Agent 高级工具调用：并行、嵌套与错误处理

Agent 高级工具调用：并行、嵌套与错误处理

原文：Introducing advanced tool use | Anthropic Engineering Blog | 2025.11.20

导语

随着 Agent 连接的工具越来越多——IDE 助手集成 git、包管理器、测试框架、部署管道；运维协调器连接 Slack、GitHub、Google Drive、Jira 和数十个 MCP 服务器——一个问题浮出水面：如何让模型在数百甚至上千个工具中高效工作？

Anthropic 在 Claude 开发者平台上推出了三项 Beta 功能，从根本上解决了工具调用的扩展性问题。

---

一、工具搜索工具（Tool Search Tool）

问题

传统做法是将所有工具定义预加载到上下文中。当工具数量达到数百个时，这会消耗大量 token（文中提到多达 134K tokens），而且容易导致错误的工具选择。

解决方案

将工具定义标记为延迟加载（defer_loading: true），Claude 仅在需要时通过搜索动态发现并加载相关工具。

效果

• 上下文消耗从 ~77K tokens 降低到 8.7K tokens，减少 85%
• 工具选择准确性从 79.5% 提升至 88.1%（Opus 4.5 在 MCP 评估中）

---

二、程序化工具调用（Programmatic Tool Calling）

问题

传统工具调用每个步骤都需要一次完整的推理，且中间结果（如处理大量日志或数据）会污染上下文窗口。

解决方案

允许 Claude 编写 Python 代码来编排工具调用。工具在代码执行环境中运行，处理大量数据，仅将最终结果返回给 Claude。

效果

• 复杂研究任务的 token 使用量平均下降 37%
• 显著降低延迟

---

三、工具使用示例（Tool Use Examples）

问题

JSON Schema 只能定义结构，无法表达具体的使用模式——可选参数何时填写、日期格式惯例等。

解决方案

在工具定义中直接提供 input_examples，通过具体示例向 Claude 展示正确的调用方式。

效果

• 复杂参数处理的准确率从 72% 提升至 90%

---

四、最佳实践：分层使用

根据你的瓶颈，分层选择功能：

功能	适用场景
Tool Search Tool	工具定义 >10K tokens 或拥有 10+ 工具
Programmatic Tool Calling	处理大型数据集、多步骤工作流
Tool Use Examples	复杂嵌套结构或多个可选参数

---

五、如何启用

client.beta.messages.create(
    betas=["advanced-tool-use-2025-11-20"],
    model="claude-sonnet-4-5-20250929",
    # ... 其他参数
)

---

读后感

这三个功能解决了 Agent 工程化中最头疼的三个问题：工具发现、数据流和参数准确性。特别是 Tool Search Tool，它让"连接上千个 MCP 服务器"从理论变成了现实。

---

本文是 Anthropic AI Agent 系列 第 3 篇，共 15 篇。下一篇：如何为 Agent 设计好用的工具

关注公众号 coft 获取系列更新。