AI Agent 中的 Tool 系统：让 LLM 拥有双手

引言：LLM 的「无能」与「全能」

大语言模型（LLM）拥有惊人的知识和推理能力，但它们本质上是「缸中之脑」——没有眼睛看世界，没有双手操作现实，没有记忆追溯过往。GPT-4 可以告诉你历史上的今天发生了什么，但它不知道今天你邮箱里有什么新邮件；Claude 可以写出优美的代码，但它不能真正运行这段代码并看到输出。

Tool（工具）系统就是赋予 LLM「双手」的机制。通过工具调用，LLM 从一个被动的问答机器转变为一个能主动探索、操作、验证的 AI Agent。

本文将深入剖析 AI Agent 中 Tool 系统的设计原理、实现机制和最佳实践。

为什么 LLM 需要工具

弥补能力边界

LLM 的核心局限可以归纳为四类，每种都对应一种工具类型：

局限	说明	解决方案
知识截止	训练数据有截止日期	搜索工具、RAG
无实时感知	不知道当前时间和外部状态	时间工具、API 工具
无副作用	不能操作真实世界	执行类工具（发邮件、调接口）
计算不准	复杂数学容易出错	代码执行工具

从「说」到「做」

没有工具的 LLM 只能「说」——生成文本。有了工具的 AI Agent 可以「做」——查询信息、执行操作、验证结果、迭代优化。这就是从 Chatbot 到 Agent 的质变。

工具的定义：三个要素

无论使用哪种框架或模型，一个工具的定义都包含三个核心要素：

1. 名称（Name）

工具的唯一标识符，AI 模型通过它来指定调用哪个工具。命名的黄金法则：清晰、简洁、动词开头。

✅ 好命名：search_web、query_database、send_email
❌ 差命名：s、db、do_stuff

2. 描述（Description）

这是 AI 模型判断「何时使用此工具」的核心依据。描述的质量直接决定了工具选择的准确率。

一个优秀的工具描述应包含：

• 功能说明：这个工具做什么
• 适用场景：什么时候应该用它
• 限制条件：它不能做什么，有什么注意事项
• 输入输出：参数的大致含义和返回内容

✅ 好的描述：
"在当前代码仓库中搜索文本模式匹配的内容。适用于查找函数定义、
变量引用或特定错误信息。返回匹配的文件路径和行号。
注意：此工具仅搜索代码文件，不包括二进制文件。"

❌ 差的描述：
"搜索东西。"

3. 参数模式（Parameters Schema）

以 JSON Schema 格式定义工具接受的所有参数，包括类型、必填性、默认值和约束条件。

{
  "type": "object",
  "properties": {
    "query": {
      "type": "string",
      "description": "搜索关键词"
    },
    "limit": {
      "type": "integer",
      "description": "返回结果数量上限",
      "default": 10,
      "minimum": 1,
      "maximum": 100
    }
  },
  "required": ["query"]
}

工具调用流程

一个完整的工具调用循环遵循以下步骤：

┌──────────────────────────────────────┐
│  1. 用户输入 + 工具定义 → LLM      │
│  2. LLM 输出：文本 or 工具调用请求  │
│  3. 解析工具调用请求                 │
│  4. 执行工具，获取结果               │
│  5. 结果返回 LLM，继续推理          │
│  6. 重复 1-5，直到 LLM 输出最终答案 │
└──────────────────────────────────────┘

关键洞察：这不是一条直线，而是一个循环。AI 可能会多次调用工具、根据中间结果调整策略、甚至在发现错误后自行纠正。

两大主流工具调用规范

OpenAI Function Calling

OpenAI 的 Function Calling 是最早被广泛采用的工具调用规范。其核心是在 API 请求中传递 tools 参数，模型在 chat.completion 的 finish_reason 为 tool_calls 时返回一个包含函数名称和参数的 JSON 对象。

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "北京今天天气怎么样？"}],
    tools=[{
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "获取指定城市的实时天气",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {"type": "string"}
                },
                "required": ["city"]
            }
        }
    }]
)

