理解工具规范与描述

要让LLM智能体有效使用工具，它需要一份清晰明确的“使用手册”。这正是工具规范和描述所提供的。可以把LLM想象成一个能力很强但非常“死板”的助手。它不会推断你的意图，也不会猜测工具如何运作。相反，它完全依赖你提供的关于每个工具的信息。精心制作的规范对构建可靠且高效的智能体系统非常重要。

工具规范的构成

工具规范是对工具功能以及如何与其交互的结构化表示。它通常包含LLM用来决定何时以及如何使用该工具的几项重要信息。

工具规范的核心组成部分，详细说明了LLM有效使用工具所需的信息。

我们来逐一解析这些组成部分：

• 工具名称：这是工具的唯一标识符，通常是字符串（例如，get_stock_price，send_email）。它应该简洁且机器可读。当LLM决定调用工具时，会使用此名称。

• 描述：这可以说是LLM理解工具的最重要的部分。描述是对工具作用、主要目的、任何重要功能以及可能存在的局限性的自然语言说明。LLM使用此描述来决定工具是否与当前任务或用户查询相关。例如，一个好的天气工具描述可能是：“获取指定城市的当前天气状况，包含温度、湿度和风速。”

• 输入参数 (parameter)（实参）：工具通常需要输入才能执行其功能。规范的这一部分详细说明了工具接受的每个参数。对于每个参数，应定义：

  • 名称：参数的名称（例如，location，user_id）。
  • 类型：参数的数据类型（例如，string，integer，boolean，array，object）。这有助于LLM正确格式化数据。
  • 描述：清楚说明此参数代表什么以及预期何种值。例如，对于 location 参数：“要获取天气信息的城市和州（例如，‘旧金山，加利福尼亚州’）或邮政编码。”
  • 必需：一个布尔值，表明此参数是强制的还是可选的。如果可选，指定默认值可能会有帮助。

• 输出结构（返回值）：定义输入固然重要，描述工具成功执行后返回什么也同样重要。输出结构告知LLM将从工具接收到的信息的结构和数据类型。这可能包括：

  • 类型：整体输出的数据类型（例如，string，object，array）。
  • 属性（如果输出是对象）：返回对象中每个字段的描述，包括其名称和数据类型。例如，一个天气工具可能返回一个包含 temperature（数字）、condition（字符串）和 humidity（百分比，字符串）等属性的对象。

现代LLM框架通常期望这些规范采用结构化格式，例如JSON Schema，它提供了一种定义数据形态和约束的标准化方法。

编写LLM能理解的描述

工具描述的质量直接影响LLM智能体正确选择和使用工具的能力。LLM不会读心；它们会字面解释文本。模糊或误导性的描述将导致错误的工具使用或未能使用有用的工具。

以下是撰写实用工具描述的一些指导方针：

1. 保持清晰和具体：避免歧义。清楚说明工具的作用和用途。与其说“管理用户数据”，不如说“根据用户ID获取用户资料信息（姓名、电子邮件、注册日期）。”
2. 使用面向行动的语言：描述应以表达工具主要动作的动词开头，例如“获取……”、“计算……”、“发送……”、“创建……”、“翻译……”等。
3. 突出功能和实体：提及工具操作的主要对象或实体（例如，“电子邮件”、“日历事件”、“数据库记录”、“图像文件”）。
4. 简要说明输入期望：虽然详细的输入参数 (parameter)是单独定义的，但描述中的提示会有用处。例如，“将文本从源语言翻译成目标语言。需要文本、源语言代码和目标语言代码。”
5. 提及输出性质：简要说明预期会得到何种输出。例如，“……返回产品名称和价格列表”，或者“……成功后返回确认ID。”
6. 说明限制或范围（如果适用）：如果工具仅在某些条件下工作（例如，“搜索2010年后发表的学术论文”或“仅处理最大5MB的文本文件”），请提及这一点。
7. 考虑关键词：考虑LLM在需要特定功能时可能生成的短语类型。包含相关关键词可以帮助LLM将任务与你的工具匹配。

我们来比较一下文件读取工具的弱描述和强描述：

• 弱描述：“用于文件的工具。”

  • 问题：这太模糊了。它对文件做什么？读取、写入、列出、删除？什么类型的文件？

• 强描述：“读取指定UTF-8编码文本文件的全部内容，并将内容作为单个字符串返回。需要完整的文件路径作为输入。”

  • 改进：这清楚地说明了动作（读取）、输入（文件路径）、输入限制（UTF-8文本文件）和输出（作为单个字符串的内容）。

LLM如何理解规范

当LLM智能体面对任务时，它会分析用户的请求及其自身的目标。如果它判定它需要外部功能，它会查阅可用的工具规范列表。智能体的决策过程通常包括：

1. 工具选择：LLM会将任务要求与每个可用工具的描述进行比较。它会查找功能最符合当前需求的工具。
2. 参数 (parameter)生成：工具选定后，LLM会使用规范的输入参数部分来弄明白它需要提供什么数据。它会尝试从用户查询或当前对话上下文 (context)中提取或推断这些参数值。每个参数的类型和描述会引导LLM正确格式化这些参数。
3. 输出理解：工具执行并返回结果后，LLM（或智能体框架）使用输出结构来理解返回数据的结构和含义，使其可以在后续步骤中使用或呈现给用户。

如果规范不完整或不清楚，LLM可能会选择错误的工具、提供不正确的参数，或误解工具的输出，导致错误或次优表现。

以机器可读格式（如JSON）提供这些规范是标准做法。许多LLM框架和API，例如OpenAI的函数调用功能，都内置了机制，要求工具规范以特定的结构化方式呈现。这使得LLM能够以编程方式访问并处理其可用的工具。

通过花时间创建精确且全面的工具规范和描述，你为LLM智能体提供了所需的明确性，使其能够有效且可靠地扩展其功能。这项准备工作对构建更复杂可靠的LLM驱动应用不可或缺。