บทที่ 11 — Built-in tools

บทที่ 11 · English

thClaws มาพร้อม built-in tools ประมาณสามสิบตัว ซึ่ง agent จะเลือกใช้ เองโดยอัตโนมัติ คุณจะเห็นการเรียกแต่ละครั้งในรูป [tool: Name: …] ตามด้วย ✓ (สำเร็จ) หรือ ✗ (error) บทนี้คือเอกสารอ้างอิง

File tools

Tool	การอนุมัติ	สรุป
`Ls`	auto	แสดงรายการไดเรกทอรีแบบไม่ recursive
`Read`	auto	อ่านไฟล์ (ทั้งไฟล์ หรือเฉพาะช่วงบรรทัด)
`Glob`	auto	จับคู่ pattern แบบ shell-glob โดยเคารพ `.gitignore`
`Grep`	auto	ค้นด้วย regex ข้ามไฟล์ โดยเคารพ `.gitignore`
`Write`	prompt	สร้างไฟล์ใหม่หรือเขียนทับไฟล์เดิม
`Edit`	prompt	แทนที่สตริงแบบตรงเป๊ะ (หากไม่ unique จะล้มเหลว)

ทั้งหมดนี้ถูกจำกัดขอบเขตอยู่ภายใน sandbox (บทที่ 5) สำหรับไฟล์ขนาดใหญ่ agent ถูกฝึกให้ใช้ Glob กับ Grep เพื่อจำกัด ขอบเขตก่อน แล้วค่อยใช้ Read พร้อมระบุช่วงบรรทัด แทนที่จะดูดไฟล์ ทั้งก้อน อย่างไรก็ตาม tool ไม่ได้บังคับขีดจำกัดขนาดไว้ การ Read ไฟล์ขนาดหลายกิกะไบต์จึงจะพยายามโหลดทั้งหมด หากต้องการขีดจำกัดที่ แน่นอน ให้รันในโหมด ask แล้วปฏิเสธการเรียก

Shell

Tool	การอนุมัติ	สรุป
`Bash`	prompt	รันคำสั่ง shell ผ่าน `/bin/sh -c`

ค่าดีฟอลต์:

timeout 2 นาที (เขียนทับด้วย timeout_ms ได้สูงสุด 10 นาที)
output ที่เกิน 50 KB จะถูกตัด โดยข้อความเต็มจะถูกบันทึกไว้ที่ /tmp/thclaws-tool-output/<id>.txt
pattern ที่อันตราย (rm -rf, sudo, curl | sh, dd, mkfs, > /dev/sda) จะถูกทำเครื่องหมาย ⚠ ก่อนขออนุมัติ
สำหรับ server ที่รันยาว agent ถูกฝึกให้รันใน background (... &) หรือห่อด้วย timeout 10 เพื่อไม่ให้ turn ค้าง
Python venv จะ activate อัตโนมัติหากพบ ./.venv/bin/activate (tool จะ source script activate ก่อนรันให้เอง)

Web

Tool	การอนุมัติ	สรุป
`WebFetch`	prompt	HTTP GET (จำกัด body 100 KB ต่อ section) ถ้ามี `HAL_API_KEY` → ยิงทั้ง HAL headless-browser scrape และ plain HTTP GET พร้อมกัน return เป็น response เดียวที่มี 2 section แยกป้าย (ดูด้านล่าง)
`WebSearch`	prompt	ค้นเว็บผ่าน Tavily / Brave / SerpAPI (Google) / DuckDuckGo
`WebScrape`	prompt	HAL scrape ตรงๆ พร้อม parameter ขั้นสูง (`wait_for` CSS selector, `scroll_to_bottom`, `remove_selectors`, `output_format`) — จะปรากฏเฉพาะเมื่อมี `HAL_API_KEY`
`YouTubeTranscript`	prompt	ดึง transcript ของวิดีโอ YouTube ผ่าน HAL (รองรับหลายภาษา + timestamps) — จะปรากฏเฉพาะเมื่อมี `HAL_API_KEY`

search provider จะถูกเลือกตาม TAVILY_API_KEY หรือ BRAVE_SEARCH_API_KEY ที่ตั้งค่าไว้ หากไม่มีจะใช้ DuckDuckGo แทน (ไม่ต้องใช้ key แต่คุณภาพด้อยกว่า) สามารถบังคับด้วย searchEngine: "tavily" ใน settings ได้

พฤติกรรม combine ของ `WebFetch` (เมื่อมี `HAL_API_KEY`)

