1. Tool-Aware Context demo 的最后一公里卡在生成端的 Key 上Context Engineering 第 6 节 Tool-Aware Contextget_news、get_live_price 照旧由 MCP 提供TaoToken 只接管最后生成那步https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 拿 KeyBase URL 填 https://taotoken.net/api。这一节在原文里排得很靠后但它的复现成本几乎全压在最后几行代码上——Agent 已经通过 MCP 发现了两个工具也把 HDFCBANK 的股价和分红新闻抓了回来结构化 JSON 安安稳稳放在 [Tool Outputs] 里结果轮到模型开口时Key 是别人借的、Base URL 是三周前同事留下的、模型 ID 写在另一个没提交的 .env 里换台机器就整段跑不起来。真正的痛点不是 MCP也不是数据源。get_live_price 和 get_news 这两个工具写一次能稳很久行情接口和新闻源也不需要动。麻烦出在「每一次 demo 换环境生成端都要重配一遍」本机跑通了推到同事那儿报 401换一个模型要改三处配置把脚本丢进 CI 又发现容器里根本没有那把 Key。Tool-Aware Context 的价值在于模型只读 [Tool Outputs] 里的事实可如果生成端连不上这条链路就断在最后一个箭头。TaoToken 在这里的角色很克制不动 MCP 的工具发现不动 get_live_price、get_news 的实现只把「最后那次 LLM 生成」的客户端统一到一条兼容通道上。一把 Key、一个 Base URL、一个从模型广场查来的模型 IDMCP server 和数据源保持原样。下面按原文第 6 节的顺序拆开讲先看不用动的那一半再看真正要改的那几行。2. get_live_price 与 get_newsMCP 这一半不用动2.1 两个工具的真实声明长什么样原文第 6 节的 Tool-Aware Context核心是让 Agent 自己发现工具、自己决定调用哪个而不是在 prompt 里硬写「请调用查询接口」。所以 MCP server 一侧要提供的是带描述的工具声明描述写得越像文档模型选错工具的概率越低。用 FastMCP 写出来大概是这样注意这里只是示意你的数据源接什么都行from mcp.server.fastmcp import FastMCP mcp FastMCP(market-tools) mcp.tool() def get_live_price(symbol: str) - dict: 查询标的的最新价、涨跌幅与数据时间戳只读不下单不写库。 mcp.tool() def get_news(symbol: str, topic: str dividend) - list: 按主题返回新闻条目包含标题、发布时间、来源按时间倒序。这两段注释是整条链路里最值钱的几行。get_live_price 的描述里写了「只读、不下单、不写库」模型就不会把它当成能改数据的动作get_news 里写了 topic 默认值模型问「HDFCBANK 最近分红怎么说」时能自己补上 dividend不用你在 prompt 里教。2.2 Agent 先发现工具再决定调哪一个工具发现发生在生成之前属于 Context Engineering 里「先给模型一张地图再让它挑路」的做法。运行时的顺序是把工具清单名字、参数、描述放进上下文模型判断当前 query 需要哪些工具返回调用意图运行器执行真实调用把结果塞进 [Tool Outputs]。整个过程和生成端用哪家的 Key 完全无关这也是为什么这一节可以原封不动保留。需要提醒的是边界。get_live_price 读的是行情源get_news 读的是新闻源两者都是只读查询。如果你想把自家数据库也接进来别指望 MCP 直接连上生产库执行诊断或写操作正确的桥是让模型生成或解释 SQL你在本地或跳板机上手工执行把结果和报错贴回对话再由模型对照 [Tool Outputs] 解释。这条线在后面的排障小节里还会再提一次。2.3 [Tool Outputs] 是结构化 JSON不是自然语言摘要很多 demo 在这里偷懒把工具返回的结果用一句人话概括了再喂给模型比如「HDFCBANK 目前价格还行最近有分红消息」。这一步一旦概括模型就失去了可核对的事实来源后面必然开始编数字。