- 综合排序
- 最热优先
- 最新优先
- 来自专栏服务端技术杂谈
AI Agent：模型->工具->结果->模型
Reddit上有人说，AI Agent就是：模型->工具->结果->模型。 从程序员角度来说，就是拼接参数json，调用LLM，处理返回值json。 Agent不只是聊天机器人，还需要工具，所以要先告诉Agent，你有哪些API/工具，这些工具可以做什么。 不需要用什么复杂的框架，基本上只需要串联： 用户输入目标Prompt->将提示词传递给LLM->模型决定下一步->需要工具（API调用、爬取网页、操作API）执行->将结果反馈给模型进行下一步->直到任务完成 即：模型 → 工具 → 结果 → 模型 关于记忆，先用短期记忆，比如最近几条上下文消息。 如果需要跨会话记忆，可以从持久存储获取，比如向量数据库。
15810编辑于 2026-03-11 - 来自专栏python前行者
python爬虫工具：user agent switcher
user agent switcher给我们带来更多的是方便，一次设置好，就不怕每次麻烦的右键检查，设置成手机端的重复性操作了，这对于python爬虫算是一个比较技巧的地方。 安装使用 在火狐的附加组件中输入：user agent switcher 如果找不到入口的话，在火狐浏览器中打开： https://addons.mozilla.org/zh-CN/firefox/search q=user%20agent%20switcher&platform=WINNT&appver=59.0.2 ? 一看这里的搜索结果还是蛮多的，使用的用户还是蛮多的。 最后一步就是在右侧的插件工具栏中选中进行设置就搞定了。 ? 打开京东试试，就成这样的了，很完整的APP客户端 ?
99310发布于 2019-03-25 【Dify Agent实战】为需求agent赋予双手 —— 工具与联网
Agent能力的边界：什么时候必须调用工具？ 如何利用ReAct+工具，用dify构建一个竞品情报收集官？ 一分钟小知识 1. 何为ReAct？ Agent能力的边界：什么时候需要工具 工具：是 Agent 的“外部世界接口”。 当模型的内部概率空间不够时，去获取确定性信息。 给 Agent 装上手脚：添加“工具” 此处主要添加两个工具，一个搜索工具，一个网页阅读（爬取）的工具。 推荐使用Tavily，添加搜索和提取两个工具。 【解决方案】是添加一个获取当前时间的工具，并且强制让agent在工作 时候先获取当前日期，并在提示词中添加： …… 你需要先调用工具 current_time，获取最新日期 …… 可以看到，同样的问题， 【总结】 ReAct = loop(reson->act->observe) 下期预告 给 Agent 装上“手脚”（工具和联网能力）是巨大的飞跃。现在的它已经能跑腿、能搜索了。
12610编辑于 2026-06-02- 来自专栏人工智能应用
基于 Agent 的股票分析工具
建一个基于 Agent 的股票分析工具或系统，可以采用以下方法和框架，结合 AI Agent 技术与股票市场分析需求，实现选股策略、买卖时机判断、风险控制等功能。 AI Agent 模块：该模块是系统的核心，负责执行选股策略、判断买卖时机、进行风险控制等任务。 可视化与交互模块：提供用户界面，展示分析结果、图表、建议等信息，并支持用户与 AI Agent 的交互。 4 示例代码：基于 AI Agent 的选股策略实现 以下是一个简化的 Python 示例，展示如何使用 LangChain 构建一个基于 LLM 的选股 Agent： from langchain.agents = initialize_agent(tools, llm, agent="structured-chat-zero-shot-react-description", verbose=True) #
1.9K11编辑于 2025-08-01 - 来自专栏老张的求知思考世界
AI Agent Infra领域的工具图谱
因此我才会在前面介绍智能体基础架构的文章中断言道：Agent Infra是Agent落地的关键！因为它涵盖了Agent从开发到部署的完整生命周期。 其中： Environment：提供Agent开发和运行环境，相当于给了Agent一台可自行操作的计算机。 Context：为Agent有效运行提供所需的信息，包括任务相关的背景知识和工具的使用方法。 Tools：使Agent能便捷调用和协作的各类工具，包括各种类型的插件，以实现多样化的任务。 Agent Security：以Agent-native的方式保障Agent的行为与数据在执行过程中的安全与合规。 下面是我查阅很多资料后整理的Agent Infra工具图谱，供大家参考。 一、Environment层 二、Context层 三、Tools层 四、Agent Security层 介绍完AI Agent的基础架构和工具图谱后，下篇文章，我会分享一些对提示词工程的看法，敬请期待
1.2K10编辑于 2025-06-25 Agent设计模式（4）：Tool Use模式——构建安全的多工具Agent
