跳至主要內容

實作指南

AI 智能體進化論:頂尖開發者如何為 Claude 打造高效工具?

你的 AI 智能體(Agent)是否感覺有點笨拙,無法發揮全部潛力?問題可能不在 AI 本身,而在於你給它的「工具」。本文將揭示 Anthropic 的內部心法,分享如何打造、評估並優化 AI 工具,甚至讓 Claude 協助你完成這一切,讓你的 AI 應用程式效能倍增。

你的 AI 智能體(Agent)是否感覺有點笨拙,無法發揮全部潛力?問題可能不在 AI 本身,而在於你給它的「工具」。本文將揭示 Anthropic 的內部心法,分享如何打造、評估並優化 AI 工具,甚至讓 Claude 協助你完成這一切,讓你的 AI 應用程式效能倍增。


你有沒有過這種感覺?你手上有一個像 Claude 這樣強大的大型語言模型(LLM),理論上它應該能自動處理複雜任務,但實際運作起來卻總是有點卡卡的,不夠聰明。這就像你請了一位米其林星級主廚,卻只給他一把鈍刀和幾個不新鮮的食材。

問題的根源,往往不是主廚的能力,而是我們提供給他的工具。

AI 智能體(Agent)的效能,與我們賦予它的工具有著最直接的關係。這篇文章,就是要分享我們在 Anthropic 內部,透過無數次實驗總結出的經驗:如何打造高品質的工具,如何進行全面的評估,以及最有趣的部分——如何與 Claude 這類的 AI 協作,讓它自己來優化自己的工具。

所以,AI 的「工具」到底是什麼?

在我們深入探討之前,得先釐清一個觀念。傳統的軟體開發,就像是寫一份精確的食譜。只要輸入相同的食材(inputs),每一步都完全照做,最終產出的菜餚(output)永遠都會一模一樣。這就是所謂的「確定性系統」(deterministic systems)。

但 AI 智能體不一樣。它更像一位有創造力的廚師,即使拿到相同的食材,也可能根據當下的靈感,做出稍微不同的變化。它是一個「非確定性系統」(non-deterministic systems),充滿了變數與可能性。

因此,為 AI 設計的「工具」,是一種全新的軟體。它不再是死板的指令集,而更像是在確定性系統與非確定性智能體之間建立的一份「合約」。當使用者問「今天出門要帶傘嗎?」,智能體可能會呼叫天氣工具,也可能從自身知識回答,甚至會反問地點。它可能會出錯,也可能找不到合適的工具。

這意味著我們必須徹底改變思維。我們設計的不再是給其他開發者用的 API,而是給一個充滿不確定性、需要引導的「數位大腦」使用的工具。

如何打造高效工具?一個不斷循環的開發流程

想打造出讓 AI 用得順手的工具,並不是一蹴可幾的事。這是一個不斷「打造、評估、學習」的循環過程。

步驟一:別想太多,先動手做個原型

要預測 AI 會覺得哪些工具「順手」,哪些會讓它「困惑」,光靠想像是沒用的。最好的方法就是直接動手。

你可以利用像 Claude Code 這樣的工具,快速生成你的工具原型。一個小技巧是,提供它相關的軟體庫、API 或 SDK 文件,特別是那些 LLM 友善的純文字文件(很多開源專案會提供 llms.txt 這種檔案),這會讓它事半功倍。

原型寫好後,將它包裝成本地的 模型上下文協議(MCP)伺服器 或 桌面擴充功能(DXT),就可以在 Claude Code 或 Claude 桌面應用程式中進行測試。你也可以直接透過 Anthropic API 進行程式化測試。

親自測試你的工具,感受一下流程是否順暢,並收集使用者的回饋,這能幫助你建立對使用情境的直覺。

步驟二:是時候來場嚴格的「大考」了

原型有了,接下來你需要衡量 Claude 使用這些工具的表現如何。這就需要一套全面的評估機制。

忘掉那些過於簡單的「沙盒」環境吧!你需要的是源於真實世界、具有足夠複雜度的評估任務。一個好的評估任務,可能需要 AI 連續呼叫多個、甚至數十個工具才能完成。

看看這兩組任務的差別:

  • 好的評估任務範例:

    • 「幫我跟 Jane 約下週開會,討論最新的 Acme 公司專案。從上次的專案規劃會議紀錄中附加筆記,並預訂一間會議室。」
    • 「客戶 ID 9182 回報他一次購買被重複收費了三次。找出所有相關的日誌記錄,並判斷是否有其他客戶也受到影響。」
  • 較弱的評估任務範例:

    • 「跟 jane @ acme.corp 約下週開會。」
    • 「搜尋 customer_id=9182 的付款日誌。」

看到差別了嗎?好的任務更貼近真實的工作流程。

每個評估任務都應該有一個可驗證的結果。最簡單的方式是比對字串,複雜一點則可以讓另一個 Claude 實例來判斷結果是否正確。同時,你也可以在系統提示(System Prompt)中,要求 AI 在呼叫工具前回傳它的「推理過程」和「反饋」,這能觸發它的「思維鏈(Chain-of-Thought)」行為,提升解決問題的智慧。

步驟三:讓 AI 成為你的最佳分析師

評估跑完,一堆數據攤在眼前,然後呢?

