工具

工具让智能体能够执行操作——获取数据、调用外部 API、执行代码，甚至使用计算机。JavaScript/TypeScript SDK 支持六类工具：

在阅读过智能体并明确应由哪个智能体负责该任务、且希望为其赋予能力后，再阅读本页。如果您仍在不同委派模式之间做选择，请参阅智能体编排。

1. OpenAI 托管工具——与模型一起在 OpenAI 服务器上运行。（Web 搜索、文件搜索、Code Interpreter、图像生成、工具搜索）
2. 内置执行工具——由 SDK 提供、在模型之外执行的工具。（computer use 和 apply_patch 在本地运行；shell 可在本地或托管容器中运行）
3. 函数工具——用 JSON schema 封装任意本地函数，以便 LLM 调用它。
4. Agents as tools——将整个智能体作为可调用工具暴露出来。
5. MCP 服务器——连接一个 Model Context Protocol 服务器（本地或远程）。
6. 实验性：Codex 工具——将 Codex SDK 封装为函数工具，以运行感知工作区的任务。

---

工具类别

本指南的其余部分将先介绍每类工具，然后总结跨类别的工具选择与提示编写建议。

1. 托管工具（OpenAI Responses API）

使用 OpenAIResponsesModel 时，您可以添加以下内置工具：

工具	类型字符串	用途
Web 搜索	'web_search'	互联网搜索。
文件 / 检索搜索	'file_search'	查询托管在 OpenAI 上的向量存储。
Code Interpreter	'code_interpreter'	在沙箱环境中运行代码。
图像生成	'image_generation'	根据文本生成图像。
工具搜索	'tool_search'	在运行时加载延迟函数工具、命名空间或可搜索的 MCP 工具。

托管工具

import {
  Agent,
  codeInterpreterTool,
  fileSearchTool,
  imageGenerationTool,
  webSearchTool,
} from '@openai/agents';

const agent = new Agent({
  name: 'Travel assistant',
  tools: [
    webSearchTool({ searchContextSize: 'medium' }),
    fileSearchTool('VS_ID', { maxNumResults: 3 }),
    codeInterpreterTool(),
    imageGenerationTool({ size: '1024x1024' }),
  ],
});

SDK 提供了返回托管工具定义的辅助函数：

辅助函数	说明
webSearchTool(options?)	提供适合 JS 的选项，例如 searchContextSize、userLocation 和 filters.allowedDomains。
fileSearchTool(ids, options?)	第一个参数接收一个或多个向量存储 ID，另可传入 maxNumResults、includeSearchResults、rankingOptions 和过滤器等选项。
codeInterpreterTool(options?)	未提供 container 时，默认使用自动管理的容器。
imageGenerationTool(options?)	支持图像生成配置，例如 model、size、quality、background、inputFidelity、inputImageMask、moderation、outputCompression、partialImages 和输出格式。
toolSearchTool(options?)	添加内置的 tool_search 辅助工具。可与设置了 deferLoading: true 的延迟函数工具或托管 MCP 工具配合使用。默认支持托管执行，也可通过 execution: 'client' 加上 execute 使用客户端执行。

这些辅助函数会将 JavaScript/TypeScript 友好的选项名映射到底层 OpenAI Responses API 工具负载。完整工具 schema 以及排序选项、语义过滤器等高级选项，请参阅官方OpenAI 工具指南；当前内置工具搜索流程和模型可用性，请参阅官方工具搜索指南。

---

2. 内置执行工具

这些工具内置于 SDK 中，但执行发生在模型响应之外：

• 计算机操作——实现 Computer 接口并将其传给 computerTool()。这始终针对您提供的本地 Computer 实现运行。
• Shell——可以提供本地 Shell 实现，或通过 shellTool({ environment }) 配置托管容器环境。
• Apply patch——实现 Editor 接口并将其传给 applyPatchTool()。这始终针对您提供的本地 Editor 实现运行。

