agent-tool-builder

Agent 工具构建器

工具是 AI Agent 与世界交互的方式。设计良好的工具，决定了 Agent 能否正常工作，还是会产生幻觉、悄无声息地失败或浪费令牌。

本技能涵盖从架构到错误处理的工具设计，包括 JSON Schema 最佳实践、编写真正能帮助大模型的描述、验证，以及正在兴起并逐渐成为 AI 工具通用语言的 MCP 标准。

描述有助于选择工具，但实现负责确保正确性、授权和安全性。两者都需要测试；模型也可能检查已公开的代码和结果。

详细指南

执行此技能前，请阅读详细指南。其中保留了完整流程和参考资料。必须遵循其中的安全要求、前提条件和验证要求。针对特定任务，请加载相关章节；若要端到端完成任务，请完整阅读指南。

历史 Python SDK 示例

仅用于模拟：固定天气数据是合成数据，并非当前天气预报。在进行任何会产生费用的调用前，请固定并验证 SDK 测试版 API，以及账户可访问的模型。工具需要有界的执行／审批策略；运行器不会授权外部操作。

import json
import anthropic
from anthropic import beta_tool

client = anthropic.Anthropic()

@beta_tool
def get_weather(location: str, unit: str = "fahrenheit") -> str:
    '''Get the current weather in a given location.

    Args:
        location: The city and state, e.g. San Francisco, CA
        unit: Temperature unit, either 'celsius' or 'fahrenheit'
    '''
    # Implementation
    return json.dumps({"temperature": "72°F", "conditions": "Sunny"})

@beta_tool
def search_web(query: str) -> str:
    '''Search the web for information.

    Args:
        query: The search query
    '''
    # Implementation
    return json.dumps({"results": [], "mock": True})

# Tool runner handles the loop
runner = client.beta.messages.tool_runner(
    model="claude-sonnet-4-5",
    max_tokens=1024,
    tools=[get_weather, search_web],
    messages=[
        {"role": "user", "content": "What's the weather in Paris?"}
    ]
)

# Process each message
for message in runner:
    for block in message.content:
        if getattr(block, "type", None) == "text":
            print(block.text)

# Or just get final result
final = runner.until_done()

适用场景

• 用户提及或暗示：Agent 工具
• 用户提及或暗示：函数调用
• 用户提及或暗示：工具架构
• 用户提及或暗示：工具设计
• 用户提及或暗示：MCP 服务
• 用户提及或暗示：MCP 工具
• 用户提及或暗示：工具使用
• 用户提及或暗示：为 Agent 构建工具
• 用户提及或暗示：定义函数
• 用户提及或暗示：input_schema
• 用户提及或暗示：tool_use
• 用户提及或暗示：tool_result

局限性

• 仅当任务明确符合上述范围时，才使用此技能。
• 不要将输出视为环境特定验证、测试或专家审查的替代品。
• 如果缺少必要输入、权限、安全边界或成功标准，请停止并要求澄清。