Anthropic 官方博客近日发布了一份极具价值的开发指南，题为《Writing effective tools for LLM agents—using LLM agents》，旨在为开发者提供系统化方法，通过 Model Context Protocol（MCP）为大型语言模型（LLM）Agent 设计高效实用的工具。该指南以“原型 – 评估 – 协作”的三步迭代流程为核心框架，并提炼出五大关键设计原则，全面覆盖工具的有效性、可用性及性能优化，为开发者构建智能 Agent 提供了清晰的行动指南。
在工具选择阶段，指南首先强调决策的严谨性。开发者需深入分析 Agent 的核心需求，从功能匹配度、调用频率、资源消耗等多维度权衡工具的适用性，避免盲目堆砌功能导致系统臃肿。同时，指南提出构建清晰命名空间的必要性，通过模块化设计区分不同工具的职责范围，避免命名冲突造成的逻辑混乱。例如，可参考”工具名：动词+名词”的规范，如”fetchWeather：获取天气信息”，确保开发者能直观理解工具功能。
针对工具的上下文返回机制，指南提出三大优化方向。首先，返回值需具备强相关性，剔除冗余信息，仅保留对 Agent 决策有直接指导意义的数据。其次，通过结构化设计提升信息密度，如采用 JSON 格式封装数据，并设置标准字段（如 status、error、data）增强可读性。最后，在 Token 效率方面，建议开发者采用分词优化技术，将长文本拆解为关键短语，既降低传输成本又保证信息完整性。Anthropic 的实验数据显示，通过这些优化，工具的响应效率可提升 40% 以上。
提示工程作为提升工具可用性的关键手段，在指南中占据重要篇幅。开发者需通过精准的指令设计，使工具说明既简洁又全面。建议采用场景化描述，如”当用户询问’明天北京天气如何’时，调用 fetchWeather 工具”，并设置错误处理预案。Anthropic 的 Claude Code 工具经过 5000+ 脚本重构验证，其自动生成的提示模板准确率达 92%，充分证明数据驱动的工程方法在提升工具质量方面的有效性。
在评估体系方面，指南创新性地引入了分层测试机制。基础阶段采用留出测试集的交叉验证，防止过拟合；进阶阶段则通过多轮 A/B 测试对比不同设计方案的性能差异。Anthropic 开源的工具评估 Cookbook 包含 100+ 案例代码，涵盖从数据采集到结果分析的完整流程。特别值得关注的是，MCP 协议的底层 LLM 升级将同步推动工具能力的迭代，未来版本将支持更复杂的任务分解与多工具协同。
完整指南：https://www.anthropic.com/engineering/writing-tools-for-agents