翻开 core/tools/，你会看到五个"工具家族"，每家一个目录：

它们全部继承同一个抽象基类 Tool（core/tools/__base/tool.py:22）。基类只强制两件事：一是必须声明"我属于哪种类型"（抽象方法 tool_provider_type），二是必须实现"我被调用时具体干什么"（抽象方法 _invoke，tool.py:102）。

抽象基类里最关键的是 invoke 方法（core/tools/__base/tool.py:49）——它是"模板方法"：统一处理参数、然后把真正干活的部分甩给子类的 _invoke：

# api/core/tools/__base/tool.py:49
def invoke(self, session, user_id, tool_parameters,
           conversation_id=None, app_id=None, message_id=None):
    if self.runtime and self.runtime.runtime_parameters:
        tool_parameters.update(self.runtime.runtime_parameters)   # ① 合并运行时预设参数

    # try parse tool parameters into the correct type
    tool_parameters = self._transform_tool_parameters_type(tool_parameters)  # ② 参数类型矫正

    result = self._invoke(                                        # ③ ★真正干活：子类实现
        session=session, user_id=user_id, tool_parameters=tool_parameters,
        conversation_id=conversation_id, app_id=app_id, message_id=message_id,
    )

    match result:                                                 # ④ 统一成 Generator 返回
        case ToolInvokeMessage():
            def single_generator(): yield result
            return single_generator()
        case list():
            def generator(): yield from result
            return generator()
        case _:
            return result

光有基类还不够——运行时你手上只有一堆配置（"用哪家 provider、哪个 tool、哪个租户"），得有人把它变成一个真正能 invoke 的对象。这就是 ToolManager.get_tool_runtime（core/tools/tool_manager.py:178）。它内部用一个大 match 按类型分流：

# api/core/tools/tool_manager.py:178
def get_tool_runtime(cls, provider_type: ToolProviderType, provider_id, tool_name,
                     tenant_id, user_id=None, invoke_from=InvokeFrom.DEBUGGER,
                     tool_invoke_from=ToolInvokeFrom.AGENT, credential_id=None
                     ) -> BuiltinTool | PluginTool | ApiTool | WorkflowTool | MCPTool:
    match provider_type:                              # ★按工具类型分流
        case ToolProviderType.BUILT_IN:
            provider_controller = cls.get_builtin_provider(provider_id, tenant_id)
            builtin_tool = provider_controller.get_tool(tool_name)
            if not provider_controller.need_credentials:      # 不需要凭据 → 直接 fork 一个运行时
                return builtin_tool.fork_tool_runtime(runtime=ToolRuntime(...))
            ...                                        # 需要凭据 → 从库里查 BuiltinToolProvider、校验合规
        case ToolProviderType.API:      ...            # API 工具：加载 OpenAPI + 凭据
        case ToolProviderType.WORKFLOW: ...            # 工作流工具：绑定目标工作流 app
        case ToolProviderType.PLUGIN:   ...            # 插件工具
        case ToolProviderType.MCP:      ...            # MCP 工具

有了"能 invoke 的工具"，Agent 为什么不直接调、非要经过 ToolEngine？因为调用一次工具需要一堆"周边工作"：记耗时、抓异常、把二进制结果（图片/文件）落库、把结果转成模型能读的文本。这些统一放进 ToolEngine.agent_invoke（core/tools/tool_engine.py:49）。它内部先走 _invoke（tool_engine.py:206）：

# api/core/tools/tool_engine.py:206
def _invoke(session, tool, tool_parameters, user_id,
            conversation_id=None, app_id=None, message_id=None):
    started_at = datetime.now(UTC)
    meta = ToolInvokeMeta(time_cost=0.0, error=None, tool_config={   # ① 准备一张"调用小票"
        "tool_name": tool.entity.identity.name,
        "tool_provider": tool.entity.identity.provider,
        "tool_provider_type": tool.tool_provider_type().value,
        "tool_parameters": deepcopy(tool.runtime.runtime_parameters),
        "tool_icon": tool.entity.identity.icon,
    })
    try:
        yield from tool.invoke(session, user_id, tool_parameters,   # ② ★真正调工具（L03 的 invoke）
                               conversation_id, app_id, message_id)
    except Exception as e:
        meta.error = str(e)                                         # ③ 出错也记在小票上
        raise ToolEngineInvokeError(meta)
    finally:
        ended_at = datetime.now(UTC)
        meta.time_cost = (ended_at - started_at).total_seconds()    # ④ 无论成败都记耗时
        yield meta                                                  #    小票也当一条消息 yield 出去

最能体现"统一抽象"威力的是 WorkflowTool（core/tools/workflow_as_tool/tool.py:40）——它把你 Day08-15 学的一整条工作流，伪装成一个普通工具：

# api/core/tools/workflow_as_tool/tool.py:81
def _invoke(self, session, user_id, tool_parameters, ...):
    ...
    from core.app.apps.workflow.app_generator import WorkflowAppGenerator   # ★ 就地起一整条工作流
    generator = WorkflowAppGenerator()
    ...   # 用 tool_parameters 当工作流输入，跑完把最终输出当工具结果返回