ก่อนหน้านี้ WebFetch ทำ plain HTTP GET เพียงอย่างเดียว ตอนนี้ถ้าตั้ง HAL_API_KEY ไว้ จะยิง 2 path พร้อมกัน แล้วส่ง response รวมแบบ 2 section กลับมาให้ model:

[via HAL scrape — JS-rendered + extracted to Markdown]

# {page title}

(เนื้อหา Markdown ที่ render แล้ว)

---

[via plain HTTP GET — raw response body]

(raw HTTP body — เก็บ JSON, headers-style content, อะไรที่ HAL อาจทำเสีย)

Agent เลือก slice ที่ตอบคำถาม:

HAL section สำหรับ SPA / JS-rendered / docs / blog content
Plain GET section สำหรับ JSON API / sitemap / robots.txt / อะไรที่ raw bytes สำคัญ

ถ้า path ใด path หนึ่ง fail อีกตัวยังกลับมา + [note: …] อธิบาย prefer_raw: true ข้าม HAL ทั้งหมด (เร็วกว่า half token) — ใช้เมื่อรู้ว่า URL เป็น JSON endpoint. max_bytes (default 100 KB) cap แต่ละ section อิสระ ถ้าไม่มี HAL_API_KEY → WebFetch เป็น plain GET ปกติ

Tool ที่ใช้ service key (HAL)

WebScrape และ YouTubeTranscript เรียก public API ของ HAL (hal.thaigpt.com/api) — ทั้งสองตัวใช้ HAL_API_KEY เดียวกัน วาง key ที่ Settings → Providers → Service keys → HAL Public API หรือ set HAL_API_KEY ใน shell tool เหล่านี้จะปรากฏใน tool list ของ model อัตโนมัติเมื่อมี key และจะหายไปเมื่อไม่มี ไม่เปลือง token และไม่ ชวน model เรียกแล้ว fail key เปลี่ยนระหว่าง session ก็ flip in/out ใน turn ถัดไป ไม่ต้อง restart

เรียก WebScrape ตรงๆ เฉพาะเมื่อต้องการ parameter HAL ขั้นสูง (wait_for CSS selector, scroll_to_bottom, remove_selectors, output_format) สำหรับการอ่านหน้าทั่วไป ใช้ WebFetch ดีกว่าเพราะจะได้ทั้ง HAL rendered และ raw plain-GET ในตัวเดียว

pattern requires_env นี้ใช้ได้ทั่วไป tool ตัวใดก็สามารถประกาศได้ registry จะกรองออกเมื่อ env var ที่ระบุยังไม่ตั้ง HAL ทั้งสองตัว คือ user แรกที่ใช้ pattern นี้

เอกสาร — PDF กับ Office

Tool ภาษา Rust สำหรับสร้างและอ่านไฟล์ PDF, Word, Excel และ PowerPoint clean-room port จาก skill ของ Anthropic ที่เป็น source-available เพื่อให้ thClaws redistribute ได้ภายใต้ MIT/Apache ฟอนต์ Noto Sans + Noto Sans Thai ฝังไว้ใน binary (~650 KB รวม) ทำให้ภาษาไทย render ได้ถูกต้องโดยไม่ต้อง อาศัยฟอนต์ที่ติดตั้งในระบบ

Tool	การอนุมัติ	สรุป
`PdfCreate`	prompt	Markdown → PDF (printpdf + ฟอนต์ไทยฝังใน, A4/Letter/Legal)
`PdfRead`	auto	สกัดข้อความผ่าน `pdftotext` (poppler-utils — `brew install poppler` / `apt install poppler-utils`)
`DocxCreate`	prompt	Markdown → Word (.docx) ผ่าน `docx-rs` — heading, list, code block
`DocxRead`	auto	สกัดข้อความจากไฟล์ Word (XML walk แบบ pure Rust)
`DocxEdit`	prompt	`find_replace` / `append_paragraph` ในไฟล์เดิม
`XlsxCreate`	prompt	CSV หรือ JSON 2D-array → Excel (.xlsx) ผ่าน `rust_xlsxwriter`
`XlsxRead`	auto	อ่าน XLSX/XLSM/XLSB/XLS/ODS ผ่าน `calamine`; output เป็น CSV หรือ JSON พร้อม type
`XlsxEdit`	prompt	`set_cell` / `set_cells` / `add_sheet` / `delete_sheet` — รักษา format ผ่าน `umya-spreadsheet`
`PptxCreate`	prompt	markdown outline → PowerPoint (.pptx); `# Heading` = สไลด์ใหม่
`PptxRead`	auto	สกัดข้อความรายสไลด์ (เรียงตามตัวเลข — slide10 ไม่มาก่อน slide2)
`PptxEdit`	prompt	`find_replace` ทั่วทุกสไลด์ — ออกแบบมาสำหรับเทมเพลต `{{placeholder}}`