Anthropic Tool Use

Anthropic 的 Tool Use 在设计理念上与 Function Calling 类似，但在消息结构上有重要差异：工具的调用和结果直接作为对话消息的一部分，格式更加自然。

response = client.messages.create(
    model="claude-sonnet-4-20250514",
    messages=[{"role": "user", "content": "北京今天天气怎么样？"}],
    tools=[{
        "name": "get_weather",
        "description": "获取指定城市的实时天气",
        "input_schema": {
            "type": "object",
            "properties": {
                "city": {"type": "string"}
            },
            "required": ["city"]
        }
    }]
)

二者的核心差异：

维度	OpenAI	Anthropic
消息角色	assistant + tool	assistant (content 为 tool_use block)
结果回传	tool role message	user role message (tool_result block)
并行调用	原生支持	原生支持
流式处理	tool_call delta chunks	content_block delta events

工具的分类体系

根据功能和实现方式，工具可以分为以下几类：

检索类工具

搜索网页、查询知识库、检索文档。特点是只读、无副作用，调用风险低。

计算类工具

执行数学计算、运行代码、数据处理。特点是结果确定性强，但需要注意资源消耗和超时控制。

API 类工具

调用第三方 API（天气、地图、支付）。特点是依赖外部服务，需要处理网络异常和速率限制。

文件系统工具

读写文件、创建目录、移动文件。特点是可能造成不可逆的副作用，需要权限控制。

浏览器工具

打开网页、点击元素、提取内容。特点是交互复杂、执行时间长，需要完善的错误恢复机制。

代码执行工具

在沙箱中运行代码。特点是灵活性最强但风险最高，必须严格隔离。

工具组合模式

单个工具的能力有限，真正强大的 Agent 需要组合多个工具：

链式调用（Chain）

工具 A 的输出作为工具 B 的输入。

搜索「2026年 AI 趋势」→ 打开搜索结果第一条 → 提取文章内容 → 生成摘要

扇出调用（Fan-out）

同时调用多个独立工具，合并结果。

同时查询：北京天气 + 上海天气 + 深圳天气 → 对比分析

条件分支（Conditional）

根据中间结果决定下一步调用哪个工具。

查询用户权限 → 如果是管理员：查全量数据 → 如果是普通用户：查脱敏数据

常见陷阱与应对

1. 无限循环

AI 可能陷入「调用工具 → 不满意结果 → 再调用 → 再不满意」的循环。

应对：设置最大调用轮次（如 25 轮），超过后强制总结。

2. 幻觉参数

AI 可能虚构工具参数，比如编造一个不存在的文件路径。

应对：在工具处理函数中做严格校验，发现无效参数立即返回明确错误。

3. 权限升级

AI 可能利用工具的合法功能达成不良目的，如用文件读取工具遍历系统目录。

应对：实施最小权限原则，每个工具只授予完成任务所需的最小权限。

4. 上下文溢出

工具返回的大量结果可能导致上下文窗口超限。

应对：设置返回结果大小上限，要求模型在工具描述中声明限制。

工具系统的评估方法

评估一个 AI Agent 的工具系统，核心指标包括：

• 工具选择准确率：Agent 是否在正确的场景选择了正确的工具。
• 参数正确率：生成的工具调用参数是否准确。
• 任务完成率：端到端任务是否成功完成。
• 调用效率：完成任务所需的工具调用次数。

评估框架建议：构建包含 100+ 场景的测试集，每个场景标注期望的工具选择和参数，自动化回归测试。

总结

工具系统是 AI Agent 的基石——它将 LLM 从「会说的鹦鹉」升级为「能干的助手」。设计良好的工具系统需要关注三个层次：单个工具的定义质量（名实相符、描述精准、参数合理）、工具的组合模式（链式、扇出、分支）、系统的工程化保障（安全、性能、可观测性）。

在下一篇文章中，我们将深入到 Tool Calling 的底层机制，剖析从 API 响应解析到并行调用的完整技术细节。