Agent 调用一个不存在的工具时，不一定要直接崩溃。OpenAI Agents Python v0.17.4 给 RunConfig 加了一个 tool_not_found_behavior 选项：默认仍是 raise_error，但开发者可以显式设成 return_error_to_model——模型调用缺失的工具时，框架不再抛异常，而是把 "Tool 'xxx' not found" 作为一个正常的 function_call_output 喂回给模型，让模型自己换条路走。

这个改动的实现很干净：缺失的工具被建模成 ToolRunFunctionNotFound，和正常工具执行走同一条 output pipeline；错误消息可以通过 tool_error_formatter 自定义，甚至可以按 tool_name 返回不同的话术。总共只加了 347 行、改了 10 个文件，就把"工具缺失"从系统故障变成了可恢复信号。

工程上容易踩两个坑。一是如果设成 return_error_to_model 但没设合理的 max_turns，模型可能反复尝试同一个缺失工具形成死循环——框架只是把错误变成输出，并不保证模型会"聪明地放弃"。二是这个行为只处理本地 agent 不知道的工具；如果是远端 tool search 延迟或 MCP 注册竞态导致的暂时性缺失，可能在上层还需要一层重试或降级。

更深一层看，这个问题本质上是：agent runtime 应该把模型行为的越界当作异常抛给调用方，还是当作输入信号还给模型？前者容错靠外部重试/降级，后者容错靠模型自身纠偏——两条路线的选择会影响整整一层 agent 架构的设计。