從頭構建基本AI代理：工具
本文介紹如何通過添加工具來增強基本AI代理，使其能夠與計算機環境交互。涵蓋工具定義、代理使用方式以及七個必備工具（bash、文件讀寫、文件搜索、grep、網頁獲取等）的Python實現和工具模式定義。
在之前的文章中，我們構建了最基本的AI代理框架，它僅能根據內部知識回應用户輸入。但要讓代理真正有用，我們需要賦予它執行操作的能力，而工具（Tools）正是實現這一點的關鍵。工具是暴露給大語言模型（LLM）的函數或程序，使其能夠自主調用。本文將繼續擴展基礎代理，添加七種實用工具。
首先，工具的定義可以簡單如一個Python函數，也可以複雜如MCP服務器。現代LLM通過原生工具調用（native tool calling）支持以JSON格式生成工具請求，提升了可靠性。我們實現的第一個工具是run_bash，允許代理執行Bash命令——這是最強大的工具，但也最危險，因為它賦予代理完全的系統訪問權限。後續文章會討論安全措施。
接下來是文件操作工具。read_file可以讀取文件內容並顯示行號，支持偏移和行數限制。glob_files用於按模式查找文件，grep則通過正則表達式搜索文件內容，並返回匹配行及文件路徑。write_file用於創建或覆蓋文件，自動創建父目錄。edit_file進行精確的字符串替換，比全量寫入更安全。最後，webfetch工具可獲取網頁內容並轉換為純文本，限制為HTTP/HTTPS且最大2MB。
所有工具都需要定義模式（schema）供LLM識別。代碼中通過get_tool_schemas函數返回每個工具的名稱、描述和參數結構。在代理循環中，我們通過TOOL_REGISTRY映射工具名稱到實際函數，並在LLM返回工具調用時執行相應函數，將結果附加到對話中。系統提示詞中明確告知代理其可用工具。
這七種工具構成了AI代理與計算機交互的基礎。它們組合使用，使代理能夠探索文件系統、讀寫文件、執行命令和獲取網絡信息。後續文章將在此基礎上添加更多高級功能和安全加固。通過這種方式，我們可以逐步構建出功能強大的自主代理系統。