這時候,AI 智能體本身就是你最好的合作夥伴。它們能幫你發現從工具描述互相矛盾,到工具實作效率低下等各種問題。但請記住一個重點:大型語言模型並不總是直話直說,它「沒說什麼」往往比它「說了什麼」更重要。

仔細觀察你的 AI 在哪些地方卡住或感到困惑。閱讀它的推理過程(CoT),找出那些不順暢的地方。你甚至可以把整個評估過程的腳本(包含工具呼叫和回傳)直接貼給 Claude Code,它是一位分析腳本和重構工具的專家,能確保你在修改後,工具的實作和描述依然保持一致。

事實上,這篇文章裡的大部分建議,都來自於我們內部不斷用 Claude Code 優化工具的實踐。透過這種方式,我們發現效能提升甚至超越了由專家研究員手動撰寫的工具。

打造高效工具的五大黃金準則

在經歷了無數次的迭代循環後,我們提煉出了幾個關鍵的設計準則。

準則一:少即是多,別讓你的 AI 選擇困難

一個常見的誤區是,以為給 AI 的工具越多越好。但事實恰恰相反。如果只是簡單地將現有的 API 功能一對一地封裝成工具,往往會造成反效果。

AI 智能體的「上下文(context)」是有限的,就像人的短期記憶一樣。而傳統電腦的記憶體則幾乎是無限的。想像一下,在通訊錄裡找一個人,傳統軟體可以快速遍歷整個列表。但如果一個工具回傳了「所有」聯絡人,讓 AI 一個個去讀,那無疑是在浪費它寶貴的上下文空間。

更聰明、更自然的方式,是像人一樣,直接跳到相關的頁面(例如按字母排序查找)。

所以,你應該設計的是針對特定高影響力工作流程的工具。例如,與其提供 list_users、list_events、create_event 三個工具,不如整合一個 schedule_event 工具,一步到位地完成查找空閒時間並安排活動。

準則二:整理你的工具箱,命名是一門藝術

當你的 AI 可以取用數十甚至數百種工具時,混亂就會產生。如果工具功能重疊或用途模糊,AI 很容易就會用錯。

命名空間(Namespacing) 是個簡單卻有效的解決方案。透過給相關工具加上共同的前綴來分組,可以幫助 AI 在正確的時間選擇正確的工具。例如:

  • 按服務分類:asana_search, jira_search
  • 按資源分類:asana_projects_search, asana_users_search

這樣做不僅減少了 AI 上下文需要載入的工具數量,也將一部分運算負擔從 AI 的「大腦」轉移到了工具本身,從而降低了出錯的風險。

準則三:只說重點,AI 的「注意力」很寶貴

工具的回傳內容也同樣重要。請務必只回傳高價值的、與上下文高度相關的資訊。

AI 更擅長處理自然語言的名稱或術語,而不是像 uuid 這種神秘的技術標識符。我們發現,僅僅是將一長串無意義的字母數字 ID 解析成語意更豐富的語言,就能顯著提高 Claude 在檢索任務中的準確性並減少幻覺。

在某些情況下,你也可以提供彈性。例如,新增一個 response_format 參數,讓 AI 可以選擇回傳「精簡(concise)」或「詳細(detailed)」的結果。精簡版可能只包含核心內容,而詳細版則包含各種 ID,方便後續的工具呼叫。

準則四:精打細算,教你的 AI 節省「腦容量」

上下文品質很重要,但「數量」同樣需要優化。工具的上下文長度是有限的,因此你需要實作像是分頁(pagination)、範圍選擇(range selection) 和 過濾(filtering) 等功能。

如果你的工具回傳結果被截斷了,一定要給予清晰的提示,引導 AI 採取更節省 Token 的策略,例如進行多次小範圍的精準搜尋,而不是一次大範圍的模糊搜尋。

同樣地,錯誤訊息也至關重要。與其回傳一個冰冷的錯誤碼,不如提供一個有幫助的回應,清楚地說明問題所在,並給出修正建議。

看看這個對比:

  • 無用的錯誤: {"error": {"code": "RESOURCE_NOT_FOUND"}}
  • 有用的錯誤: 「# 資源未找到:無效的 userId。您的請求失敗,因為 userId ‘john.doe @ acme.corp’ 不存在或格式錯誤。有效的 userId 範例為:‘192829814…’。您可以嘗試呼叫 user_search() 來解決此問題。」

後者顯然能更好地引導 AI 走上正確的道路。

準則五:最強大的槓桿——一句好的描述勝過千行程式碼

終於,我們來到了最有效、也最常被忽略的一環:為你的工具撰寫描述(prompt-engineering your tool descriptions)。

工具的描述和規格會被載入到 AI 的上下文中,直接影響它的行為。撰寫時,想像一下你正在向一位新加入團隊的同事解釋這個工具。把那些你可能認為理所當然的背景知識——特定的查詢格式、專業術語的定義、資源之間的關係——全部明確地寫出來。

避免模糊不清,特別是參數命名。不要用一個模糊的 user,而是用一個明確的 user_id。

微小的改動就能帶來巨大的效能提升。例如,Claude Sonnet 3.5 在 SWE-bench 驗證評估中取得頂尖表現,正是因為我們對工具描述進行了精確的微調,從而大幅降低了錯誤率。

展望未來:與 AI 共同進化的開發新模式

為 AI 智能體打造工具,要求我們將軟體開發的思維模式,從可預測的確定性世界,轉向充滿變化的非確定性世界。

透過我們所描述的這種迭代式、以評估為驅動的開發流程,你會發現高效的工具都具備一些共通特點:它們目標明確、善用 AI 的上下文、可以靈活組合,並能讓 AI 直觀地解決真實世界的問題。

未來,隨著 LLM 本身和 MCP 這類互動協議的不斷升級,AI 與世界互動的方式也將不斷進化。但只要我們堅持這種系統性的優化方法,就能確保我們手中的工具,能與日益強大的 AI 並肩前行,共同成長。

文章來源

https://www.anthropic.com/engineering/writing-tools-for-agents

謝謝你,讀到這裡。

保持好奇,明天繼續探索。

© 2026 Communeify. All rights reserved.