Claude 工具调用与 Agent 构建指南

什么是工具调用

工具调用（Tool Use，也称 Function Calling）是大模型的一项关键能力：模型在回答中不只是生成文字，还可以输出"我要调用某个函数"的指令，由外部系统执行该函数并把结果返回给模型，模型再基于结果继续回答。

对 Claude 来说，工具调用的意义是突破"纯文本模型"的边界：模型本身不能上网、不能操作数据库、不能执行代码，但通过工具调用，它可以"请求"这些能力。一个 AI 助手加上"天气查询工具""订单查询工具""代码执行工具"，就从问答机器人变成了能完成实际任务的助理——这正是 Agent 的雏形。

工具调用怎么工作

工具调用的循环是：

1. 定义工具：你向模型声明有哪些工具可用，每个工具包含名称、用途描述、参数结构（JSON Schema）。
2. 模型请求工具：用户提问后，模型判断需要调用某工具时，输出一个结构化的工具调用请求（指定工具名与参数）。
3. 你的程序执行：你的代码收到请求，调用真实函数（查库、调 API、执行脚本），拿到结果。
4. 结果回传：把工具结果作为消息返回给模型。
5. 模型继续：模型结合工具结果生成最终回答，或继续调用下一个工具。

这个"模型请求 → 程序执行 → 结果回传"的循环，就是 Agent 的核心执行机制。

工具定义怎么写

一个好的工具定义要回答三个问题：

• 这个工具做什么：描述要具体（"查询订单状态"优于"处理订单"）。
• 需要什么参数：用 JSON Schema 声明参数类型与必填项，参数名要直观。
• 什么时候用：在描述里说明使用条件（"当用户查询物流时使用"），帮助模型正确选择。

示例（示意）：一个"查询天气"工具，描述为"根据城市名查询当前天气"，参数为 { city: string }。定义时注意：

• 参数名用 snake_case（如 city_name），与常见规范一致；
• 描述里避免歧义与相互矛盾的指引；
• 工具数量适中——太多会让模型选择困难，太少则能力不足。

构建Agent的基本流程

用工具调用构建 Agent 的推荐路径：

1. 列出任务清单：把 Agent 要完成的任务拆成"需要哪些外部能力"，每个能力对应一个工具。
2. 从最小工具集开始：先实现 2~3 个必需工具，跑通循环，再逐步补充。
3. 写清晰的系统提示：告诉模型它的角色、可用的工具、任务边界与输出规范。
4. 处理工具错误：工具返回错误时要设计"重试/换工具/告知用户"的路径，不能让循环卡死或静默失败。
5. 加安全边界：涉及真实世界操作（发消息、改数据、花钱）的工具，加人工确认或权限校验。
6. 评估与迭代：用测试用例观察"模型是否正确选择工具、是否正确处理结果"，针对性改进工具描述与提示词。

最佳实践与常见坑

最佳实践：

• 工具结果要"原始"：返回原始数据让模型自己解读，比返回加工后的结论更能支持多轮推理。
• 描述里写明边界：明确"什么时候不用这个工具"，减少误调用。
• 控制循环：设置最大工具调用次数与超时，防止模型陷入反复调用。
• 日志与回放：记录每次工具调用（哪个工具、什么参数、结果），出问题时能复现。

常见坑：

• 工具描述模糊：模型不知道该不该用、怎么用，导致调用错误或漏调用。
• 参数类型错误：模型传错参数类型，程序抛错——用校验与友好错误信息兜底。
• 上下文膨胀：多轮工具调用把历史全部塞进上下文，token 消耗飙升——必要时裁剪历史。
• 安全边界缺失：把删除、转账类工具直接开放给模型，风险极高。

从工具到Agent的演进

工具调用是 Agent 的"肌肉"，编排是"神经"。有了工具后，进一步构建 Agent 还需要：

• 编排循环：自动执行"推理 → 调用 → 观察 → 再推理"（可用官方 Agent SDK 或编排框架实现）；
• 长期记忆：通过检索（RAG）让 Agent 访问知识库；
• 多工具协同：一个任务里依次调用多个工具（查库存 → 算价格 → 下订单）。

小结

Claude 工具调用让模型从"会说话"变成"能干活"：定义清晰工具、跑通调用循环、做好错误处理与安全边界，就能构建可靠的 Agent。核心技巧是工具描述写具体、工具集从最小开始、循环有上限、行为有日志。具体 API 用法与最新能力以 Anthropic 官方文档为准。