09｜工具管理：让 Agent 高效、安全地使用工具

二姐

你好，我是产品二姐。
上节课，我们把 Agent 的记忆管理讲透了，程序性记忆让 Agent 记住用户习惯，上下文压缩让它在超长任务里顺畅运行，LLM Wiki 正在成为一种新型知识库。这节课，我们把注意力从 Agent 的“记忆”转移到它的“手和脚”——工具管理。
2023 年 6 月，OpenAI 提出 Function Calling，这是工具定义的最初方式。2024 年，Anthropic 在此基础上衍生出 MCP，本质并没有变化。如果你想详细了解 Function Calling 的基础概念，可以参考我的上一个专栏《成为 AGI 产品经理》的第 3 讲和第 11 讲。
不过，随着模型能力的提升，工具调用的准确性在今天已经大大提高了。而且，从端到端的任务来看，使用工具能够很大程度上提升任务完成的质量。在 Anthropic 官方的模型评测结果中，他们对三类任务分别使用了有工具和无工具的对比测试，发现在有工具使用的情况下，模型的成绩会提升 12%～45%，可见工具使用的重要性。
除此之外，在第 6 讲我们也提到，工具调用也是 Agent Loop 这个核心引擎退出循环的条件。也就是说，大语言模型与工具要做双向匹配，才能让 Agent 正确执行任务。所以，一方面语言模型要变得更加聪明，另外一方面，工具描述也要符和业务诉求，才能被正确选中，这和 RAG 中“检索召回”的道理是一致的。因此，我们很容易想到工具管理中要解决的两个问题：

公开

同步至部落

取消

完成

0/2000

荧光笔

直线

曲线

笔记

复制

AI

深入了解
翻译
英语
中文简体
法语
德语
日语
韩语
俄语
西班牙语
解释
总结

仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《AGI 产品经理全栈进化指南》，新⼈⾸单¥50

立即购买

登录后留言

精选留言

由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。

收起评论