你的 AI 智能体（Agent）是否感觉有点笨拙，无法发挥全部潜力？问题可能不在 AI 本身，而在于你给它的“工具”。本文将揭示 Anthropic 的内部心法，分享如何打造、评估并优化 AI 工具，甚至让 Claude 协助你完成这一切，让你的 AI 应用程序效能倍增。
你有没有过这种感觉？你手上有一个像 Claude 这样强大的大型语言模型（LLM），理论上它应该能自动处理复杂任务，但实际运作起来却总是有点卡卡的，不够聪明。这就像你请了一位米其林星级主厨，却只给他一把钝刀和几个不新鲜的食材。
问题的根源，往往不是主厨的能力，而是我们提供给他的工具。
AI 智能体（Agent）的效能，与我们赋予它的工具有着最直接的关系。这篇文章，就是要分享我们在 Anthropic 内部，透过无数次实验总结出的经验：如何打造高质量的工具，如何进行全面的评估，以及最有趣的部分——如何与 Claude 这类的 AI 协作，让它自己来优化自己的工具。
所以，AI 的“工具”到底是什么？
在我们深入探讨之前，得先厘清一个观念。传统的软件开发，就像是写一份精确的食谱。只要输入相同的食材（inputs），每一步都完全照做，最终产出的菜肴（output）永远都会一模一样。这就是所谓的“确定性系统”（deterministic systems）。
但 AI 智能体不一样。它更像一位有创造力的厨师，即使拿到相同的食材，也可能根据当下的灵感，做出稍微不同的变化。它是一个“非确定性系统”（non-deterministic systems），充满了变数与可能性。
因此，为 AI 设计的“工具”，是一种全新的软件。它不再是死板的指令集，而更像是在确定性系统与非确定性智能体之间建立的一份“合约”。当使用者问“今天出门要带伞吗？”，智能体可能会呼叫天气工具，也可能从自身知识回答，甚至会反问地点。它可能会出错，也可能找不到合适的工具。
这意味着我们必须彻底改变思维。我们设计的不再是给其他开发者用的 API，而是给一个充满不确定性、需要引导的“数字大脑”使用的工具。
如何打造高效工具？一个不断循环的开发流程
想打造出让 AI 用得顺手的工具，并不是一蹴可几的事。这是一个不断“打造、评估、学习”的循环过程。
步骤一：别想太多，先动手做个原型
要预测 AI 会觉得哪些工具“顺手”，哪些会让它“困惑”，光靠想像是没用的。最好的方法就是直接动手。
你可以利用像 Claude Code 这样的工具，快速生成你的工具原型。一个小技巧是，提供它相关的软件库、API 或 SDK 文件，特别是那些 LLM 友善的纯文本文件（很多开源专案会提供 llms.txt 这种档案），这会让它事半功倍。
原型写好后，将它包装成本地的 模型上下文协议（MCP）服务器 或 桌面扩充功能（DXT），就可以在 Claude Code 或 Claude 桌面应用程序中进行测试。你也可以直接透过 Anthropic API 进行程序化测试。
亲自测试你的工具，感受一下流程是否顺畅，并收集使用者的回馈，这能帮助你建立对使用情境的直觉。
步骤二：是时候来场严格的“大考”了
原型有了，接下来你需要衡量 Claude 使用这些工具的表现如何。这需要一套全面的评估机制。
忘掉那些过于简单的“沙盒”环境吧！你需要的是源于真实世界、具有足够复杂度的评估任务。一个好的评估任务，可能需要 AI 连续呼叫多个、甚至数十个工具才能完成。
看看这两组任务的差别：
好的评估任务范例：
- “帮我跟 Jane 约下周开会，讨论最新的 Acme 公司专案。从上次的专案规划会议纪录中附加笔记，并预订一间会议室。”
- “客户 ID 9182 回报他一次购买被重复收费了三次。找出所有相关的日志记录，并判断是否有其他客户也受到影响。”
较弱的评估任务范例：
- “跟 jane @ acme.corp 约下周开会。”
- “搜寻 customer_id=9182 的付款日志。”
看到差别了吗？好的任务更贴近真实的工作流程。
每个评估任务都应该有一个可验证的结果。最简单的方式是比对字符串，复杂一点则可以让另一个 Claude 实例来判断结果是否正确。同时，你也可以在系统提示（System Prompt）中，要求 AI 在呼叫工具前回传它的“推理过程”和“反馈”，这能触发它的“思维链（Chain-of-Thought）”行为，提升解决问题的智慧。
步骤三：让 AI 成为你的最佳分析师
评估跑完，一堆数据摊在眼前，然后呢？
这时候，AI 智能体本身就是你最好的合作伙伴。它们能帮你发现从工具描述互相矛盾，到工具实作效率低下等各种问题。但请记住一个重点：大型语言模型并不总是直话直说，它“没说什么”往往比它“说了什么”更重要。
仔细观察你的 AI 在哪些地方卡住或感到困惑。阅读它的推理过程（CoT），找出那些不顺畅的地方。你甚至可以把整个评估过程的脚本（包含工具呼叫和回传）直接贴给 Claude Code，它是一位分析脚本和重构工具的专家，能确保你在修改后，工具的实作和描述依然保持一致。
事实上，这篇文章里的大部分建议，都来自于我们内部不断用 Claude Code 优化工具的实践。透过这种方式，我们发现效能提升甚至超越了由专家研究员手动撰写的工具。
