feat: Phase 5 — AI Research Agent（受控工具白名单 + LLM 编排 + API）

- agent/tools.py：Tool 元数据（JSON Schema）+ 白名单调用（异常转可读反馈，不中断对话）
- agent/tools_impl.py：6 个受控工具 search_stocks / get_market_data / test_factor / run_backtest / get_experiment / compare_experiments —— 全部只读经 Job/Experiment 链路，研究自动归档；无 shell/任意执行/写删数据能力
- agent/llm.py：LLMClient 抽象 + OpenAI 兼容客户端（LLM_API_KEY/LLM_BASE_URL/LLM_MODEL 走 .env，未配置给出引导提示）+ 研究纪律 system prompt（反过拟合/样本外/成本）
- agent/service.py：编排循环（tool/final JSON 决策 → 执行 → 回喂 → 结论），轮次上限兜底，未知工具拒绝
- /api/agent/chat；httpx 移至主依赖；Job 默认工厂抽取（api/agent/executor 复用）
- 测试 6 项（白名单无 shell、完整研究循环产出、未知工具拒绝、轮次兜底），全量 79 passed / ruff clean

backend/app/api/agent.py

@@ -0,0 +1,40 @@
+"""AI Research Agent API（Phase 5）。
+
+POST /api/agent/chat {message} → {reply, actions:[{tool,args,output}]}
+未配置 LLM Key 时返回 400 引导（不会崩溃）。
+"""
+
+from __future__ import annotations
+
+from typing import Annotated
+
+from fastapi import APIRouter, Depends, HTTPException
+from pydantic import BaseModel, Field
+
+from app.agent.llm import LLMClient, build_llm_from_settings
+from app.agent.service import AgentService
+
+router = APIRouter(prefix="/agent", tags=["agent"])
+
+
+class AgentChatRequest(BaseModel):
+    message: str = Field(min_length=1, max_length=2000)
+
+
+def _llm_or_raise() -> LLMClient:
+    llm = build_llm_from_settings()
+    if llm is None:
+        raise HTTPException(
+            status_code=400,
+            detail="未配置 LLM：请在根目录 .env 中设置 LLM_API_KEY（可选 LLM_BASE_URL / LLM_MODEL），"
+            "参考 .env.example 与 AGENT.md §33",
+        )
+    return llm
+
+
+@router.post("/chat", summary="与 AI 研究助手对话（受控工具）")
+def agent_chat(
+    body: AgentChatRequest,
+    llm: Annotated[LLMClient, Depends(_llm_or_raise)],
+) -> dict:
+    return AgentService(llm).chat(body.message)