推荐看看，Anthropic 新文章《如何为 Agent 构建工具》 Agent 与传统确定性软件不同，工具的设计要兼顾非确定性行为，不能简单照搬API或函数式开发思路。 建议先快速原型开发并本地测试工具，随后通过与Agent协作生成大量贴近真实场景的评测任务，结合自动化评测和Agent的推理反馈，持续迭代优化。 原则层面： 提出应优先实现高影响力、能覆盖关键工作流的工具，避免无效的“包API”式工具； 通过命名空间（如前缀/后缀）清晰划分工具边界，减少代理混淆；工具返回内容要聚焦高信号上下文，优先自然语言和可读标识符，必要时支持详细/简洁等多种响应格式以兼顾上下游需求； 对于可能产生大量输出的工具，建议分页、过滤、截断并优化默认参数，避免token浪费；错误提示要具体明确，帮助代理自我修正。 工具描述和参数设计要像给新同事写文档一样详尽，消除歧义，输入输出严格定义，持续通过评测微调描述以提升代理调用效果。