智能体的工具是怎么工作的

这篇适合谁，读完能做什么

这篇适合已经知道智能体是什么，想搞清楚「工具」到底怎么接进大模型的读者。读完后，你应该能写出一个带类型标注的 Python 工具，用装饰器让它自动生成描述，并理解从模型输出文字到工具真正执行的完整过程。

工具是什么

工具就是交给大模型的一个函数，这个函数应该有明确的目标^[1]。常见的工具包括：联网搜索、图片生成、从外部来源检索信息，以及调用 GitHub、YouTube、Spotify 等服务的接口^[1]。

工具之所以重要，是因为大模型的知识只截止到训练时。需要最新数据时，智能体必须通过工具去获取。比如直接问模型今天的天气而没有搜索工具，它可能会编造一个答案^[1]。

一个工具应该包含：对功能的文字描述、可以调用的函数本身、带类型的参数，以及（可选的）带类型的返回值^[1]。

模型怎么「调用」工具

大语言模型只能接收文字、输出文字，它自己没办法调用任何工具。所谓给模型提供工具，就是让模型知道这些工具的存在，并在需要时指示它生成基于文字的调用指令^[1]。

比如用户问巴黎的天气。模型识别出这是使用天气工具的机会，于是生成一段表示工具调用的文字，例如 call weather_tool('Paris')。智能体读到这段文字，识别出需要调用工具，替模型执行工具，拿到真实的天气数据^[1]。

这些工具调用的步骤通常不会展示给用户。智能体会把它们作为一条新消息追加到对话里，再把更新后的对话交给模型，模型据此生成通顺的回答。对用户来说，好像是模型直接调用了工具，实际上整个执行过程都是智能体在后台完成的^[1]。

工具的描述通过系统提示词（system prompt）交给模型，里面是对每个可用工具的文字说明^[1]。描述必须精确，要说清工具做什么，以及它需要什么确切的输入。通常用计算机语言或 JSON 来写，不过任何精确、一致的格式都可以^[1]。

从一个计算器工具开始

下面是一个最简化的计算器工具，它把两个整数相乘^[1]：

def calculator(a: int, b: int) -> int:
    """Multiply two integers."""
    return a * b

交给模型的文字描述是：Tool Name: calculator, Description: Multiply two integers., Arguments: a: int, b: int, Outputs: int。手写这种描述容易遗漏细节，而且每加一个工具都要保持同样的格式，很容易出错^[1]。

用装饰器自动生成描述

更好的办法是让 Python 自己读取代码信息。函数只要有类型注解、文档字符串（docstring）和清晰的函数名，就可以用装饰器自动生成描述^[1]：

@tool
def calculator(a: int, b: int) -> int:
    """Multiply two integers."""
    return a * b

print(calculator.to_string())

装饰器背后用的是 Python 的 inspect 模块，读取函数签名。它把函数的文档字符串作为描述，把函数名作为工具名^[1]。to_string() 输出的结果，和手写的描述一模一样^[1]。

一个通用的 Tool 类里有名称、描述、函数、参数和返回值，还有 __call__ 和 to_string() 两个方法。这是示例写法，但与大多数库中的真实实现很接近^[1]。生成的描述会被注入系统提示词^[1]。

工具的标准化：MCP

模型上下文协议（MCP）是一个开放协议，它规定应用如何把工具提供给大语言模型。任何实现了 MCP 的框架都能使用协议里定义的工具，不必为每个框架重新实现一遍工具接口^[1]。

MCP 提供的东西包括：不断增长的预置集成列表，在不同大模型提供方之间切换的灵活性，以及在自己的基础设施内保护数据的最佳实践^[1]。

行动：智能体怎样与环境互动

行动是智能体与环境互动的具体步骤，比如浏览网页、控制一台实体设备^[2]。行动大致分为四类：信息获取、工具使用、环境交互和沟通^[2]。

按照表达行动的方式，智能体可以分为三种^[2]：

• JSON 智能体：用 JSON 格式指定要执行的动作。
• 代码智能体：写一段代码，由外部解释执行。
• 函数调用智能体：JSON 智能体的一个子类，经过微调，每个动作都生成一条新消息。

停止并解析：让输出可以被程序读取

实现行动的一个关键方法叫「停止并解析」（stop and parse），分三步^[2]：

1. 模型按预定的结构输出动作，格式可以是 JSON 或代码。
2. 动作描述完整之后，模型停止继续生成 token。
3. 外部解析器读取动作，判断要调用哪个工具，并提取参数。

这要求模型在输出完整动作后必须停下来，把控制权交还给智能体，这样输出才能被解析^[2]。比如查询天气的动作可以写成：

{
  "action": "get_weather",
  "action_input": {"location": "New York"}
}

框架读到这段内容，就能轻松解析出要调用的函数名和参数^[2]。

代码智能体

代码智能体不输出简单的 JSON，而是生成一段可执行的代码，通常是 Python。代码能表达循环、条件判断和嵌套函数，生成的函数和模块可以在不同动作之间复用，出错时也更容易调试，还能直接调用外部库和 API^[2]。

但执行模型生成的代码有安全风险，从提示注入到执行有害代码都可能发生。建议使用 smolagents 这类自带默认防护的框架^[2]。

下一步

先用一个两三个工具的小项目，体验一遍「写函数、加装饰器、看描述、让模型调用、解析执行」的完整流程，再考虑把工具换成 MCP 服务器提供的标准工具。

本文改编自 Hugging Face 开源课程《Agents Course》第 1 单元^[1][2]，原文以 Apache-2.0 许可证发布。