工具之所以有趣，是因為它們讓 AI Agents具備了更廣泛的能力。Agent不再局限于一組有限的操作，而是可以通過添加工具來執行各種任務。今天，將探討工具使用設計模式，它描述了 AI Agents如何利用特定工具來實現目標。

• 工具使用設計模式是什么？
• 工具可以應用于哪些用例？
• 實現該設計模式需要哪些元素/構建塊？
• 使用工具使用設計模式構建可信 AI Agents時需要考慮哪些特殊事項？

工具使用設計模式是什么？

工具使用設計模式專注于讓大語言模型（LLM）能夠與外部工具交互以實現特定目標。工具是可以由Agent執行的代碼，用于執行操作。工具可以是一個簡單的函數（如計算器），也可以是第三方服務的 API 調用（如股票價格查詢或天氣預報）。在 AI Agents的上下文中，工具是根據模型生成的函數調用由Agent執行的。

圖片

它可以應用于哪些用例？

AI Agents可以利用工具完成復雜任務、檢索信息或做出決策。工具使用設計模式通常用于需要與外部系統動態交互的場景，例如數據庫、Web 服務或代碼解釋器。

圖片

這種能力適用于以下多種用例：

• 動態信息檢索：代理可以查詢外部 API 或數據庫以獲取最新數據（例如，查詢 SQLite 數據庫進行數據分析，獲取股票價格或天氣信息）。
• 代碼執行與解釋：代理可以執行代碼或腳本以解決數學問題、生成報告或進行模擬。
• 工作流自動化：通過集成任務調度器、電子郵件服務或數據管道等工具，自動化重復性或多步驟的工作流。
• 客戶支持：代理可以與客戶關系管理系統（CRM）、票務平臺或知識庫交互以解決用戶查詢。
• 內容生成與編輯：代理可以利用語法檢查器、文本摘要器或內容安全評估器等工具協助內容創作任務。

實現工具使用設計模式需要哪些元素/構建塊？

這些構建塊使 AI Agents能夠執行廣泛的任務。以下是實現工具使用設計模式所需的關鍵元素：

• 函數/工具調用：這是讓 LLM 與工具交互的主要方式。函數或工具是代理用來執行任務的可復用代碼塊。這些可以是從簡單函數（如計算器）到第三方服務的 API 調用（如股票價格查詢或天氣預報）。
• 動態信息檢索：代理可以查詢外部 API 或數據庫以獲取最新數據。這對于數據分析、獲取股票價格或天氣信息等任務很有用。
• 代碼執行與解釋：代理可以執行代碼或腳本以解決數學問題、生成報告或進行模擬。
• 工作流自動化：通過集成任務調度器、電子郵件服務或數據管道等工具，自動化重復性或多步驟的工作流。
• 客戶支持：代理可以與客戶關系管理系統（CRM）、票務平臺或知識庫交互以解決用戶查詢。
• 內容生成與編輯：代理可以利用語法檢查器、文本摘要器或內容安全評估器等工具協助內容創作任務。

函數/工具調用

函數調用是讓大語言模型（LLM）與工具交互的主要方式。你經常會看到“函數”和“工具”這兩個詞互換使用，因為“函數”（可復用代碼塊）就是代理用來執行任務的“工具”。為了讓函數代碼被調用，LLM 必須將用戶請求與函數描述進行對比。為此，會向 LLM 發送一個包含所有可用函數描述的模式。LLM 然后選擇最適合任務的函數并返回其名稱和參數。選定的函數被調用后，其響應被發送回 LLM，LLM 利用這些信息回應用戶的請求。

圖片

使用工具使用設計模式構建可信 AI 代理時需要考慮哪些特殊事項？

LLM 動態生成的 SQL 代碼的一個常見問題是安全性，尤其是 SQL 注入或惡意行為的風險，例如刪除或篡改數據庫。盡管這些擔憂是合理的，但通過正確配置數據庫訪問權限可以有效緩解這些問題。對于大多數數據庫，這意味著將數據庫配置為只讀。對于 PostgreSQL 或 Azure SQL 等數據庫服務，應為應用程序分配只讀（SELECT）角色。

https://github.com/microsoft/ai-agents-for-beginners/tree/main