今天这篇，讲的是Agent最实用的能力：Tool Use（工具使用）。 工具调用是Agent区别于聊天机器人的核心能力。 没有工具，Agent就是个会聊天的AI； 有了工具，Agent就是能干活的数字员工。 Tool Use的本质：让Agent写代码执行操作 先搞清楚一个概念：Tool Use不是"让Agent调用工具"，而是"让Agent写代码调用工具"。 ▪ 正确做法：让Agent写代码调用工具 用户：帮我查一下昨天的销售额 Agent思考：需要查询昨天的销售数据。应该使用query_sales工具，参数是date='2026-04-30'。 Agent不是直接调用工具，而是写Python代码，代码里调用工具。 这样做的好处有三个： 第一，工具定义在代码库，不在上下文。
32810编辑于 2026-05-09AI Agent 觉醒时刻：从单点工具到多Agent协作系统的范式革命
AIAgent觉醒时刻：从单点工具到多Agent协作系统的范式革命大家好，我是摘星。今天我们来聊聊一个正在悄然改变AI行业格局的话题——AIAgent的进化。 工具系统就是Agent的"四肢"——它让Agent能够搜索网页、读写文件、执行代码、调用API。 主流的Agent工具调用框架主要基于两个协议：1.Anthropic的ModelAsToolApproachClaude内置了tooluse能力，通过functioncalling机制让模型选择性地调用工具 五、Agent面临的挑战与局限讲了这么多Agent的好，也要正视它存在的问题。5.1可靠性问题Agent系统涉及多次LLM调用和工具执行，每次调用都有失败的可能。 总结AIAgent正在经历从"工具"到"助手"再到"同事"的定位升级。技术架构上，规划引擎、工具系统、记忆系统、多Agent协作框架构成了完整的能力矩阵。
33610编辑于 2026-04-28- 来自专栏AI进修生
A2A + MCP = AI Agent 完全体？AI Agent 既能 “单挑” 工具，又能 “群殴” 任务。
简单说，这图告诉我们 AI Agent 跟外界打交道主要靠两个开放协议： MCP (模型上下文协议): 这是 Agent 用来“插上”外部工具、API 和各种企业应用的“接口”。 图里两个 Agent 中间那条线就是 A2A。 MCP 核心是工具和工具集 (用 JSON schema 通信)。 A2A 看起来更关注 Agent 之间的自然语言交流。 所以，它俩分工明确： MCP 是 Agent 跟“非 Agent”的东西（工具、API）打交道的。 A2A 是 Agent 跟“其他 Agent”打交道的。 即 MCP 和 A2A 是两条腿走路，一个负责对内连接工具和资源，一个负责对外连接其他 Agent 伙伴。它俩是互补的，共同构成了连接 Agent 的开放标准体系。 、工具、上下文。
66510编辑于 2025-04-11 - 来自专栏三掌柜的技术空间
火山引擎Agent Plan，打造AI Agent全能工具箱
作为专为AI Agent打造的一站式解决方案，它深度整合Agent运行所需的模型、工具、执行环境，将分散的能力“装进口袋”，彻底告别“多平台拼凑”的低效开发模式，让Agent开发从繁琐整合转向高效落地。 而工具能力的缺失，让Agent空有“大脑”却无“手脚”，代码运行、实时信息查询等核心执行能力难以落地；再叠加传统按Token计费的模式，高频工具调用、长上下文推理场景下成本飙升，让大规模Agent自动化任务沦为空谈 2、原生工具+专属沙盒，赋予Agent落地“手脚” 区别于传统Agent“纸上谈兵”的短板，Agent Plan搭载专属Harness安全执行环境，让Agent从“对话助手”升级为“任务执行者”。 AI下半场，Agent时代正式开启 AI的竞争，早已从模型能力比拼转向工具调用深度与执行效率的较量。 火山引擎Agent Plan，既是全能工具箱，更是AI Agent落地的加速器。期待与所有开发者一同，抓住Agent时代机遇，解锁AI执行新可能！
32110编辑于 2026-05-19 - 来自专栏openclaw系列
OpenClaw 插件中的 Agent 工具开发指南
Agent 工具是 OpenClaw 插件向大语言模型（LLM）暴露的可调用函数。 这些工具通过 JSON Schema 定义输入参数，并在代理（agent）运行时按需执行，从而扩展 AI 的能力边界——例如调用本地服务、查询数据库、触发工作流等。 四、工具可见性控制策略除了 allow，OpenClaw 还支持多维度工具策略：配置项作用范围说明tools.allow / tools.deny全局控制所有 agent 的默认工具集agents.list [].tools.allow单个 agent覆盖全局策略tools.profile全局或 per-agent基础 allowlist 模板tools.byProvider按模型提供者为不同 LLM 提供商定制工具集 七、总结通过插件注册 Agent 工具，开发者可以安全、灵活地将外部能力注入 AI 代理流程。
72620编辑于 2026-03-15 - 来自专栏CRM日记本
Salesforce实时聊天工具Live Agent介绍