原文的做法是把结构化结果原样放进去形态大致如下数字一律来自工具返回值[ { tool: get_live_price, args: {symbol: HDFCBANK}, result: {price: 工具返回值, change_pct: 工具返回值, as_of: 工具返回值} }, { tool: get_news, args: {symbol: HDFCBANK, topic: dividend}, result: [{title: 工具返回值, published_at: 工具返回值, source: 工具返回值}] } ]价格、涨幅、时间戳、新闻标题和来源都带着字段名进去模型后面说「涨了」还是「跌了」都能被回溯到某个具体字段。这一段和生成端无关配 TaoToken 的时候不要顺手改它。3. 生成端 LLM 客户端的 Key 与 Base URL 怎么统一3.1 在 TaoToken 控制台创建一把 API Key先打开 TaoToken 注册账号进控制台创建一把 API Key复制出来先放在手边。这把 Key 只属于「最后那次 LLM 生成」的客户端不要再借用同事的、也不要和 MCP server 的凭证混在一起。同一页面上还有模型广场模型 ID 从那里查别凭记忆写。这里有个容易踩的习惯问题很多人会把 Key 直接写进脚本里图省事然后 commit 上去。demo 阶段正确做法是放 .env 并进 .gitignore容器里走环境变量注入。Key 统一之后换机器只需要带一个 .env 文件而不是重新找人要凭证。3.2 .env 与客户端初始化Base URL 填 https://taotoken.net/api假设你的 demo 用 Python 组装 [Tool Outputs] 并调用模型配置拆成两层环境变量和初始化代码。环境变量这样写注意 Base URL 末尾不要加 /v1也不要带任何查询参数OPENAI_API_KEYYOUR_API_KEY OPENAI_BASE_URLhttps://taotoken.net/api TAOTOKEN_MODEL_ID以 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 模型广场当时列表为准初始化代码只改 base_url 和 model 两个位置其余业务逻辑一行不碰import os from openai import OpenAI client OpenAI( api_keyos.environ[OPENAI_API_KEY], base_urlhttps://taotoken.net/api, ) resp client.chat.completions.create( modelos.environ[TAOTOKEN_MODEL_ID], messages[ {role: system, content: SYSTEM_PROMPT}, {role: user, content: user_query \n\n[Tool Outputs]\n tool_outputs}, ], )SYSTEM_PROMPT 是防止编数字的关键建议明确写死边界只能引用 [Tool Outputs] 里出现过的字段价格、涨跌幅、时间戳、新闻标题与来源必须逐字对应缺失字段直接回答「工具未返回」不许补全、不许换算、不许引用训练记忆里的旧行情。这一段比换哪家通道重要得多。3.3 顺手把 Claude Code 当执行工具时的 env如果你习惯在 Claude Code 里跑这套 Agent 的调试Claude Code 只当执行工具配置写在 ~/.claude/settings.json 的 env 里和上面的 Python 客户端互不影响{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY, ANTHROPIC_MODEL: 模型广场里的模型 ID } }三个变量填完就够不要额外发明参数也不要把 UTM 参数拼到 ANTHROPIC_BASE_URL 上——那是给浏览器点的不是给 SDK 解析的。4. 同一句 query 跑两遍验证模型只吃 [Tool Outputs]4.1 期望输出与禁写内容的对照表改完配置先别急着炫跑一次和原文第 6 节完全相同的 query重点看模型有没有越过 [Tool Outputs] 自己说话。