21.12 工具调用与 MCP 模型如何训练#

本节要点：工具调用能力的训练，本质是让模型在当前工具 schema + 对话状态 + 环境观测的条件下习得正确的动作格式与调用策略；协议转换与执行权限始终由运行时（Runtime）保证，模型并不直接学习 MCP 传输层。

学完本节应能说清

• 在完整工具调用链路中，模型实际被训练的是哪一段行为；
• 单步、多步、并行工具轨迹的结构组成；
• 监督微调（SFT）标签与损失掩码（loss mask）的设置原则及其依据；
• 如何借助合成、执行器与拒绝采样（rejection sampling）获得可靠数据；
• 直接偏好优化（DPO）与强化学习（RL）如何优化是否调用、调用哪个、参数是否正确；
• 如何训练模型对未见工具、动态 MCP 服务与失败恢复的泛化能力。