第4章 Agent工具 技术笔记
核心问题：工具是大模型大脑连接真实数字世界的手脚感官；本章解决工具选择 、异步与事件两大核心挑战
4.1 工具的分类
两个观察维度：调用方向 、作用对象
| 工具类型 | 调用方向 | 作用对象 | 典型工具示例 |
|---|---|---|---|
| 感知工具 | Agent主动调用 | 获取信息 | 网页搜索、知识库检索、读文件、grep、读取网页 |
| 执行工具 | Agent主动调用 | 改变外部世界 | shell执行、代码解释器、写/编辑文件、发邮件 |
| 协作工具 | Agent主动调用 | 驱动其他Agent/人类 | 创建子Agent、给子Agent发消息、取消子Agent |
| 事件触发工具 | Agent注册，外部触发 | 驱动Agent执行 | 定时器、监控后台任务、连接外部事件源 |
| 用户沟通工具 | Agent主动调用 | 向用户传递信息 | 回复用户、卡片消息、用户通知提醒 |
各类工具要点
- 感知工具：拿信息；重点：粒度、输出信息量控制
- 执行工具 ：修改外部环境；重点：错误代价高，安全约束为核心
- 协作工具：多Agent/人协作；用途：任务并行、不同任务使用不同模型/提示词/工具
- 事件触发工具
- 两步：Agent注册关心的事件 → 外部事件到来异步回调唤醒Agent
- 没有它，Agent只能被动响应对话，无法定时执行、响应邮件/告警等外部事件
- 用户沟通工具：把"和用户说话"变成显式工具调用，适配多渠道异步消息
前三类：Agent主动调用；后两类依赖事件驱动异步Agent架构
4.2 工具设计通用原则
4.2.1 能力表达：专用工具 vs Skill + 通用执行器
- 专用代码工具：结构化函数调用，确定性强、可测试；缺点：占用大量token，工具膨胀破坏KV Cache
- Skill + 通用执行器：自然语言写Skill流程文档，依靠bash/代码解释器执行；少量通用工具覆盖大量场景
选型三维度：
- 参数复杂度：嵌套、复杂校验 → 选专用工具；简单参数可用通用执行器
- 变更频率：频繁改动 → Skill；稳定底层操作 → 专用工具
- 模型能力：强模型适合Skill；弱模型依赖结构化Schema引导调用
4.2.2 工具粒度权衡：整合与分离
- 粒度过细：工具爆炸，LLM选择负担重；粒度过粗：工具逻辑过于复杂
- ✅ 整合判断标准：功能相似、使用场景高度重叠
- ❗不要强行合并：参数差异大、延迟特性差距大的功能，强行合并会语义模糊
例：各类文档提取合并为
read_document(file_type)；但OCR与视频关键帧提取保持独立
4.2.3 通用性优先
优先通用工具，仅安全、权限、性能场景使用专用工具
例子：用沙盒code_interpreter替代一堆专用计算工具，利用模型代码生成元能力，覆盖未预见场景。
- 通用性边界：高权限、风险操作，需要封装专用工具做权限控制与审计。
4.2.4 工具描述的艺术
工具调用出错，优先排查描述，而非换更强模型。
- 重点写什么时候用，不止写"能干什么"
- 明确边界：写清楚不能做什么，大量失败来自模型分不清边界
- 参数：给具体示例，不要只写抽象规范
- 写明返回值结构；耗时工具标注执行代价
- 附加1‑5个真实调用示例，显著提升调用准确率
4.2.5 参数传递保真性
禁止静默修改输入输出，两类反模式：
- 静默输入转换：底层悄悄改写参数（引号自动转换），模型看到的世界和工具操作的世界不一致，模型无法排错
- 静默参数注入：工具后台追加参数，引发莫名其妙报错
如需规范化输入，必须在工具文档说明，返回结果同步告知Agent，不能偷偷修改。
4.2.6 工具设计三代演进
- 第一代 API封装：API直接映射工具，粒度细，多工具组合完成简单任务
- 第二代 ACI（Agent‑Computer Interface） ACI对标HCI；工具面向Agent目标，而非面向底层API；本章粒度、通用性、描述规范都属于这一代
- 第三代 编排与发现
- 准确调用：示例驱动调用
- 工具发现：动态工具发现，不一次性灌入全部工具到上下文
- 工具串联：代码编排工具调用，LLM生成脚本，中间变量留在执行环境，仅返回最终结果，大幅降低Token消耗（第五章详解）