为Agent赋予功能

尽管大型语言模型（LLM）作为Agent令人印象深刻的认知引擎，擅长理解和生成文本，但在与其文本知识外部的交互方面存在固有限制。LLM本身无法查询当前股价，无法可靠地进行精确数学计算，也无法访问您的个人日历。它是一个强大的大脑，但它需要一种方法在其训练数据之外进行行动和感知。

这就是工具发挥作用的地方。可以将工具视为专用扩展，赋予您的Agent“功能”，使其能够执行LLM自身无法完成的操作或获取信息。这些工具是程序或与外部服务的连接，Agent可以根据需要调用它们。

如果LLM是Agent的大脑，那么工具就像它的手、眼睛和专用仪器。大脑可以决定它需要知道当前温度，但它需要一个温度计（一个工具）来实际测量。同样，Agent可能会决定它需要计算抵押贷款支付；它将使用计算器工具来确保准确性，而不是仅仅依赖LLM有时近似的数学技能。

Agent如何使用工具

Agent使用工具的过程通常遵循明确的模式，构成了其操作循环的重要部分：

1. 判定：根据当前任务和指令，LLM判定它需要一种其内部知识无法提供的外部能力。它识别出某个特定工具会有帮助。
2. 选择与输入：LLM从已配置的预设可用工具列表中选择最合适的工具。然后，它准备该工具所需的输入（或参数）。例如，如果它需要搜索网页，输入将是搜索请求。
3. 执行：Agent使用准备好的输入调用选定的工具。该工具，本质上是一段代码，然后执行其特定功能。这可能涉及进行API调用、运行计算或查询数据库。
4. 观察：工具将结果（一个观察值）返回给Agent。这可能是一段数据、动作确认或错误消息。
5. 整合：LLM处理这个结果。新信息融入Agent对当前情况的理解中，LLM使用它来决定下一步或形成最终回复。

这种交互可以可视化为以下流程：

Agent的LLM核心分析任务，决定使用工具，准备输入，调用工具，然后整合工具的输出以继续其工作。

Agent工具的常见例子

Agent可以使用的工具范围很宽，主要受限于可通过编程或API访问的内容。以下是一些常见类别：

• 计算器工具：用于精确的数学运算。虽然LLM可以执行简单算术，但在更复杂的计算或需要高精度时可能会出错。Calculator工具可确保准确性。例如，如果任务是“计算半径为7.5单位的圆的面积”，Agent可以将“radius = 7.5”传递给设计用于计算圆面积的计算器工具。

• 搜索工具：从互联网获取最新信息。LLM基于其训练数据有知识截止日期。Search工具，通常通过连接到网页搜索引擎的API（如Google搜索或Bing搜索），允许Agent查找实时信息、新闻或LLM训练后发布的数据。如果用户询问“伦敦现在天气如何？”，Agent将使用搜索工具或专门的天气API工具。

• 代码执行工具：运行小段代码，通常在像Python解释器这样的安全环境中。这对于需要特定逻辑、数据处理或复杂算法的任务很有用，这些任务比自然语言提示更容易用代码表达。例如，Agent可以使用Code Interpreter来对列表中的项目进行排序、解析复杂数据结构或生成图表。

• API交互工具：许多应用程序和服务提供应用程序编程接口（API），允许程序化交互。Agent可以使用充当这些API客户端的工具。

  • Calendar API工具可以允许Agent检查您的日程或创建新事件。
  • Email API工具可以使Agent代表您起草或发送电子邮件。
  • Database Query工具可以连接到特定数据库，并根据Agent的需求获取或更新记录。
  • File System工具可以允许Agent读写本地文件（需具备适当权限和安全措施）。

• 自定义工具：对于专门任务，开发人员可以创建自定义工具。例如，一个旨在帮助电子商务的Agent可能有一个工具来检查特定公司数据库中的产品库存，或者一个客户服务Agent可能有一个工具来查询客户订单历史。

通过为Agent配备此类工具，我们大大扩展了它们的功能，使其超出单纯的文本生成。工具允许Agent收集最新信息、执行精确计算、与其他软件系统沟通，并最终采取更有意义的行动来完成被赋予的目标。理解如何定义、集成和管理工具是构建有效LLM Agent的一个重要方面，我们将在第4章“为Agent配备工具”中更详细地讨论。目前，需要理解的是，工具是Agent通向更广泛功能集的桥梁。