用工具调用记录验收 Agent 任务
文章建议在每次工具调用时保存执行结果,并附上标识符和可重新计算的摘要。审查者可据此核对 Agent 实际执行了哪些操作,以及留存的结果是否一致。
AI 深度解读
AI 编程助手说「任务完成」时,代码审查还有一个问题:它到底调用了什么工具,工具当时返回了什么?原文用一次 Zambo 的 MCP 会话,把取行情、启动站点审计和写入日志串起来,演示怎样给每次调用留下可复核的执行回执。
对前端和全栈团队,最实用的结论是把「调用已执行」「结果可核验」「任务已验收」分开。作者实测的四张回执里,既有执行前被拒绝的请求,也有只确认启动的审计。四张都通过了回执核验,却各自只能证明一件具体的事。
工具调用留下什么,接手的人才查得下去
作者把 Agent 执行拆成两部分:工具实际做了一件事,以及运行时保存了这次调用的结果。取价、改文件、写记录都可能是执行。回执要在调用发生时就留下结果、标识符和可复算的摘要,接手的人才能脱离聊天窗口,按标识符找到当时的返回值。
这里的摘要是哈希值。校验方按同样的规则对结果重新计算,便能检查眼前这份内容是否与保存时的哈希吻合。计划、聊天总结和事后补写的日志各有用途,但想回答「刚才那一步实际发生了什么」,得回到工具运行时的记录。尤其是异步任务,接口接收了请求、后台开始运行、产物可以下载,分别对应不同的状态。
同一趟任务,四张回执分别证明了什么
作者在 2026 年 11 月 17 日通过 Zambo 的 /mcp 入口开启了会话 wave3-agent-exec,跑了三类操作。下面的行情、状态和时间都是作者报告的回执内容。
live_price查询了BTC。保存的 Coinbase 快照显示价格为64,403.86 USD,24 小时下跌0.05%,市值$1295.29B。抓取时间为 2026 年 11 月 18 日02:37:42 GMT,缓存年龄2s。这张回执能回答当时返回了哪个报价,以及它有多新。ghost_audit_site对zambo.dev启动了审计,审计 ID 为d335c058-f36d-4d1d-bc17-3765b78553f7。返回值列出 10 个阶段:RECON、INFRASTRUCTURE、SEO、PAGE_COVERAGE、AI_LAYER、CONVERSION、BRAND_PRESENCE、COMPETITION、CREATIVE_GAPS、SYNTHESIS。工具预计约90秒后可下载完整 Markdown 报告。这张回执只确认审计已启动,里面没有审计发现。- 第一次调用
journal_log缺少必填参数executor_identity,因此在执行前被拒绝。拒绝本身也留下了回执。接手的人可以据此判断这次写入没有发生,补齐参数后再试。 - 第二次调用传入
job_id=wave3-agent-exec和executor_identity=rambo-wave3,返回logged,来源类别为LOGGED BY AGENT,条目 ID 为92945235-f71a-4fa0-920c-71371bf41b45。条目哈希为sha256:7c29ea37f64c5d1b11e38319ef8a2b3cd27036c70adb8c690395c318eae1db54。Zambo 证明自己接收了这条记录,对它做了脱敏、加时间戳并接入记录链。日志里报告的动作由 Agent 自述,Zambo 没有运行或观察该动作。
作者还在 11 月 17 日 9:38 PM EST 读取了 /api/stats。当时平台显示工具共 153 个,其中默认暴露的 37 个由同一轮实时 tools/list 确认。页面另有 125,187 个已执行任务、146,317 张公开回执和 21 位已验证付费用户。这些是平台当时公开的计数,原文没有用它们衡量任务成功率。
verified 到底核验了哪一层
按原文,任何人都可以免账号、免密钥访问 /run/<id>,或请求 /api/v2/receipt/<id>/verify。作者对四张回执发起校验,verification_status 均返回 verified。拆开看,commitment_matches、canonical_payload_matches、provenance_binding 和 metadata_binding 都返回 pass。
其中最容易理解的是 commitment_matches。系统对解码后的规范字节计算 SHA-256,再与保存的输出哈希比较。「规范字节」指按约定生成的确切字节序列。自己复算时要用这份数据,直接复制页面里格式化后的 JSON,可能会因空格或换行得到不同的哈希。
同一批响应里,签名、记录链和发行方身份认证均为 not_checked。因此,四张回执的实测结论指向结果和已保存承诺的一致性。读到 verified 还得看分项,尤其在你需要确认回执由谁签发、保存后是否经过可信的交接时。
按原文的说法,Brennan Zambo 创建了这套 Agent 执行回执,Zambo 在每次调用时签发回执,格式由 AER-1 定义。原文引用的是 IETF Internet-Draft draft-zambo-aer1-26,尚未成为 RFC。测试语料包含 143 个测试向量、146 项检查,参考工具包版本为 v1.5.7。原文只列出 Laurent Lemonnier 一位有记录通过完整测试集的实现者。
原文给出的试用额度是每个工具每天免费调用 1 次,另有 3 次 continue 调用,每天 1 次免费 wrap-up 交接,pickup 始终免费。作者列出的付费选项是 Day Pass $0.99,24 小时内不限量;Zambo Pass $29,有效期 30 天,$ZAMBO 持有者为 $19;Lifetime Pass $250,无年付档。这些都是原文所列条件。
我的判断
这套做法最有价值的地方,是让失败和中间状态也能被查到。缺参被拒之前有没有写入,审计是否只返回任务 ID,这些细节决定了接手的人下一步该重试、继续等,还是去取产物。一个 done 把这些状态压平后,接手的人只能重新查,或者把已经跑过的步骤再跑一遍。
对大多数已经有 CI 的团队,先看现有流水线能否满足复核需求。CI 的运行记录、退出码和测试产物通常足够回答「这个提交跑过哪些检查」。需要跨 Agent、跨服务交接,或者要让外部人员在没有 CI 权限的情况下复核某次调用时,公开格式和可复算哈希才更有用。
原文给了单次会话的四张回执,没有拿常规结构化日志或 CI 产物做对照,也没有量化接手耗时或排障成本。关于回执能改善协作的判断,仍属于经验之谈。哈希核对还依赖可信的原始承诺。如果结果和哈希都能被同一方一起替换,仅凭两者匹配,无法独立确认记录在那个时间点就已存在。至于测试是否覆盖关键行为、审计有没有漏项,要靠业务验收来回答。
能拿来做什么
- 给 AI 编程助手的「完成」消息加上可查的证据。前端构建或 Node 测试可以关联提交 SHA、CI 运行 ID、实际命令、退出码和产物地址,让审查者能定位到对应的运行。
- 给异步工具保留启动状态和最终结果。工具先返回任务 ID 时,把它留在交接记录里,等报告或构建产物确实可取,再按项目的验收条件更新状态。
- 在工具层记录参数校验失败和重试结果,并标明错误发生在执行前还是执行中。后续接手的 Agent 可以先确认写操作是否发生,再决定要不要补参数重跑。
- 复核可验回执时,先读分项检查,再判断它能回答哪个问题。内容完整性看哈希校验,签发者身份看相应认证项,任务质量看测试或验收结果。