How to Choose Tools for AI Agents: A Complete Guide from Machine Learning Mastery

Machine Learning Mastery опубликовал полное руководство по выбору инструментов для AI-агентов — одному из ключевых архитектурных решений при разработке LLM-систем.

Почему инструменты определяют поведение агента

Авторы начинают с конкретного сценария: вы создали агента с пятью инструментами. На первый взгляд — немного. Но уже при таком наборе модель каждый раз решает несколько вещей: какой инструмент применить, в каком порядке, когда остановиться и нужно ли вообще использовать инструмент в данной ситуации.

Языковые модели не имеют встроенного «здравого смысла» при выборе между схожими функциями. Они опираются на описания инструментов, примеры в контексте и общее понимание задачи. Плохо составленное описание или избыточный набор похожих инструментов резко снижает точность и надёжность агента — даже если базовая модель сама по себе сильна.

Авторы приводят ключевое практическое наблюдение: агент с тремя хорошо описанными инструментами нередко решает задачи точнее, чем агент с десятью слабо определёнными. Это одна из центральных идей всего руководства.

Что важно при отборе инструментов

• Один инструмент — одна задача: размытые границы между функциями заставляют модель угадывать
• Описание для LLM, не для разработчика: пишите конкретно, с примерами входных данных и ожидаемого результата
• Никакого дублирования: два похожих инструмента создают неоднозначность и снижают точность выбора
• Минималистичный набор: с каждым новым инструментом сложность выбора растёт нелинейно
• Тестирование перед добавлением: проверяйте агента с реальными запросами до расширения набора

Количество инструментов само по себе не делает агента мощнее. Управляемость и предсказуемость поведения зависят от качества описаний и чёткости границ между функциями.

Почему плохое описание инструмента ломает агента?

Типичная ошибка — описывать инструмент так, как писали бы API-документацию для разработчика. Для модели это не работает. Она одновременно видит все доступные инструменты и должна мгновенно понять, что именно делает каждый и когда его следует применять.

«Описание инструмента — это промпт внутри промпта.

Оно должно быть недвусмысленным и предсказуемым в любом контексте», — указывают авторы руководства.

Практические рекомендации:

• Включайте конкретный входной формат и тип возвращаемых данных
• Указывайте, когда инструмент не следует использовать — это помогает разграничить схожие функции
• Избегайте технического жаргона: описание должно быть понятно из контекста пользовательского запроса
• Тестируйте каждое описание с несколькими разными запросами, прежде чем считать инструмент готовым

Руководство также предупреждает об «инструментальном дрейфе»: когда агент в середине сложной задачи переключается на неподходящий инструмент, вся цепочка действий ломается. Восстановить её без переработки описаний или сокращения набора крайне сложно.

Что это значит

Выбор инструментов — это архитектурное решение, от которого напрямую зависит поведение агента в продакшне. Минималистичный, чётко описанный набор повышает надёжность и снижает число ошибок при работе с реальными запросами. Авторы рекомендуют начинать с минимума и расширять набор только тогда, когда конкретный сценарий этого требует.