Agent面试题八股文怎么答：ReAct、MCP、记忆到评估的12道高频题与追问

一句话回答：Agent面试的八股题绕不开四块，推理循环、工具调用（Function Calling 和 MCP）、记忆与上下文、评估与兜底。每道题的定义一分钟能背完，面试官真正在打分的是你接下来那句追问答得怎么样。下面12道题都按「答题骨架 + 常见追问」写。

今年九月下旬，一位做后端的朋友转 Agent 岗，连着面了三家，回来跟我复盘：八股他都背了，ReAct、Function Calling、MCP 的定义一字不差，三家都在第二个追问上卡住了。一家问「工具返回了一万行日志，你怎么办」，一家问「你说你做了记忆，那它记错了怎么发现」，还有一家直接让他讲讲自己的 Agent 最近一次是怎么挂的。

这就是 Agent 八股和 Java 八股不一样的地方。Java 八股考的是你记没记住，Agent 八股考的是你有没有把一个循环跑坏过。所以下面每道题我都按同一个结构写：先给骨架，再给面试官会追的那一句。

如果你想看的是岗位本身考什么、和提示词工程师有什么区别，可以先看这篇岗位解析；想知道几家大厂的问法偏好，看大厂真题画像。这一篇只管一件事：题怎么答。

先看一张图：追问都发生在循环的哪个节点

几乎所有 Agent 追问都能落到这三处：规划那一步、调工具那一步、结果回填那一步。答题时别按「定义、原理、优缺点」的背书顺序讲，按「这一步坏了会怎样，我怎么兜底」讲，面试官一听就知道你不是只读过论文。

第一组：推理循环与规划

Q1：ReAct 是什么，和 Chain-of-Thought 有什么区别？

骨架：CoT 只让模型把推理写出来，全程不接触外部世界；ReAct（Yao 等人 2022 年的论文，arXiv 2210.03629）把「思考」和「行动」交替起来，每次行动的结果再喂回去，模型据此修正下一步想法。一句话：CoT 是在脑子里推，ReAct 是边推边查。

常见追问：「最大步数到了任务还没完成怎么办？」答法是别只说「设个上限」，要说上限到了返回什么——是把已有进展和卡点汇总给用户，还是降级成一次不带工具的直接回答。我自己的习惯是上限触发时必须带着「做到哪、卡在哪」退出，而不是静默截断。

Q2：规划（Planning）该一次性规划完，还是边做边规划？

骨架：一次性规划（plan-then-execute）适合步骤稳定、工具返回可预期的任务，好处是便宜、可审计；边做边规划适合环境会变的任务，好处是能纠偏，代价是 token 和延迟。实际工程里常见的是折中：先出一版粗计划，每执行完一个阶段让模型判断「计划还成立吗」，不成立才重规划。

常见追问：「计划本身写错了怎么发现？」可以讲两条：给每个步骤写明「完成的判定条件」，执行完对照检查；以及对同一个子目标连续失败 N 次就强制回到规划层，不允许在原地反复重试。

Q3：Workflow 和 Agent 到底怎么区分？

这题 Anthropic 那篇《Building effective agents》（原文）给了一个被广泛引用的划分，面试里直接拿来用没问题：

	Workflow	Agent
控制流	开发者写死的代码路径，模型只在节点里干活	模型自己决定下一步做什么、调哪个工具
可预测性	高，容易测	低，同一输入路径可能不同
成本与延迟	稳定、偏低	浮动、偏高
适合	步骤固定的任务（分类、抽取、固定流水线）	步骤事先说不清的开放任务

常见追问：「你的项目为什么用了 Agent 而不是 Workflow？」这是送分题也是送命题。能用 Workflow 解决的任务硬上 Agent，面试官会觉得你不懂取舍。老老实实讲：哪一步是真的事先说不清，所以才放权给模型。

第二组：工具调用，Function Calling 与 MCP

Q4：Function Calling 的完整流程是什么？

骨架：开发者把工具的名称、描述、参数 JSON Schema 传给模型；模型不执行任何东西，只输出「我想调哪个工具、参数是什么」；由你的代码执行，再把结果作为一条消息回填；模型据此继续。关键的一句：执行权永远在你的代码里，模型只是提出调用请求。

常见追问：「模型给的参数不合法怎么办？」答：先过一遍 schema 校验，不通过就把具体的校验错误原样回给模型让它改，而不是自己悄悄修；同一个工具连续出错几次后换路径。

Q5：工具调用失败，超时、重试、幂等怎么处理？

骨架：把工具分成只读和有副作用两类。只读工具超时可以直接重试；有副作用的工具（发邮件、下单、写库）重试前必须有幂等键，否则一次超时重试就可能发两封邮件。失败信息要回填给模型，并且写明是「可重试」还是「换个办法」。

常见追问：「模型反复调同一个工具死循环怎么办？」答：对相同工具加相同参数的调用做去重计数，超过阈值直接拦截并告诉模型「这个调用已经试过，结果是X」。

Q6：MCP 是什么，解决了什么问题？

骨架：MCP（Model Context Protocol）是 Anthropic 2024 年底提出的开放协议（官方文档），把「工具怎么描述、怎么调用」标准化，底层是 JSON-RPC。没有它之前，每个模型框架对接每个外部系统都要写一套适配；有了它，工具方写一个 MCP Server，所有支持 MCP 的客户端都能接。它暴露的能力主要有三类：tools（可调用的动作）、resources（可读取的数据）、prompts（预置的提示模板）。

