이 기사는 기계로 번역되었습니다
원문 표시

Anthropic의 새로운 기사 "Agent용 도구를 만드는 방법"을 읽어보시길 권장합니다. 기존의 결정론적 소프트웨어와 달리 에이전트 도구는 비결정론적 동작을 고려하여 설계되어야 하며 API나 기능 개발 아이디어를 그대로 복사할 수 없습니다. 먼저 도구의 프로토타입을 신속하게 만들고 로컬에서 테스트한 다음, 에이전트와 협업하여 실제 시나리오에 가까운 대량 의 평가 작업을 생성하고, 자동화된 평가와 에이전트 추론 피드백을 결합하고, 지속적으로 반복하고 최적화하는 것이 좋습니다. 원칙 수준: 주요 워크플로를 다루는 영향력이 큰 도구를 우선시하고, 효과적이지 않은 "패키지 API" 도구는 피하는 것이 좋습니다. 에이전트의 혼란을 줄이기 위해 네임스페이스(예: 접두사 및 접미사)를 통해 도구 경계를 명확하게 정의하세요. 도구 응답은 고신호 컨텍스트에 초점을 맞추고, 자연어 및 읽기 쉬운 식별자를 우선시하며, 상류 및 하류 요구 사항을 모두 충족하기 위해 상세 및 간결 등 다양한 응답 형식을 지원해야 합니다. 대량 의 출력을 생성할 수 있는 도구의 경우 토큰 낭비를 방지하기 위해 기본 매개변수를 페이지별로 나누고, 필터링하고, 잘라내고, 최적화하는 것이 좋습니다. 오류 메시지는 에이전트가 스스로 오류를 수정할 수 있도록 구체적이고 명확해야 합니다. 도구 설명과 매개변수 설계는 새로운 동료를 위한 문서를 작성하는 것만큼 자세해야 하며, 모호성을 제거하고, 입력과 출력을 엄격하게 정의하고, 평가를 통해 설명을 지속적으로 미세 조정하여 프록시 호출 효과를 개선해야 합니다.

Anthropic
@AnthropicAI
09-12
New on the Anthropic Engineering blog: writing effective tools for LLM agents. AI agents are only as powerful as the tools we give them. So how do we make those tools more effective? We share our best tips for developers: https://anthropic.com/engineering/writing-tools-for-agents…
Twitter에서
면책조항: 상기 내용은 작자의 개인적인 의견입니다. 따라서 이는 Followin의 입장과 무관하며 Followin과 관련된 어떠한 투자 제안도 구성하지 않습니다.
라이크
즐겨찾기에 추가
코멘트