React 是 Google 与 Princeton 团队在 2022 年提出的一种基于提示的智能体（Agent）框架。它通过交替进行和的循环，让大模型在解决复杂问题时能够进行外部工具调用（如搜索、各种 API），并基于工具反馈更新推理状态，从而实现多步、可交互的问题求解。让大模型在解决问题时，显式交替输出 Thought，形成一个的推理-执行循环。期间涉及对外部环境的感知（通过工具调用获取真实世

让智能体稳定处理 JSON 的关键不是“让模型一次就对”，而是构建一个可靠的数据处理链路✅ 前端约束生成✅ 中间严格校验✅ 后端有限修复✅ 异常可控重试即使模型不完美，系统仍然稳定。

在自然语言理解场景中，输入不规范几乎是常态。单纯依赖词典或知识图谱，很难覆盖所有表达；而完全依赖模型，又会带来成本和稳定性问题。用规则和知识图谱解决“已知问题”用LLM解决“未知表达”最终目标不是让系统“匹配更多词”，而是让它能够在不同表达中稳定识别同一个概念。本质上，这是从“字符串处理”走向“语义理解”的过程。

阶段核心目标关键指标推荐工具SFT学知识 + 避免遗忘通用General Score, EM, 语义相似度DPO/RLHF对齐人类偏好RAG检索准确 + 忠诚度高RAGASAgent多步任务可靠执行自定义 E2E 测试构建这套分阶段、可量化的评估体系，不仅能及时发现模型退化或安全风险，还能为迭代方向提供明确指引，是打造高可靠大模型产品的关键基础设施。

React 是 Google 与 Princeton 团队在 2022 年提出的一种基于提示的智能体（Agent）框架。它通过交替进行和的循环，让大模型在解决复杂问题时能够进行外部工具调用（如搜索、各种 API），并基于工具反馈更新推理状态，从而实现多步、可交互的问题求解。让大模型在解决问题时，显式交替输出 Thought，形成一个的推理-执行循环。期间涉及对外部环境的感知（通过工具调用获取真实世

此时 Server 仅声明具备“工具调用”的能力（tools: { listChanged: true }），但不返回具体的工具列表（Schema），以降低握手开销。：Server 返回完整的工具定义，包括名称、描述及详细的 JSON Schema 参数结构。行为：Client 主动拉取工具列表（对应代码中的 load_mcp_tools）。：Server 执行业务逻辑后，返回带有相同 Reque