選擇動作的系統，常稱為 AI 代理 (AI Agent)。名稱的使用範圍不完全一致；本章關心的特徵是：下一步會根據目前得到的結果，由模型提出，而外層程式持續安排執行與交接。

如果開發者早已把「先讀這個檔案，再做這次乘法」寫死在程式裡，就屬於預先安排的工作流程 (Workflow)。兩者都能使用工具；不能只看執行了幾次，就判斷是不是代理。

真實模型可能選錯工具、誤讀結果，或在沒有完成時說完成，因此外層限制與答案核對仍然必要。

回到開頭的問題：AI 能接著用工具，是因為程式反覆把結果交回模型，讓模型再提出下一步；能不能繼續執行，則由外層程式檢查。 多輪操作不是單次生成偷偷多了外部能力，而是多次模型與程式的交接。

參考：Anthropic 的工具使用交接流程、代理與預定工作流程的區分。查核日期：2026-10-09。本章採簡化的單次一工具案例；不同服務的訊息格式與停止狀態可能不同，API 停止產生內容也不一定代表任務成功。