Salesforce Live Agent是原生的Salesforce工具，可让企业和网站的用户实时的进行聊天。 Live Agent是那些客服团队有限但是希望能提供较好的客服回报公司的很好选择，不像电话，一个客服同时只能处理一个来电。利用Live Agent，每个用户可以在同一个屏幕管理多个客服服务。 这些反馈既包含对于工具本身（你下次还会使用Live agent吗？）以及客服的处理效果反馈（此次服务对你有帮助吗？是否解决了你的问题？）。 如果使用调查工具的话，分析范围可进一步增加，可以帮助你衡量你的新的工具以及客服的执行情况等。 ? 你是否需要Live Agent？ —你是否有一个小的支持团队淹没在客户的支持电话中？ 哪些不需要Live Agent？ —支持团队需要完成极其复杂和耗时的故障诊断流程。 —客户支持团队使用像Radian6这样强大的工具来管理来自社交渠道的客户支持。
2.3K20发布于 2019-04-16 - 来自专栏openclaw系列
OpenClaw 插件中的 Agent 工具开发指南
Agent 工具是 OpenClaw 插件向大语言模型（LLM）暴露的可调用函数。 这些工具通过 JSON Schema 定义输入参数，并在代理（agent）运行时按需执行，从而扩展 AI 的能力边界——例如调用本地服务、查询数据库、触发工作流等。 在全局 tools 或特定 agent 的 tools 配置中，通过 allowlist 显式启用： { "agents": { "list": [ { "id dev-assistant", "tools": { "allow": ["run_pipeline"] } }] } } 重启 Gateway 后，该 agent 七、总结 通过插件注册 Agent 工具，开发者可以安全、灵活地将外部能力注入 AI 代理流程。
86520编辑于 2026-03-16 - 来自专栏openclaw系列
OpenClaw 插件代理工具 (Agent Tools) 深度指南
需要控制某些高风险工具的权限（按需开启）。配置多 Agent 架构下的工具隔离策略。 一、什么是 Agent Tools？ 工具分为两类：必需工具 (Required)：插件安装后默认对所有 Agent 可见（除非被全局禁用）。适用于安全、通用的功能。可选工具 (Optional)：默认不可见。 基础工具 (Basic Tool)这是最常见的形式。插件加载后，该工具自动对拥有插件权限的 Agent 可用。 配置层级工具权限可以在两个层级配置：全局层级 (tools)：影响所有 Agent。Agent 层级 (agents.list[].tools)：仅影响特定 Agent，优先级更高。2. *全局当 Agent 运行在沙箱环境时，限制可用的底层系统工具。 四、最佳实践与安全建议1.
1.4K20编辑于 2026-03-18 - 来自专栏java架构计划训练营
浏览器头User-Agent提取工具
* 获取浏览器对象 * @param request * @return */ private static Browser getBrowser(String agent */ private static OperatingSystem getOperatingSystem(String userAgent) { UserAgent agent (); return operatingSystem; } /** * 解析对象 * @param agent * @return (agent); Browser browser = userAgent.getBrowser(); OperatingSystem operatingSystem = .deviceType(deviceType) .os(os) .osVersion(getOSVersion(agent
95620编辑于 2022-10-27 EdgeOne ClawScan：AI Agent安全防护工具概要
一、产品定位与核心亮点 EdgeOne ClawScan是由腾讯朱雀实验室×腾讯云EdgeOne联合推出的AI Agent（文中称“小龙虾”）专用安全防护工具，聚焦AI Agent“高权限、可执行、插件生态丰富 二、产品应用场景 个人用户场景 使用AI Agent作为个人助手、知识问答、任务自动化工具时，面临Skill供应链污染、配置不当致公网暴露、权限滥用引发误操作等风险。 企业/团队用户场景 团队AI助手：多用户并发访问下权限管理复杂，存在未授权访问风险； 自动化客服Agent：对外暴露服务和API接口，面临API滥用、数据爬取、恶意扫描、DDoS攻击、流量劫持与中间人攻击 四、典型案例 客户名称：小龙虾（AI Agent示例） 背景：作为高权限、可执行、插件生态丰富的超级Agent，面临“输入→思考→执行”链路中权限（文件/账号/系统/网络）、技能（Skill执行路径）、 立即体验可通过指定命令触发免费体检，或四步接入EdgeOne套餐（领免费版→域名接入→配置策略→升级可选），助力AI Agent安全服务业务。
48410编辑于 2026-03-31OpenAI发布全新Agent工具，加速智能体开发