打造高效工具的五大黄金准则
在经历了无数次的迭代循环后，我们提炼出了几个关键的设计准则。
准则一：少即是多，别让你的 AI 选择困难
一个常见的误区是，以为给 AI 的工具越多越好。但事实恰恰相反。如果只是简单地将现有的 API 功能一对一地封装成工具，往往会造成反效果。
AI 智能体的“上下文（context）”是有限的，就像人的短期记忆一样。而传统计算机的内存则几乎是无限的。想象一下，在通讯录里找一个人，传统软件可以快速遍历整个列表。但如果一个工具回传了“所有”联络人，让 AI 一个个去读，那无疑是在浪费它宝贵的上下文空间。
更聪明、更自然的方式，是像人一样，直接跳到相关的页面（例如按字母排序查找）。
所以，你应该设计的是针对特定高影响力工作流程的工具。例如，与其提供 list_users、list_events、create_event 三个工具，不如整合一个 schedule_event 工具，一步到位地完成查找空闲时间并安排活动。
准则二：整理你的工具箱，命名是一门艺术
当你的 AI 可以取用数十甚至数百种工具时，混乱就会产生。如果工具功能重叠或用途模糊，AI 很容易就会用错。
命名空间（Namespacing） 是个简单却有效的解决方案。透过给相关工具加上共同的前缀来分组，可以帮助 AI 在正确的时间选择正确的工具。例如：
- 按服务分类：
asana_search,jira_search - 按资源分类：
asana_projects_search,asana_users_search
这样做不仅减少了 AI 上下文需要加载的工具数量，也将一部分运算负担从 AI 的“大脑”转移到了工具本身，从而降低了出错的风险。
准则三：只说重点，AI 的“注意力”很宝贵
工具的回传内容也同样重要。请务必只回传高价值的、与上下文高度相关的资讯。
AI 更擅长处理自然语言的名称或术语，而不是像 uuid 这种神秘的技术标识符。我们发现，仅仅是将一长串无意义的字母数字 ID 解析成语义更丰富的语言，就能显著提高 Claude 在检索任务中的准确性并减少幻觉。
在某些情况下，你也可以提供弹性。例如，新增一个 response_format 参数，让 AI 可以选择回传“精简（concise）”或“详细（detailed）”的结果。精简版可能只包含核心内容，而详细版则包含各种 ID，方便后续的工具呼叫。
准则四：精打细算，教你的 AI 节省“脑容量”
上下文质量很重要，但“数量”同样需要优化。工具的上下文长度是有限的，因此你需要实作像是分页（pagination）、范围选择（range selection） 和 过滤（filtering） 等功能。
如果你的工具回传结果被截断了，一定要给予清晰的提示，引导 AI 采取更节省 Token 的策略，例如进行多次小范围的精准搜寻，而不是一次大范围的模糊搜寻。
同样地，错误讯息也至关重要。与其回传一个冰冷的错误码，不如提供一个有帮助的回应，清楚地说明问题所在，并给出修正建议。
看看这个对比：
- 无用的错误：
{"error": {"code": "RESOURCE_NOT_FOUND"}} - 有用的错误： “# 资源未找到：无效的
userId。您的请求失败，因为userId‘john.doe @ acme.corp’ 不存在或格式错误。有效的userId范例为：‘192829814…’。您可以尝试呼叫user_search()来解决此问题。”
后者显然能更好地引导 AI 走上正确的道路。
准则五：最强大的杠杆——一句好的描述胜过千行程式码
终于，我们来到了最有效、也最常被忽略的一环：为你的工具撰写描述（prompt-engineering your tool descriptions）。
工具的描述和规格会被加载到 AI 的上下文中，直接影响它的行为。撰写时，想象一下你正在向一位新加入团队的同事解释这个工具。把那些你可能认为理所当然的背景知识——特定的查询格式、专业术语的定义、资源之间的关系——全部明确地写出来。
避免模糊不清，特别是参数命名。不要用一个模糊的 user，而是用一个明确的 user_id。
微小的改动就能带来巨大的效能提升。例如，Claude Sonnet 3.5 在 SWE-bench 验证评估中取得顶尖表现，正是因为我们对工具描述进行了精确的微调，从而大幅降低了错误率。
展望未来：与 AI 共同进化的开发新模式
为 AI 智能体打造工具，要求我们将软件开发的思维模式，从可预测的确定性世界，转向充满变化的非确定性世界。
透过我们所描述的这种迭代式、以评估为驱动的开发流程，你会发现高效的工具都具备一些共通特点：它们目标明确、善用 AI 的上下文、可以灵活组合，并能让 AI 直观地解决真实世界的问题。
未来，随着 LLM 本身和 MCP 这类互动协议的不断升级，AI 与世界互动的方式也将不断进化。但只要我们坚持这种系统性的优化方法，就能确保我们手中的工具，能与日益强大的 AI 并肩前行，共同成长。
文章来源
https://www.anthropic.com/engineering/writing-tools-for-agents