工具调用仍由模型发起请求，但具体工作由您的应用程序或已配置的执行环境完成。

内置执行工具

import {
  Agent,
  applyPatchTool,
  computerTool,
  shellTool,
  Computer,
  Editor,
  Shell,
} from '@openai/agents';

const computer: Computer = {
  environment: 'browser',
  dimensions: [1024, 768],
  screenshot: async () => '',
  click: async () => {},
  doubleClick: async () => {},
  scroll: async () => {},
  type: async () => {},
  wait: async () => {},
  move: async () => {},
  keypress: async () => {},
  drag: async () => {},
};

const shell: Shell = {
  run: async () => ({
    output: [
      {
        stdout: '',
        stderr: '',
        outcome: { type: 'exit', exitCode: 0 },
      },
    ],
  }),
};

const editor: Editor = {
  createFile: async () => ({ status: 'completed' }),
  updateFile: async () => ({ status: 'completed' }),
  deleteFile: async () => ({ status: 'completed' }),
};

const agent = new Agent({
  name: 'Local tools agent',
  model: 'gpt-5.4',
  tools: [
    computerTool({ computer }),
    shellTool({ shell, needsApproval: true }),
    applyPatchTool({ editor, needsApproval: true }),
  ],
});

Computer 工具细节

computerTool() 可以接受以下任一形式：

• 一个具体的 Computer 实例。
• 一个为每次运行创建 Computer 的初始化函数。
• 一个包含 { create, dispose } 的提供者对象，用于需要按运行范围进行初始化与清理的场景。

要使用 OpenAI 当前的计算机操作路径，请设置支持计算机操作的模型，例如 gpt-5.4。当请求模型显式指定时，SDK 会发送 GA 内置的 computer 工具格式。如果生效模型仍来自存储的提示或其他旧集成，SDK 会继续使用旧版 computer_use_preview 线格式以保持兼容，除非您通过 modelSettings.toolChoice: 'computer' 显式启用 GA 路径。

GA 的计算机调用可以在单个 computer_call 中包含批量 actions[]。SDK 会按顺序执行它们，对每个 action 评估 needsApproval，并将最终截图作为工具输出返回。如果您基于 interruption.rawItem 构建审批 UI，在存在 actions 时请读取它，否则回退到旧版预览项中的 action。

当高影响的计算机操作需要暂停供用户审核时，请使用 needsApproval；如果您希望确认或拒绝某次计算机调用报告的待处理安全检查，请使用 onSafetyCheck。关于模型侧指导和迁移细节，请参阅官方OpenAI 计算机操作指南及其迁移说明。

Shell 工具细节

shellTool() 有两种模式：

• 本地模式：提供 shell，并可选提供 environment: { type: 'local', skills }，以及用于自动审批处理的 needsApproval 和 onApproval。
• 托管容器模式：提供 environment，其中 type 为 container_auto 或 container_reference。

在本地模式下，environment.skills 允许您通过 name、description 和文件系统 path 挂载本地技能。

在托管容器模式下，可通过以下任一方式配置 shellTool({ environment })：

• type: 'container_auto'，为当前运行创建托管容器。
• type: 'container_reference'，通过 containerId 复用现有容器。

托管的 container_auto 环境支持：

• networkPolicy，包括带 domainSecrets 的允许列表。
• fileIds，用于挂载已上传文件。
• memoryLimit，用于指定容器大小。
• skills，可通过 skill_reference 或内联 zip 包提供。

托管 shell 环境不接受 shell、needsApproval 或 onApproval，因为执行发生在托管容器环境中，而不是您的本地进程中。

完整用法请参见 examples/tools/local-shell.ts、examples/tools/container-shell-skill-ref.ts 和 examples/tools/container-shell-inline-skill.ts。

Apply-patch 工具细节

applyPatchTool() 复用了 shellTool() 的本地审批流程：在文件编辑前使用 needsApproval 暂停；如果您希望由应用层回调自动批准或拒绝，则使用 onApproval。

---

3. 函数工具

您可以使用 tool() 辅助函数把任意函数变成工具。

带 Zod 参数的函数工具

import { tool } from '@openai/agents';
import { z } from 'zod';

const getWeatherTool = tool({
  name: 'get_weather',
  description: 'Get the weather for a given city',
  parameters: z.object({ city: z.string() }),
  async execute({ city }) {
    return `The weather in ${city} is sunny.`;
  },
});