การ render ภาษาไทยในแต่ละ format:

PdfCreate ฝังฟอนต์ Noto Sans Thai TTF ลงในไฟล์ PDF โดยตรง — ภาษาไทย render เหมือนกันทุกผู้ดู ไม่ขึ้นกับฟอนต์ที่ติดตั้ง
DocxCreate / PptxCreate ตั้ง <w:rFonts w:cs="Noto Sans Thai"/> / <a:cs typeface="Noto Sans Thai"/> ต่อ run ทำให้ Word และ PowerPoint เลือกฟอนต์ไทยจากระบบของผู้ใช้ Win/Mac/Linux รุ่นใหม่ติดตั้ง Noto Sans Thai มาให้แล้ว Office จะ fallback ไป Tahoma / Cordia New หากไม่พบ
XlsxCreate ใช้ Calibri (default ของ Excel) — text engine ของ Excel จัดการสคริปต์ไทยผ่าน OS Thai font stack โดยไม่ต้องตั้งค่าต่อเซลล์

Semantics ของ tool edit:

DocxEdit / PptxEdit find_replace จับคู่แบบ per text-run Word และ PowerPoint แบ่ง text เป็นหลาย run เมื่อ style เปลี่ยนกลางย่อหน้า (เช่น คำเดียวที่เป็นตัวหนาในประโยค) ดังนั้น substring ที่คาบเกี่ยว ขอบเขต style จะไม่ตรง สำหรับเอกสารที่คุณสร้างด้วย *Create ของชุดนี้ จะไม่มีปัญหา (แต่ละ block เป็น run เดียว) สำหรับเอกสารที่มนุษย์สร้าง พร้อมจัดสไตล์เยอะ ๆ ให้ flatten style ก่อน
XlsxEdit รักษา format — umya-spreadsheet ออกแบบมาเพื่อ round-trip style, formula, chart และ conditional formatting ในส่วนที่ไม่เกี่ยวข้อง จะอยู่ครบหลังจากโหลด+แก้+เซฟ เซลล์ใช้ที่อยู่แบบ A1 (B7, AA12)

สื่อ — สร้างภาพและวิดีโอ

เครื่องมือสร้างและแก้ไขภาพ/วิดีโอแบบ provider-abstracted หนึ่ง tool ต่อ หนึ่งงาน เลือก backend ด้วยอาร์กิวเมนต์ provider + model ปิดอยู่โดย ค่าเริ่มต้น — ดู “เปิดใช้ media tools” ด้านล่าง ภาพถูกเขียนไปที่ output/img-<ts>-<hash>.<ext> ส่วนวิดีโอรันเป็น async job แล้วไปอยู่ที่ output/vid-<ts>-<hash>.mp4 เมื่อเสร็จ

Tool	การอนุมัติ	สรุป
`TextToImage`	prompt	prompt → ภาพ
`ImageToImage`	prompt	ภาพต้นทาง + prompt → ภาพที่แก้แล้ว
`TextToVideo`	prompt	prompt → วิดีโอ (async job)
`ImageToVideo`	prompt	ภาพต้นทางเป็นเฟรมแรก + prompt → วิดีโอ (async job)
`MediaJobStatus`	auto	poll งาน async ด้วย `job_id` → `running` / `done` (path) / `failed`

โมเดลและ key (เลือกด้วยอาร์กิวเมนต์ model):

Provider	โมเดลภาพ	โมเดลวิดีโอ	Key
Google Gemini	`gemini-3.1-flash-image`, `gemini-3.1-pro-image`	`veo-3.1-fast-generate-preview`, `veo-3.1-generate-preview`, `veo-3.1-lite-generate-preview`	`GEMINI_API_KEY` / `GOOGLE_API_KEY`
OpenAI	`gpt-image-2`	—	`OPENAI_API_KEY`
Alibaba DashScope	`qwen-image-2.0`, `qwen-image-2.0-pro`	`happyhorse-1.0-t2v` (text→video), `happyhorse-1.0-i2v` (image→video)	`DASHSCOPE_API_KEY`

