Claude AI 工具调用完整指南从计算器到多工具客服机器人【免费下载链接】coursesAnthropics educational courses项目地址: https://gitcode.com/GitHub_Trending/cours/courses让 Claude 算1984135 × 9343116它给出的结果会错掉约 550 亿——大模型做数学并不可靠但如果你给它一个计算器它就能稳定输出正确答案。这就是 AI 工具调用tool use也叫 function calling的全部含义模型自己不出手而是开口点菜由你的应用执行真实函数再把结果喂回模型。Anthropic 官方课程 cours/courses 的 tool_use/ 目录用 6 个递进式 notebook带你走完从单个工具到多工具客服机器人的完整路径。先定义后调用工具由哪三样东西组成模型不会凭空知道有计算器可用。每一次 API 请求里你都要显式声明工具列表——模型没有任何内置的服务端工具。一个工具定义只有三个字段字段作用注意点name工具标识只能含字母数字下划线最长 64 字符description模型选不选它的依据写清楚何时该用、行为是什么比代码更影响调用准确性input_schema参数约束标准 JSON Schema可用required、enum限定取值例如一个查订单的工具只需声明order_id为必填字符串一个按邮箱/用户名/手机号查用户的工具则用enum把key参数限定为三选一。定义完工具整条链路就固定为 4 步闭环① 你提交工具集 用户问题② 模型回一个ToolUseBlock内含工具名和参数并停止③ 你的应用执行函数把结果作为tool_result消息送回④ 模型基于结果组织最终回答。 课程里最直观的演示是鸡舍问题我有 28 只鸡飞走了 2 只还剩几只模型收到计算器工具后先返回ToolUseBlock(namecalculator, input{operand1: 28, operand2: 2, operation: subtract})应用执行calculator(subtract, 28, 2)得到 26全程无需模型心算。把工具当格式模具零解析拿到结构化 JSON想要情感分数、实体列表这类规范 JSON直接请模型输出 JSON往往还得自己清洗字符串。03_structured_outputs.ipynb 里有个取巧做法既然模型调用工具时天然会按input_schema吐出结构化参数那就把目标数据结构定义成一个假工具——比如print_sentiment工具只声明positive_score、negative_score、neutral_score三个字段模型返回的input就是现成的 JSON直接取用即可。这个技巧同样适用于实体抽取、Wikipedia 文章分类主题 摘要 带分数的类目列表等场景。配合tool_choice指定强制调用该工具可以免去求模型配合的提示词博弈。tool_result 的格式最容易翻车的一步四步闭环里第 3 步最讲究格式也是课程花最多笔墨的地方。回传结果必须满足三点新消息的role是user内容块类型为tool_resulttool_use_id必须与模型那条ToolUseBlock的id一一对应。课程用谁赢得了 2024 年大师赛做了完整演示模型先调用get_article工具你的应用查 Wikipedia 拿到正文再按上述格式回传模型即可基于真实资料作答。如果一个问题需要连续多次调用比如先查诺兰的奥斯卡数再查斯泰勒的艾美奖数把执行 → 回传包进循环即可04_complete_workflow.ipynb 末尾的练习正是这个目标。tool_choice 三种取值默认、强制、任意tool_choice参数控制模型怎么选工具三种取值对应三种控制粒度取值含义典型场景auto默认模型自行决定用不用工具通用对话配合系统提示词纠偏tool 指定名称必须调用该工具结构化输出流水线必须拿到规范 JSONany必须调用某个工具选哪个随意所有出口都走工具的系统如只靠短信通信的机器人⚠️ 课程里反复强调一个现象模型爱用工具。问祖母绿是什么颜色它可能硬调计算器加两个零。auto模式下最经济的修复手段是在 system prompt 里加一句仅在必要时使用工具效果立竿见影。多工具客服机器人串联、越权与坑位清单压轴课 06_chatbot_with_multiple_tools.ipynb 为虚构电子公司 TechNova 搭了个客服机器人挂 4 个工具get_user按邮箱/用户名/手机号查人、get_order_by_id、get_customer_orders、cancel_order。用户一句帮我查订单我邮箱是 johngmail.com模型会先调get_user拿到 user_id再用这个 id 调get_customer_orders——上一步输出成为下一步输入的工具链完全由模型自主编排。课程同时坦率展示了真实缺陷整理成一份自检清单工具过度热情模型在用户没给任何身份信息时凭空编造邮箱去调get_user。修法system prompt 明确信息不全时先追问禁止编造参数。越权风险demo 里任何人只要知道别人邮箱就能取消订单。课程明确警告不得原样用于生产。思考标签泄漏Opus 会把thinking推理过程输出给用户。修法要求模型把面向用户的回复包在reply标签里只展示标签内容。错误处理缺失示例函数没有 try/except 和输入校验真实系统必须补齐。下一步按顺序走完 01_tool_use_overview.ipynb 到 06_chatbot_with_multiple_tools.ipynb每个 notebook 都带可运行示例和练习。若想先动手直接打开 02_your_first_simple_tool.ipynb 复现鸡舍计算器再挑一个自己的重复性任务查库存、发邮件、抓数据改写成工具比读十遍理论都管用。【免费下载链接】coursesAnthropics educational courses项目地址: https://gitcode.com/GitHub_Trending/cours/courses创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考