选项参考

字段	必需	说明
name	否	默认为函数名（例如 get_weather）。
description	是	展示给 LLM 的清晰、可读描述。
parameters	是	可以是 Zod schema，也可以是原始 JSON schema 对象。Zod 参数会自动启用严格模式。
strict	否	当为 true（默认）时，如果参数验证失败，SDK 会返回模型错误。设为 false 可进行模糊匹配。
execute	是	(args, context, details) => string | unknown | Promise<...>——您的业务逻辑。非字符串输出会被序列化后提供给模型。context 是可选的 RunContext；details 包含 toolCall、resumeState 和 signal 等元数据。
errorFunction	否	自定义处理器 (context, error) => string，用于将内部错误转换为用户可见字符串。
timeoutMs	否	每次调用的超时时间（毫秒）。必须大于 0 且小于等于 2147483647。
timeoutBehavior	否	超时模式：error_as_result（默认）返回模型可见的超时消息，raise_exception 则抛出 ToolTimeoutError。
timeoutErrorFunction	否	当 timeoutBehavior 为 error_as_result 时，用于超时输出的自定义处理器 (context, timeoutError) => string。
needsApproval	否	执行前需要人工审批。参见人机协作指南。
isEnabled	否	按运行条件性暴露工具；接受布尔值或谓词。
inputGuardrails	否	在工具执行前运行的护栏；可拒绝或抛错。参见护栏。
outputGuardrails	否	在工具执行后运行的护栏；可拒绝或抛错。参见护栏。

函数工具超时

使用 timeoutMs 来限制每次函数工具调用的时间。

• timeoutBehavior: 'error_as_result'（默认）会向模型返回 Tool '<name>' timed out after <timeoutMs>ms.。
• timeoutBehavior: 'raise_exception' 会抛出ToolTimeoutError，您可以将其作为运行异常的一部分进行捕获。
• timeoutErrorFunction 允许您在 error_as_result 模式下自定义超时文本。
• 超时会中止 details.signal，因此长时间运行的工具在侦听取消信号时可以及时停止。

如果您直接调用函数工具，请使用 invokeFunctionTool 来强制执行与常规智能体运行相同的超时行为。

非严格 JSON schema 工具

如果您需要模型对无效或不完整输入进行猜测，那么在使用原始 JSON schema 时可以禁用严格模式：

非严格 JSON schema 工具

import { tool } from '@openai/agents';

interface LooseToolInput {
  text: string;
}

const looseTool = tool({
  description: 'Echo input; be forgiving about typos',
  strict: false,
  parameters: {
    type: 'object',
    properties: { text: { type: 'string' } },
    required: ['text'],
    additionalProperties: true,
  },
  execute: async (input) => {
    // because strict is false we need to do our own verification
    if (typeof input !== 'object' || input === null || !('text' in input)) {
      return 'Invalid input. Please try again';
    }
    return (input as LooseToolInput).text;
  },
});

使用工具搜索进行延迟工具加载

工具搜索让模型在运行时仅加载其所需的工具定义，而不是预先发送所有 schema。在 SDK 中，这适用于延迟加载的顶层函数工具、toolNamespace() 分组，以及设置了 deferLoading: true 的托管 MCP 工具。

仅在支持该能力的 Responses API 中，将工具搜索与 GPT-5.4 及更新模型版本一起使用。

使用工具搜索进行延迟工具加载

import { Agent, tool, toolNamespace, toolSearchTool } from '@openai/agents';
import { z } from 'zod';

const customerIdParams = z.object({
  customerId: z.string().describe('The customer identifier to look up.'),
});

// Keep a standalone deferred tool at the top level when it represents a
// single searchable capability that does not need a shared namespace.
const shippingLookup = tool({
  name: 'get_shipping_eta',
  description: 'Look up a shipment ETA by customer identifier.',
  parameters: customerIdParams,
  deferLoading: true,
  async execute({ customerId }) {
    return {
      customerId,
      eta: '2026-03-07',
      carrier: 'Priority Express',
    };
  },
});

// Group related tools into a namespace when one domain description should
// cover several deferred tools and let tool search load them together.
const crmTools = toolNamespace({
  name: 'crm',
  description: 'CRM tools for customer profile lookups.',
  tools: [
    tool({
      name: 'get_customer_profile',
      description: 'Fetch a basic customer profile.',
      parameters: customerIdParams,
      deferLoading: true,
      async execute({ customerId }) {
        return {
          customerId,
          tier: 'enterprise',
        };
      },
    }),
  ],
});

const agent = new Agent({
  name: 'Operations assistant',
  model: 'gpt-5.4',
  // Mixing namespaced and top-level deferred tools in one request is supported.
  tools: [shippingLookup, ...crmTools, toolSearchTool()],
});