常见追问：「MCP 和 Function Calling 是替代关系吗？」不是。Function Calling 是模型层面「怎么表达想调用工具」，MCP 是系统层面「工具怎么被发现和接入」，MCP 客户端最后往往还是转成 Function Calling 喂给模型。另一个越来越常被追的是安全：第三方 MCP Server 返回的内容可能带提示注入，你对工具返回值要不要当不可信输入处理？标准答案是要。

如果你在准备的是技术岗，建议这时候就开始做口头练习：同一道题，自己讲一遍，再让面试官角色追两轮。面灵AI 的模拟面试功能可以按岗位出这类追问，我自己的用法是只看它追问的方向，不抄它的措辞，因为八股答案太整齐反而会被面试官一句话问穿。

第三组：记忆与上下文

Q7：Agent 的记忆怎么分类，各自怎么实现？

骨架：短期记忆就是当前上下文窗口里的对话和工具结果；长期记忆放在窗口外，常见做法是向量库存语义片段、数据库存结构化事实（比如用户偏好），需要时检索回来塞进上下文。再加一个常被提起的分法：情景记忆（发生过什么）、语义记忆（知道什么）、程序性记忆（怎么做事，例如沉淀下来的流程或提示词）。

常见追问：「记错了怎么发现？」这是我朋友被问住的那题。可答的方向：写入时记录来源和时间，读出时带出处；对高影响的记忆（比如「用户已确认过某某」）要有过期和复核机制；用户能看到并纠正记忆。只会说「用向量库」答不到点上。

Q8：上下文超长了怎么办？

骨架：三种手段按代价从低到高排：截断（丢最旧的）、摘要（把旧轮次压成一段总结）、检索（把全量历史存外面，按需取回）。还有一个容易漏的点：把大体积工具结果落盘，上下文里只留摘要和引用，需要细节再读文件。

常见追问：「摘要把关键信息丢了怎么办？」可以引用 Liu 等人的《Lost in the Middle》（arXiv 2307.03172）：模型对长上下文中间位置的信息利用更差，所以关键约束放在开头或结尾，并且摘要时对「用户明确说过的约束、已做出的决定」这类内容设成不可压缩。

Q9：工具返回一万行日志，怎么处理？

这题看起来是细节，实际问的是工程直觉。骨架：别整段塞回模型。在工具层先做裁剪（只保留错误级别、首尾若干行、按关键词过滤），或者提供「分页读取」「搜索」这类二级工具，让模型自己决定看哪段。能讲出「工具的输出格式也是要设计的」，基本就过了。

第四组：评估与上线

Q10：怎么评估一个 Agent 好不好？

骨架：不要只说「看最终答案对不对」。分三层讲：最终任务成功率；过程指标（平均步数、工具调用成功率、是否有无效循环）；成本指标（token、延迟、每任务花费）。构造评估集时要包含正常样例、边界样例和已知失败样例，每次改提示词或换模型都回归跑一遍。

常见追问：「用 LLM 当评委靠谱吗？」答：能规模化，但有位置偏好、长度偏好，所以要抽样人工标注校准评委，并且尽量用有明确判定标准的 rubric，而不是让它打「好不好」的总分。

Q11：幻觉和错误怎么兜底？

骨架：分层兜底。输入侧：工具返回值做校验。过程侧：高风险动作（付款、删除、对外发送）加人工确认。输出侧：要求答案引用工具返回里的具体内容，对不上就拒绝输出。再提一下 Reflexion（Shinn 等人 2023，arXiv 2303.11366）这类让模型自我反思、把失败经验写进记忆的方法，但要诚实说：反思能降低重复犯错，不能保证不犯错，所以高风险动作的人工确认不能省。

Q12：讲一次你的 Agent 最近怎么挂的

这题没有标准答案，也是我认为最值钱的一题。准备法：从自己项目里挑一次真实故障，按「现象、定位过程、根因、修了什么、之后加了什么监控」讲，每一环给个具体数字或日志片段。没有线上项目的，用自己写的小 Agent 也行，关键是真的把它跑坏过一次。

怎么把这12题变成自己的

我建议别把它们当「答案」背，当成追问清单用：

1. 挑一个你自己做过或跑通过的 Agent 小项目，哪怕只是个能查天气订日程的玩具。
2. 对着上面每道题的追问，问自己「我的项目里这一步坏了会怎样」，答不出来的，就是你要去补的地方。
3. 找个人或工具扮面试官，连续追问到第三层，看看自己在哪一层开始编。
4. 想看更多岗位维度的题目，站内的面试题库整理了公开面经里的 Agent 题，可以对照你的薄弱点挑着看。

说句实话，八股这个东西能保证你不在第一关就被刷下来，拿不拿 offer 取决于后面那几个追问。

常见问题

Agent 面试八股文需要背吗？

定义和流程要熟到能脱口而出，但背整段答案没用。Agent 面试大量追问是围绕你自己的项目展开的，背的东西接不住「你当时怎么处理的」这类问题。

没有 Agent 项目经历，能面 Agent 岗吗？

可以投，但要有东西讲。花一两周自己搭一个带 2–3 个工具的小 Agent，真跑起来，故意让它出几次错并记录下来。面试时讲这些失败比讲框架名字有说服力。

ReAct、Plan-and-Execute、Reflexion 面试要都掌握吗？

ReAct 必须讲透；Plan-and-Execute 能说清和 ReAct 的取舍；Reflexion 了解思路和局限即可。把三个的适用场景讲出区别，比逐个背细节更有用。

Agent 面试会考手写代码吗？

常见的是让你手写一个最小的工具调用循环：发请求、解析工具调用、执行、回填、判断终止。几十行代码，重点看你有没有处理步数上限、参数校验和异常。

---

作者 · 林舟。职业发展顾问，做过互联网公司招聘官，也做过 6 年多岗位候选人。写文章分享求职一线的真实观察，不卖课也不做培训。