วิดีโอเป็นแบบ asynchronous TextToVideo / ImageToVideo จะ submit งานแล้วคืน job_id ทันที — ไฟล์ยังไม่พร้อม เรียก MediaJobStatus { job_id } เพื่อ poll: running, done (พร้อม path output/…mp4) หรือ failed (พร้อม error ของ provider) สถานะงานถูก บันทึกที่ .thclaws/media-jobs.jsonl การ poll จึงรอดแม้รีสตาร์ท
คลิป Veo ยาว 4–8 วินาที Veo และ HappyHorse รับ resolution เป็น 720P หรือ 1080P
ImageToVideo ใช้ภาพในเครื่องเป็นเฟรมแรก ส่งแบบ inline (base64 data URI) — ไม่มีขั้นตอน upload แยก

เปิดใช้ media tools

media tools มีค่าใช้จ่ายต่อภาพ / ต่อวินาทีวิดีโอ จึง ปิดอยู่โดยค่า เริ่มต้น เปิดใน settings.json:

// ./.thclaws/settings.json
{ "mediaToolsEnabled": true }   // alias เดิม: "imageToolsEnabled"

GUI shell Media Studio ที่มีมาให้ (บทที่ 26) จะเปิด media tools ให้ อัตโนมัติสำหรับ session ของมันเองโดยไม่สนใจ flag นี้ — เป็นทางเข้าแบบ คลิก ๆ ไม่ต้องตั้งค่า สำหรับคนที่ไม่ได้สั่ง agent ผ่านแชต

รีวิววิดีโอ & สร้างหนัง

Tool	การอนุมัติ	ทำอะไร
`WatchVideo`	prompt	ให้ model ดู วิดีโอในเครื่อง: ดึง key frame แบบรู้ฉาก (เพื่อให้มัน เห็น ว่าเกิดอะไรขึ้น) + transcript จาก Whisper เมื่อมี `GROQ_API_KEY` ใช้รีวิว/วิจารณ์คลิป
`FilmCompile` / `FilmGenerate` / `FilmJobStatus` / `FilmJobCancel` / `FilmAssetImport`	`FilmGenerate` + `FilmAssetImport` = prompt	ชุดเครื่องมือ Movie Maker — เปลี่ยนบท `.film` เป็นวิดีโอ AI ที่เสร็จสมบูรณ์ ซ่อนอยู่จนกว่าจะติดตั้ง agent Movie Maker (ซึ่งเปิด gate `filmscript`) `FilmGenerate` ต้องมี `budgetUsd` — เป็นทั้งเพดานเงินและการยินยอม ดูบทที่ 29

Tool อื่น ๆ

FetchImages — ดาวน์โหลดรูปจากเน็ตทุกรูปที่อ้างในไฟล์ Markdown ลง โฟลเดอร์ images/ ข้าง ๆ แล้วแก้ลิงก์ให้ (ใช้โดย agent content-extractor) จำกัดอยู่ใน workspace ของคุณ
EpubCreate — Markdown → e-book EPUB (เข้ากับชุด document tool Word/Excel/PowerPoint/PDF ด้านบน)

ปฏิสัมพันธ์กับผู้ใช้

Tool	การอนุมัติ	สรุป
`AskUserQuestion`	auto	หยุด turn เพื่อถามคำถามให้ผู้ใช้พิมพ์ตอบ
`EnterPlanMode`	auto	สลับเข้าสู่โหมดวางแผน (ไม่เปลี่ยนแปลงอะไรจนกว่าจะ ExitPlanMode)
`ExitPlanMode`	auto	กลับมาทำงานตามปกติ

การติดตาม task

Tool	การอนุมัติ	สรุป
`TaskCreate`	auto	เพิ่ม task หรือ todo
`TaskUpdate`	auto	เปลี่ยนสถานะ (pending / in_progress / completed / deleted)
`TaskGet`	auto	ค้นหา task ด้วย id
`TaskList`	auto	แสดง task ปัจจุบัน
`TodoWrite`	auto	แทนที่รายการ todo ทั้งหมดในครั้งเดียว (แบบ Claude Code)

TaskCreate/Update/Get/List เป็นอินเทอร์เฟซแบบละเอียดรายตัว ขณะที่ TodoWrite จะเขียนทับทั้งรายการในครั้งเดียว ซึ่งเป็นตัวที่ agent มักเลือกใช้ระหว่าง turn ที่ต้องวางแผนยาว ๆ ตรวจสอบระหว่าง turn ได้ด้วย /tasks