该示例有意混用了两种风格：

• shippingLookup 保持为顶层，因为它是一个独立的可搜索能力。
• crmTools 使用 toolNamespace()，因为相关的 CRM 工具共享一个高层标签和描述。
• 在同一请求中混合命名空间和顶层延迟工具是受支持的；工具搜索既可加载如 crm 这样的命名空间路径，也可加载如 get_shipping_eta 这样的顶层路径。

使用工具搜索时：

• 为每个延迟函数工具标记 deferLoading: true。
• 当多个相关工具应共享一个领域描述并作为一组加载时，使用 toolNamespace({ name, description, tools })。
• 当工具是单一独立能力且工具名本身就是良好的搜索目标时，让它保持在顶层。
• 只要任意延迟函数工具或托管 MCP 工具使用了 deferLoading: true，就要在同一个 tools 数组中添加 toolSearchTool()。
• 将 modelSettings.toolChoice 保持为 'auto'。SDK 会拒绝按名称强制使用内置 tool_search 工具或某个延迟函数工具。
• 默认使用托管执行。如果设置 toolSearchTool({ execution: 'client', execute })，标准 run() 循环仅支持内置的 { paths: string[] } 客户端查询格式；自定义客户端 schema 需要您自己实现 Responses 循环。
• 一个命名空间可以同时包含即时成员和延迟成员。即时成员无需工具搜索即可调用，而同一命名空间中的延迟成员会按需加载。
• 延迟函数工具和 toolNamespace() 仅适用于 Responses。Chat Completions 会拒绝它们，AI SDK 适配器也不支持延迟 Responses 工具加载流程。

---

4. Agents as tools

有时，您希望一个智能体协助另一个智能体，而不是完全接管对话。此时可使用 agent.asTool()：

如果您仍在 agent.asTool() 和 handoff() 之间做选择，请对照智能体与智能体编排中的模式说明。

Agents as tools

import { Agent } from '@openai/agents';

const summarizer = new Agent({
  name: 'Summarizer',
  instructions: 'Generate a concise summary of the supplied text.',
});

const summarizerTool = summarizer.asTool({
  toolName: 'summarize_text',
  toolDescription: 'Generate a concise summary of the supplied text.',
});

const mainAgent = new Agent({
  name: 'Research assistant',
  tools: [summarizerTool],
});

在底层，SDK 会：

• 创建一个只包含 input 参数的函数工具。
• 当该工具被调用时，使用该输入运行子智能体。
• 返回最后一条消息，或由 customOutputExtractor 提取的输出。

当您将智能体作为工具运行时，Agents SDK 会使用默认设置创建一个 runner，并在函数执行过程中用它来运行该智能体。如果您希望提供 runConfig 或 runOptions 中的任意属性，可以将它们传给 asTool() 方法，以自定义 runner 的行为。

您还可以通过 asTool() 选项在智能体工具上设置 needsApproval 和 isEnabled，以便集成人工干预流程和按条件控制工具可用性。

在 customOutputExtractor 内，可使用 result.agentToolInvocation 检查当前的 Agent.asTool() 调用。在该回调中，结果始终来自 Agent.asTool()，因此 agentToolInvocation 始终已定义，并暴露 toolName、toolCallId 和 toolArguments。常规应用上下文和 toolInput 则使用 result.runContext 获取。此元数据仅限当前嵌套调用作用域，不会序列化到 RunState 中。

读取智能体工具调用元数据

import { Agent } from '@openai/agents';

const billingAgent = new Agent({
  name: 'Billing Agent',
  instructions: 'Handle billing questions and subscription changes.',
});

const billingTool = billingAgent.asTool({
  toolName: 'billing_agent',
  toolDescription: 'Handles customer billing questions.',
  customOutputExtractor(result) {
    console.log('tool', result.agentToolInvocation.toolName);
    // Direct invoke() calls may not have a model-generated tool call id.
    console.log('call', result.agentToolInvocation.toolCallId);
    console.log('args', result.agentToolInvocation.toolArguments);

    return String(result.finalOutput ?? '');
  },
});

const orchestrator = new Agent({
  name: 'Support Orchestrator',
  instructions: 'Delegate billing questions to the billing agent tool.',
  tools: [billingTool],
});

agent.asTool() 的高级结构化输入选项：

• inputBuilder：将结构化工具参数映射为嵌套智能体输入负载。
• includeInputSchema：在嵌套运行中包含输入 JSON schema，以获得更强的 schema 感知行为。
• resumeState：控制恢复嵌套序列化 RunState 时的上下文协调策略：'merge'（默认）将实时审批/上下文状态合并到序列化状态中，'replace' 改为使用当前运行上下文，'preferSerialized' 则在恢复时保持序列化上下文不变。