这次OpenAI发布的Agent工具，比之前的GPT-4.5有诚意许多。发布了共五个工具，太长不看版：网页搜索工具：基于GPT-4o模型，实时抓取互联网信息并标注引用来源。 Agents SDK：开源框架支持多Agent协作，可定义角色、工具链及安全策略，适用于客户支持、代码审查等场景。这些Agent工具，本质上可以让开发者能够快速自定义自己的Agent智能体。 此外，OpenAI 还为这些 Agent 工具提供了更强的可扩展性和可配置性，使开发者能够结合自身业务需求，构建更加智能化的自动化助手。 写在最后这次，OpenAI这么快的发布全新的Agent工具，被视为对国产Agent产品Manus的回应。由于Manus因在GAIA测试中超越OpenAI的DeepResearch。 导致OpenAI真的急了，所以立刻发布了全套的Agent制作工具。
85220编辑于 2025-03-12- 来自专栏Go工具箱
「Go工具箱」解析http中的user-agent，就用这个包：user_agent
「Go学堂」新推出“Go工具箱”系列，意在给大家分享使用go语言编写的、实用的、好玩的工具。 今天给大家推荐一个解析HTTP请求头中user-agent字段的库：user_agent 。 项目地址 https://github.com/mssola/user_agent 相关知识 user-agent 一、User-Agent是什么 User-Agent叫做用户代理，是HTTP 三、安装user-agent包 使用go get进行安装： go get github.com/mssola/user_agent 四、user-agent包的基本使用 我们看下user-agent 但同时需要考虑各种user-agent中的细微差别。所以该包不仅仅是一个简单的封装，而是需要具有对user-agent在各平台、各种场景下的深入了解才能做到的。 / ---特别推荐--- 特别推荐：一个专注go项目实战、项目中踩坑经验及避坑指南、各种好玩的go工具的公众号。
2.6K10编辑于 2023-01-31 - 来自专栏运维有术
Hermes Agent 工具系统实战解析：40+ 工具为什么不用配置表？
图 1：Hermes Agent 工具系统全景GitHub 上一个不到一年的项目，Star 数冲到了 14.9 万。 整体架构：4 层调用链Hermes Agent 的工具系统分成 4 层，每一层职责清晰：图 2：Hermes Agent 工具系统 4 层架构tools/*.py ← 各工具文件（模块导入时自注册 、组合） ↓run_agent.py/cli.py ← 入口（消费工具定义，驱动 Agent Loop）这 4 层各管各的。 工具调度全流程从模型发起 Function Call 到拿到结果，中间经历了这些步骤：图 3：Hermes Agent 工具调度全流程Agent Loop → handle_function_call( 如果你也在做 Agent 框架或者给 Hermes 写自定义工具，这套注册表模式值得参考。
39610编辑于 2026-05-24 - 来自专栏XINDOO的专栏
Agent设计模式——第 5 章：工具使用（函数调用）
工具执行： Agent 框架或编排层拦截此结构化输出。它识别请求的工具并使用提供的参数执行实际的外部函数。 观察/结果： 工具执行的输出或结果返回给 Agent。 在这些框架的"画布"上，您定义工具，然后配置 Agent（通常是 LLM Agent）以意识到并能够使用这些工具。 工具使用是构建强大、交互式和外部感知 Agent 的基石模式。 用例： 智能家居 Agent。 工具： 控制智能灯的 API。 Agent 流程： 用户说"关闭客厅的灯。"LLM 使用命令和目标设备调用智能家居工具。 它设置了一个简单的场景，其中 Agent 配备了查找信息的工具。该示例专门演示了使用此 Agent 和工具获取模拟股票价格。 LLM 决定何时使用工具并生成结构化函数调用。 Agent 框架执行实际的工具调用并将结果返回给 LLM。 工具使用对于构建可以执行现实世界操作并提供最新信息的 Agent 至关重要。
2.4K10编辑于 2025-10-27 - 来自专栏云云众生s
AI开发工具：如何使用Dagger容器化Agent
这是 Docker 创建者兼 Dagger 首席执行官在 Sourcegraph 的AI 工具之夜聚会（上周在旧金山 Cloudflare 总部举行）上的演讲中得出的结论。 使用读、写和构建工具来完成以下任务： 用户命令被分配给一个 @assignment 变量。 然后他给出了一些最终指示： 不要使用容器工具。 在你的代码构建之前不要构建。 函数是循环的。 他在 LinkedIn 消息中写道：“作为一名自己构建过 agent 的人，我知道构建 AI agent 可能是一项挑战。” “对于 agent，你可能在它尝试遵循的路径上存在特定问题，或者 LLM 输出的工具用法的语法不正确。即使 LLM 的行为符合你的预期，你仍然可能在后端服务方面遇到问题。” Sourcegraph 的 AI 开发工具之夜的整个晚上 可以在这里找到。
47500编辑于 2025-02-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号