网硕互联帮助中心工具调用失败怎么办：故障三分类 + 重试/挂起/死信三种救法（Agent 容错实战）
前言
Agent 干活靠调工具，工具比模型更容易失败：网络抖动、对方限流、服务下线、参数不对。失败不可怕，救法配错了才可怕。这篇讲我平台的工具失败处置体系：故障三分类（可枚举清单）、自动重试/挂起等人/死信隔离三种救法，外加两道前置保护（并发闸 + 探针查活）。全部真实工程。
一、失败三分类（可枚举清单）
按"还有没有救"分三类，按错误类型和关键词归类，清单之外一律按最严重处理（接力协作篇讲过故障三档的框架，本篇站在工具层展开更细的分类与救法）：
| 抖一下（临时故障） | 重试大概率好 | 超时、连接重置、临时限流 |
| 吵起来（分歧未裁） | 重试没用，问题在有分歧 | 权限冲突、资源被锁 |
| 真死了（不可恢复） | 重试一百次结果一样 | 参数错误、接口改版、服务不存在 |
二、三种救法
第一类：自动重试。 错误喂回执行流程重试，有次数上限、有退避；到上限还不行就承认失败转下一类。重试是希望，不是执念。
第二类：停下来等人。 权限冲突类整场挂起：现场保存好，弹人审批——批准接着跑，拒绝换条路，从挂起点原样继续。"等人"不是失败处理，是这类失败的唯一正确救法。
第三类：隔离与告警。 中止执行、中文说清为什么失败、停在第几步；带现场进死信表，修好重投（死信机制见前篇容错设计）。
三、两道前置闸：让失败少发生
四、一张处置图
工具失败 → 分类 → 抖的：重试（上限＋退避）
→ 吵的：挂起等人（现场保存＋审批）
→ 死的：隔离告警（死信＋重投）
前置：并发闸 + 探针查活 + 装配 fail-closed。
总结
口诀：失败分三类，救法各不同——抖的自动重试，吵的挂起等人，死的死信重投；并发闸限流，探针常查活，装配不带病。
下一篇是安全系列的收口：有些操作机器连试都不该自己试——HITL 人机协同，Agent 的安全阀怎么设计。
你的工具调用失败怎么分类的？评论区聊聊。
评论前必须登录！
注册