来自智能体工具的流式事件

智能体工具可以将所有嵌套运行事件流式回传给您的应用。请根据您构造工具的方式选择适合的钩子风格：

流式传输智能体工具

import { Agent } from '@openai/agents';

const billingAgent = new Agent({
  name: 'Billing Agent',
  instructions: 'Answer billing questions and compute simple charges.',
});

const billingTool = billingAgent.asTool({
  toolName: 'billing_agent',
  toolDescription: 'Handles customer billing questions.',
  // onStream: simplest catch-all when you define the tool inline.
  onStream: (event) => {
    console.log(`[onStream] ${event.event.type}`, event);
  },
});

// on(eventName) lets you subscribe selectively (or use '*' for all).
billingTool.on('run_item_stream_event', (event) => {
  console.log('[on run_item_stream_event]', event);
});
billingTool.on('raw_model_stream_event', (event) => {
  console.log('[on raw_model_stream_event]', event);
});

const orchestrator = new Agent({
  name: 'Support Orchestrator',
  instructions: 'Delegate billing questions to the billing agent tool.',
  tools: [billingTool],
});

• 事件类型与 RunStreamEvent['type'] 一致：raw_model_stream_event、run_item_stream_event、agent_updated_stream_event。
• onStream 是最简单的“全量捕获”方式，适合内联声明工具时使用（tools: [agent.asTool({ onStream })]）。如果您不需要按事件分别路由，使用它即可。
• on(eventName, handler) 允许您选择性订阅（或使用 '*'），更适合需要细粒度处理或希望在创建后再附加监听器的场景。
• 如果您提供了 onStream 或任意 on(...) 处理器，agent-as-tool 会自动以流式模式运行；否则将保持非流式路径。
• 处理器会并行调用，因此缓慢的 onStream 回调不会阻塞 on(...) 处理器（反之亦然）。
• 当工具通过模型工具调用被触发时，会提供 toolCallId；直接 invoke() 调用或某些 provider 的特殊行为可能不会提供它。

---

5. MCP 服务器

您可以通过 Model Context Protocol（MCP） 服务器暴露工具，并将其附加到智能体。例如，您可以使用 MCPServerStdio 来启动并连接到 stdio MCP 服务器：

本地 MCP 服务器

import { Agent, MCPServerStdio } from '@openai/agents';

const server = new MCPServerStdio({
  fullCommand: 'pnpm exec mcp-server-filesystem ./sample_files',
});

await server.connect();

const agent = new Agent({
  name: 'Assistant',
  mcpServers: [server],
});

完整示例请参见 filesystem-example.ts。此外，如果您在寻找 MCP 服务器工具集成的完整指南，请参阅MCP 集成。在管理多个服务器（或处理部分失败）时，请使用 connectMcpServers，并参考MCP 集成中的生命周期管理建议。

---

6. 实验性：Codex 工具

@openai/agents-extensions/experimental/codex 提供 codexTool()，这是一个函数工具，会将模型的工具调用路由到 Codex SDK，使智能体能够自主运行工作区范围内的任务（shell、文件编辑、MCP 工具）。该接口为实验性功能，后续可能发生变化。

请先安装依赖：

npm install @openai/agents-extensions @openai/codex-sdk

快速开始：

实验性 Codex 工具

import { Agent } from '@openai/agents';
import { codexTool } from '@openai/agents-extensions/experimental/codex';

export const codexAgent = new Agent({
  name: 'Codex Agent',
  instructions:
    'Use the codex tool to inspect the workspace and answer the question. When skill names, which usually start with `$`, are mentioned, you must rely on the codex tool to use the skill and answer the question.',
  tools: [
    codexTool({
      sandboxMode: 'workspace-write',
      workingDirectory: '/path/to/repo',
      defaultThreadOptions: {
        model: 'gpt-5.4',
        networkAccessEnabled: true,
        webSearchEnabled: false,
      },
    }),
  ],
});