下面这张表可以直接当验收清单用输出字段期望来源编数字时的典型表现最新价get_live_price 的 price出现小数位明显更「圆」的价格或和工具返回值差一位涨跌幅get_live_price 的 change_pct涨跌方向对但幅度对不上或凭空给出「约」字数据时间get_live_price 的 as_of写成「刚刚」「实时」而工具返回的是具体时间戳分红新闻get_news 的 title / source标题大意对但来源缺失或补出工具没返回的日期只要有一行对不上就不是模型通道的问题而是上下文里的事实没喂进去或者 SYSTEM_PROMPT 的约束不够硬。4.2 把组装好的 prompt 打出来核对验证的第二步是看真实入参而不是看输出猜。在调用前把拼好的 user content 打到日志里确认三件事[Tool Outputs] 段落的字段名没被你的格式化函数吃掉工具返回的空数组确实以空数组形式出现而不是被替换成「无数据」query 里那支 HDFCBANK 和工具参数里的 symbol 完全一致没有大小写或空格差异。这三件事里最常见的是第二个。空结果被替换成中文占位之后模型会误以为「有数据但没显示」转而开始回忆训练数据里的旧新闻。保持结构原样让模型自己判断「工具未返回」比替它美化上下文安全得多。4.3 模型开始编数字的三个信号第一个信号是回答里出现 [Tool Outputs] 里根本不存在的计量单位比如工具只给了涨跌幅百分比模型却开始谈成交量。第二个是时间表述变成模糊词「近期」「目前」「不久前」这类词密集出现时说明模型没拿到 as_of正在用它自己的时间感填空。第三个是新闻来源被省略只留标题因为来源字段在上下文里被截断或被丢弃了。发现任一信号处理顺序是先查上下文组装再查 SYSTEM_PROMPT最后才怀疑模型本身。把顺序搞反的人往往在一个配置完全正确的通道上反复换模型浪费掉的额度比问题本身还多。5. 排障对照401、404、模型名与上下文截断5.1 Key 与 Base URL 的三类报错401 通常是 Key 没带上或者带错了位置检查环境变量有没有真的加载进运行进程而不是写在 .env 里却被 shell 覆盖。404 几乎都是路径问题Base URL 写成了 https://taotoken.net/api/v1或者在末尾多了一个斜杠。多 /v1 是最常见的一种因为不少 SDK 文档的示例里默认带这层路径照抄就错。还有一类静默失败请求返回 200但内容是空字符串或一段与问题无关的兜底话术。这种往往是客户端把 base_url 漏了请求发去了默认地址被服务端按未知模型处理。排查方式是打开 SDK 的日志级别看真实请求打到了哪个域名。5.2 模型 ID 与 /v1 的坑模型 ID 只信模型广场当时的列表不要凭记忆写。带日期后缀的版本号尤其容易踩凭印象写一个后缀服务端会明确告诉你模型不存在而不是自动降级到相近版本。同理也不要自己拼厂商前缀广场里叫什么就填什么。至于 /v1理解成「一个路径片段而不是一个必须项」就够了。本次配置里 Base URL 就是 https://taotoken.net/api末尾干净利落客户端自己怎么拼路径是它的事。如果某个 SDK 硬要带版本号按对应接入文档处理别在一半配置里加、一半配置里不加。5.3 [Tool Outputs] 太长、工具超时分红新闻一次返回几十条[Tool Outputs] 会迅速吃满上下文后半段被静默截断模型于是「记得」工具调用过但拿不到具体字段。做法是给 get_news 加条数上限或者在你自己的组装层里按 published_at 排序只保留最近若干条同时把「本次仅展示 N 条」写进上下文让模型知道信息是不完整的。工具侧超时则表现为 [Tool Outputs] 里出现一段错误文本而不是结构化 JSON。这时不要让模型去猜数据直接在提示里标注该工具本次失败、对应字段不可用。生成端换到统一通道之后调用链路的可观测性反而更好一次请求对应一次计费记录哪个环节慢、哪次重试多都能在用量页面里对上。6. 对账与下一步这次调用落在哪个 Key 上配置生效后先用同一把 Key 在 TaoToken 模型对话 里发一条最短的测试消息确认模型 ID 和 Base URL 都对得上然后回到控制台的用量页对照刚才那次 HDFCBANK 的生成调用看 token 消耗有没有记到这把 Key 上。对上了说明生成端这条通道是通的MCP 那一半可以继续按原文推进。如果这套流程你要反复跑可以看看 Coding Plan 的额度是否够日常调试需要再建一把 Key 给 CI 用就在 控制台 API Keys 里创建别复用本机那把在 Claude Code 里做联调的话环境变量对照见 接入文档。Tool-Aware Context 这条链路里最难复现的从来不是工具而是最后那一次调用的身份——把它固定下来后面换模型、换机器、换同事接手都只剩改一个环境变量的事。