การสร้าง agent ย่อย

Tool	การอนุมัติ	สรุป
`Task`	prompt	สร้าง sub-agent สำหรับปัญหาย่อยที่แยกเป็นเอกเทศ
`WorkflowRun`	prompt	author + รัน workflow (JavaScript) ที่กระจายงานไปยัง subagent หลายตัว

sub-agent มี tool registry ของตัวเอง และ recurse ได้ลึกสุด 3 ระดับ (บทที่ 15) ส่วน WorkflowRun คือทางเข้า workflow แบบที่ model สั่งเอง (บทที่ 25)

Memory

Tool	การอนุมัติ	สรุป
`MemoryRead`	auto	อ่าน entry จาก persistent file-based memory
`MemoryWrite`	prompt	สร้าง/แทนที่ memory entry (frontmatter + body)
`MemoryAppend`	prompt	ต่อท้าย memory entry ที่มีอยู่

หน่วยความจำข้ามเซสชัน เก็บว่าคุณเป็นใครและชอบทำงานแบบไหน — ดู บทที่ 8

Goals (โหมด `/goal` อัตโนมัติ)

Tool	การอนุมัติ	สรุป
`RecordGoalProgress`	auto	บันทึกความคืบหน้าหนึ่งขั้นของ goal ที่ทำอยู่
`MarkGoalComplete`	auto	ประกาศว่า goal เสร็จ — จบลูปอัตโนมัติ
`MarkGoalBlocked`	auto	ทำเครื่องหมายว่า goal ติด (ต้องให้ผู้ใช้ช่วย)

ฐานความรู้ (KMS)

Tool	การอนุมัติ	สรุป
`KmsRead`	auto	อ่านหน้าเดียวจากฐานความรู้ที่ผูกไว้ (prepend banner `[note: …]` เมื่อ `verified:` ขาดหรือเก่ากว่า 90 วัน)
`KmsSearch`	auto	Grep ทุกหน้าใน knowledge base ตัวเดียว
`KmsWrite`	prompt	สร้างหรือเขียนทับหน้า; auto-inject `# {title}\nDescription: {topic}\n---` header; warn เมื่อขาด `sources:` frontmatter
`KmsAppend`	prompt	ต่อท้ายหน้าที่มีอยู่
`KmsDelete`	prompt	ลบหน้า (ทางสุดท้าย; prefer KmsWrite สำหรับ merge หรือ supersede)
`KmsCreate`	auto	Ensure ว่า KMS มีอยู่ (idempotent) `/dream` ใช้ bootstrap `dreams` audit KMS

เครื่องมือเหล่านี้ ลงทะเบียนเสมอ ไม่ว่าจะมี KMS active หรือไม่ ก่อน fix นี้การลงทะเบียนถูก gate ด้วย kms_active ที่ไม่ว่าง ซึ่งทำให้ /dream และ side-channel agent ตัวอื่น bootstrap audit KMS จากศูนย์ไม่ได้ Agent จะเห็น index.md ของ KMS ที่ active แต่ละตัวใน system prompt และเรียกเครื่องมือเหล่านี้เพื่อดึงหน้าที่ต้องการ

[tool: KmsSearch(kms: "notes", pattern: "bearer")]

ผลลัพธ์คือบรรทัดในรูปแบบ page:line:text แนวคิด เวิร์กโฟลว์ และ canonical page shape (title: / topic: / sources: / verified:) ฉบับเต็มอยู่ใน บทที่ 9

MCP tools

tool ของ MCP server ทุกตัวจะถูกค้นพบตอนเริ่มต้น และลงทะเบียนด้วยชื่อ ที่มี server นำหน้า เช่น weather__get_forecast, github__list_issues เป็นต้น ทุกตัวจะ prompt ขออนุมัติก่อนรัน รายละเอียดอยู่ใน บทที่ 14

Tool ที่มี gate — GUI Shell

tool บางตัว register ไว้แต่ซ่อน จนกว่า skill จะเปิด gate ของมัน ตอนปิดอยู่ กิน token = 0 (model ไม่เห็นชื่อ tool เลย) แล้วโผล่มาเฉพาะ ตอนต้องใช้จริง tool สำหรับสร้าง GUI Shell (custom HTML frontend, บทที่ 26) ทำงานแบบนี้:

Tool	การอนุมัติ	สรุป
`GuiShellCreate`	prompt	สร้าง GUI Shell ใหม่ (manifest + entry HTML) ที่ `.thclaws/gui-shell/<id>/`
`GuiShellWriteFile`	prompt	เขียน/แทนที่ไฟล์ใน GUI Shell — path-jail อยู่ใน dir ของตัวเอง
`GuiShellList`	auto	ลิสต์ GUI Shell ที่ติดตั้งไว้
`GuiShellRemove`	prompt	ลบ GUI Shell

gate เปิดยังไง

แต่ละ gated tool ประกาศ gate ของตัวเอง — Tool::requires_gate() คืน Some("gui-shell") ทำให้ per-turn tool filter ซ่อนมันไว้ (กลไกเดียวกับ requires_env ของ service-key tool) → GuiShell* ทั้ง 4 ตัวมองไม่เห็นโดย model และไม่เพิ่มอะไรใน system prompt
มี skill เป็นเจ้าของ gate — skill gui-shell ที่ ship มาประกาศ tool-gate: gui-shell ใน frontmatter (บทที่ 12)
เรียก skill = เปิด gate — skill นี้ trigger เมื่อขอ “สร้าง UI / dashboard / custom frontend …” พอ model เรียก SkillTool::call จะรัน activate_gate("gui-shell")
มีผลรอบถัดไป — gate เป็น process-global + session-sticky เปิด แล้วอยู่ยาวทั้ง session per-turn filter เช็ค gate ใหม่ในรอบถัดไป → GuiShell* โผล่มาเรียกได้ โดยไม่ต้อง rebuild agent/registry

→ model จะใช้ GUI-Shell tool ลอยๆ ไม่ได้ ต้องผ่าน skill ก่อน ซึ่งเป็น ตัวที่ทำให้ tool โผล่มา กลไก gated-tool-group นี้ reuse ได้ — tool group ในอนาคตก็ surface แบบนี้ได้ (skill เปิด gate → group โผล่)

อ่าน tool stream

turn ปกติจะมีหน้าตาแบบนี้:

❯ check if there's a README and show me its first section

[tool: Glob: README*] ✓
[tool: Read: README.md] ✓ 0.2s
The README's first section is "Install" — it walks through…
[tokens: 2100in/145out · 1.8s]

[tool: Name: detail] — tool ที่ถูกเรียก พร้อมพรีวิว argument แบบย่อ (path แรก, คำสั่ง, URL, search query ฯลฯ) โดยค่าที่ดูเหมือน secret เช่น token, API key, password และ bearer auth header จะถูก redact ก่อนแสดงผล
✓ <duration> ต่อท้าย — tool ทำงานสำเร็จ พร้อมเวลาที่ใช้
✗ <error> ต่อท้าย — tool ล้มเหลว โดยโมเดลจะได้รับ error คืนและอาจ ลองใหม่ด้วยวิธีอื่น
tool ที่รันนานจะแสดง heartbeat แบบไม่ถี่เกินไป หลังประมาณ 10 วินาที แล้วตามด้วยทุก ๆ ประมาณ 30 วินาทีขณะยังรันอยู่:

[tool: Bash (cargo test -p thclaws-core)] still running 40s

การตัด tool output

คำสั่ง shell และการอ่านไฟล์ที่ผลิต output เกิน 50 KB จะมี body ถูกตัดในมุมมองของโมเดล โดยเก็บพรีวิวเล็ก ๆ ไว้ให้แทน ส่วนเนื้อหา เต็มจะถูกบันทึกไว้ที่ /tmp/thclaws-tool-output/<tool-id>.txt เพื่อให้ คุณเข้าไปดูเองได้ โมเดลจะได้รับแจ้งเรื่องการตัด และพรีวิวมักเพียงพอ ให้ทำงานต่อได้

จำกัดว่า tool ไหนรันได้

มีกลไกสามแบบ:

allowedTools / disallowedTools ใน settings — ลบ tool ออก จาก registry ไปเลย เพื่อให้โมเดลมองไม่เห็น เหมาะกับเวิร์กโฟลว์ “read-only review”
Agent defs (บทที่ 15) — กำหนด scope tool ให้ เฉพาะแต่ละ agent โดยเขียนทับ registry ส่วนกลาง
Permissions (บทที่ 5) — tool ยังอยู่ใน registry แต่จะ prompt ถามก่อนรัน หากตอบ n จะปฏิเสธการเรียก

Hook ที่เชื่อมกับ tool events

คำสั่ง shell สามารถยิง hook ได้ที่ pre_tool_use / post_tool_use / post_tool_use_failure / permission_denied ดูรายละเอียดใน บทที่ 13