需要了解的内容：

• 认证：提供 CODEX_API_KEY（推荐）或 OPENAI_API_KEY，也可传入 codexOptions.apiKey。
• 输入：严格 schema——inputs 至少必须包含一个 { type: 'text', text } 或 { type: 'local_image', path }。
• 安全性：将 sandboxMode 与 workingDirectory 搭配使用；如果目录不是 Git 仓库，请设置 skipGitRepoCheck。
• 线程：useRunContextThreadId: true 会在 runContext.context 中读取/存储最新线程 ID，这对于在应用状态中跨轮次复用很有帮助。
• 线程 ID 优先级：工具调用中的 threadId（如果您的 schema 包含它）优先，其次是 run-context 中的线程 ID，最后才是 codexTool({ threadId })。
• 运行上下文键：对于 name: 'codex'，默认是 codexThreadId；对于 name: 'engineer' 这类名称，则为 codexThreadId_<suffix>（规范化后得到 codex_engineer）。
• 可变上下文要求：启用 useRunContextThreadId 时，请将可变对象或 Map 作为 run(..., { context }) 传入。
• 命名：工具名会被规范化到 codex 命名空间中（engineer 会变为 codex_engineer），并且同一智能体中的重复 Codex 工具名会被拒绝。
• 流式传输：onStream 会镜像 Codex 事件（推理、命令执行、MCP 工具调用、文件变更、Web 搜索），便于您记录或追踪进度。
• 输出：工具结果包含 response、usage 和 threadId，并且 Codex token 用量会记录到 RunContext 中。
• 结构：outputSchema 可以是描述符、JSON schema 对象或 Zod 对象。对于 JSON 对象 schema，additionalProperties 必须为 false。

运行上下文线程复用示例：

Codex 运行上下文线程复用

import { Agent, run } from '@openai/agents';
import { codexTool } from '@openai/agents-extensions/experimental/codex';

// Derived from codexTool({ name: 'engineer' }) when runContextThreadIdKey is omitted.
type ExampleContext = {
  codexThreadId_engineer?: string;
};

const agent = new Agent<ExampleContext>({
  name: 'Codex assistant',
  instructions: 'Use the codex tool for workspace tasks.',
  tools: [
    codexTool({
      // `name` is optional for a single Codex tool.
      // We set it so the run-context key is tool-specific and to avoid collisions when adding more Codex tools.
      name: 'engineer',
      // Reuse the same Codex thread across runs that share this context object.
      useRunContextThreadId: true,
      sandboxMode: 'workspace-write',
      workingDirectory: '/path/to/repo',
      defaultThreadOptions: {
        model: 'gpt-5.4',
        approvalPolicy: 'never',
      },
    }),
  ],
});

// The default key for useRunContextThreadId with name=engineer is codexThreadId_engineer.
const context: ExampleContext = {};

// First turn creates (or resumes) a Codex thread and stores the thread ID in context.
await run(agent, 'Inspect src/tool.ts and summarize it.', { context });
// Second turn reuses the same thread because it shares the same context object.
await run(agent, 'Now list refactoring opportunities.', { context });

const threadId = context.codexThreadId_engineer;

---

工具策略与最佳实践

工具使用行为

关于如何控制模型必须在何时、以何种方式使用工具（modelSettings.toolChoice、toolUseBehavior 等），请参阅智能体。

---

最佳实践

• 简短且明确的描述——说明工具做什么以及何时使用它。
• 校验输入——尽可能使用 Zod schema 进行严格 JSON 校验。
• 避免在错误处理器中产生副作用——errorFunction 应返回有帮助的字符串，而不是抛出异常。
• 一个工具只负责一件事——小而可组合的工具更有利于模型推理。

---

相关指南

• 智能体：定义携带工具的智能体并控制 toolUseBehavior。
• 智能体编排：帮助决定何时使用 agents as tools，何时使用交接。
• 运行智能体：了解执行流程、流式传输和对话状态。
• 模型：了解 OpenAI 托管模型配置和 Responses 传输方式选择。
• 护栏：校验工具输入或输出。
• 深入阅读 tool() 及各种托管工具类型的 TypeDoc 参考。