近日，Anthropic 官方博客發佈了一份詳盡的指南，題爲《Writing effective tools for LLM agents—using LLM agents》。該指南旨在幫助開發者利用 Model Context Protocol（MCP）爲 LLM Agent 設計高效的工具。文中提出了 “原型 - 評估 - 協作” 三步迭代流程，並總結了五大設計原則，以確保工具的有效性和可用性。

image.png

首先，指南強調了在選擇工具時需要謹慎。開發者應認真考慮工具的選擇，以確保其能夠有效地服務於 LLM Agent 的需求。其次，指南建議保持清晰的命名空間，確保不同工具和功能之間的名稱不產生混淆，以便開發者可以快速理解和使用。

另外，工具的上下文返回值也需要更加有意義。指南指出，開發者應該優化工具返回的信息，使其更具信息量和上下文相關性，從而提升 LLM Agent 的工作效率。此外，返回信息的 Token 效率也需被重視，以降低數據傳輸的成本，提高處理速度。最後，指南提出通過提示工程來提升工具說明的質量，使得使用者能更清晰地理解工具的功能和用法。

文中還提到，許多結論是由 Claude Code 經過反覆分析腳本、重構工具描述與模式後自動得出的，確保了分析的科學性和準確性。爲防止過擬合，Anthropic 還通過保留測試集進行評估。同時，Anthropic 還開源了工具評估的 Cookbook，並預告未來 MCP 協議與底層 LLM 升級時，工具的能力也將隨之演進。

指南：https://www.anthropic.com/engineering/writing-tools-for-agents