近日，人工智能公司 Anthropic 在其官方博客上發佈了一份重磅指南《Writing effective tools for LLM agents—using LLM agents》。這份指南詳細闡述瞭如何利用 Model Context Protocol（MCP）爲大語言模型（LLM）代理（Agent）設計高效工具，提供了一個系統化的 “原型 - 評估 - 協作” 三步迭代流程，旨在幫助開發者更好地構建和優化工具。


在指南中，Anthropic 強調了五大設計原則，幫助開發者在創建工具時規避常見的誤區。首先，選擇工具時需謹慎，確保它們能夠與 Agent 的上下文和策略相匹配。其次，清晰的命名空間是不可或缺的，它可以幫助用戶更好地理解工具的功能。第三，返回的信息應該具備更豐富的上下文，以便於 Agent 做出更準確的決策。此外，優化返回信息的 Token 效率也是提高工具性能的關鍵所在。最後，通過提示工程（Prompt Engineering）來提升工具說明的質量，確保用戶在使用時能夠獲得最佳體驗。


值得一提的是，文中提到的諸多結論，均是通過 Anthropic 的 Claude Code 進行反覆分析與評估後得出的，顯示了其強大的數據處理能力和智能化水平。爲防止模型過擬合，Anthropic 還特別保留了測試集。未來，隨着 MCP 協議及底層 LLM 的升級，Anthropic 計劃讓工具的能力能夠與 Agent 同步演進，確保其在快速發展的 AI 領域始終處於領先地位。


此外，Anthropic 還同步開源了工具評估的 Cookbook，爲開發者提供了更多實用的資源和參考。這些努力不僅爲 AI 開發者提供了更好的工具支持，也推動了整個行業在大語言模型領域的創新與發展。