Module 3：Tool Use 🛠️ 工具使用设计模式

一、核心概念：工具对智能体的价值

🔍 通俗解读
智能体的“能力边界”由工具决定——就像人类需要用电脑、手机、计算器完成不同任务，智能体需要调用各种工具，才能完成单一AI模型做不到的事（比如查实时数据、执行代码、查询数据库）。

⚙️ 技术干货
吴恩达课程中定义的“智能体工具分类”，按功能分为4类，覆盖绝大多数应用场景：

• 信息获取类：学术数据库API、搜索引擎API（如Google Search API）、新闻接口。
• 计算执行类：Python代码执行环境、计算器工具、数据分析工具（如Pandas）。
• 内容生成类：文本生成API、图片生成API、视频剪辑工具。
• 交互协作类：邮件发送工具、即时通讯API、团队协作工具（如Notion API）。

二、核心技术：函数调用与Model Context Protocol (MCP)

🔍 通俗解读
函数调用是智能体“调用工具的方式”——比如智能体想查实时天气，就调用天气API的函数，传入参数（城市、日期），就能获取结果；MCP则是“智能体与工具的通信协议”，确保智能体能正确识别工具、传递参数、接收结果。

⚙️ 技术干货
MCP的核心规范（必须遵守，否则工具调用失败）：

1. 工具描述规范：每个工具必须明确“功能、参数、返回值、异常情况”，让智能体能快速理解。
2. 参数传递规范：参数类型、格式必须统一（如日期格式为YYYY-MM-DD），避免歧义。
3. 结果接收规范：工具返回结果需结构化（如JSON格式），方便智能体解析和反思。

三、工具封装与安全调用（实操重点，附代码）

⚙️ 技术干货
工具封装的核心是“简化调用逻辑、提升安全性”，吴恩达推荐用“类封装”的方式，统一工具调用接口，同时加入“参数校验、异常处理”，避免智能体调用工具时出错。

# 工具封装示例：学术数据库API工具封装
import requests

class AcademicDatabaseTool:
    def __init__(self, api_key):
        self.api_key = api_key
        self.base_url = "https://api.academic-db.com/v1/search"  # 模拟学术数据库API
    
    # 工具描述（符合MCP规范）
    def tool_description(self):
        return {
            "功能": "搜索近1-5年的学术文献，支持关键词、作者、领域筛选",
            "参数": {
                "keyword": "字符串，搜索关键词（必填）",
                "years": "整数，搜索年限（1-5，必填）",
                "field": "字符串，学术领域（可选，如AI、CS）"
            },
            "返回值": "JSON格式，包含文献标题、作者、摘要、发表时间",
            "异常": "参数缺失时返回错误提示，API调用失败时返回重试建议"
        }
    
    # 工具调用核心方法（带参数校验和异常处理）
    def call(self, keyword, years, field=None):
        # 1. 参数校验
        if not keyword or not isinstance(years, int) or years < 1 or years > 5:
            return {"error": "参数错误：keyword必填，years需为1-5的整数"}
        # 2. 构造请求参数
        params = {
            "keyword": keyword,
            "years": years,
            "api_key": self.api_key
        }
        if field:
            params["field"] = field
        # 3. 调用API并处理异常
        try:
            response = requests.get(self.base_url, params=params)
            response.raise_for_status()  # 抛出HTTP错误
            return response.json()
        except requests.exceptions.RequestException as e:
            return {"error": f"API调用失败：{str(e)}，建议重试或检查API密钥"}

# 智能体调用工具示例
tool = AcademicDatabaseTool(api_key="your_api_key")
# 智能体先获取工具描述，理解工具功能
print(tool.tool_description())
# 调用工具搜索文献
result = tool.call(keyword="Agentic AI", years=1, field="AI")
print("文献搜索结果：", result)

四、工具调用实战：数据库查询与API对接

🔍 通俗解读
以“智能体查询用户信息数据库”为例，演示工具调用的完整流程——智能体接收任务（“查询用户ID为1001的用户信息”），调用数据库查询工具，传入参数，获取结果，再整理成自然语言反馈。

📊 流程图（文字版）

接收任务 → 推理（需要调用数据库工具） → 调用数据库工具（传入用户ID） → 接收工具返回结果 → 整理结果 → 输出反馈

⚙️ 技术干货
实战关键点：① 工具参数必须精准，避免查询错误；② 异常处理要全面（如数据库连接失败、用户ID不存在）；③ 结果整理要符合用户需求，避免返回原始数据库数据。