构建有效的Agent
在过去的一年中，我们与数十个团队合作，在各个行业构建大型语言模型（LLM）Agent。一致的是，最成功的实现并没有使用复杂的框架或专门的库。相反，他们使用的是简单、可组合的模式。
在这篇文章中，我们分享了我们从与客户合作和自己构建Agent的过程中学到的东西，并为开发者提供构建有效Agent的实用建议。
什么是Agent？
“Agent”可以用几种方式来定义。一些客户将Agent定义为完全自主的系统，可以在较长的时间内独立运行，使用各种工具来完成复杂的任务。另一些人则使用这个术语来描述更具规范性的实现，它们遵循预定义的工作流程。在 Anthropic，我们将所有这些变体归类为 Agent系统，但在 工作流程 和 Agent 之间做出了重要的架构区分：
- 工作流程 是指通过预定义的代码路径来编排 LLM 和工具的系统。
- Agent，另一方面，是指 LLM 动态地指导其自身过程和工具使用，保持对其如何完成任务的控制的系统。
下面，我们将详细探讨这两种类型的Agent系统。在附录 1（“实践中的Agent”）中，我们描述了客户发现使用这些类型系统具有特殊价值的两个领域。
何时（以及何时不）使用Agent
在使用 LLM 构建应用程序时，我们建议找到最简单的解决方案，并且仅在需要时增加复杂性。这可能意味着根本不构建Agent系统。Agent系统通常会牺牲延迟和成本来换取更好的任务性能，您应该考虑何时这种权衡是有意义的。
当需要更多复杂性时，工作流程为定义明确的任务提供了可预测性和一致性，而当需要灵活性和模型驱动的决策时，Agent是更好的选择。然而，对于许多应用程序，使用检索和上下文示例优化单个 LLM 调用通常就足够了。
何时以及如何使用框架
有许多框架可以使Agent系统更容易实现，包括：
- LangChain 的 LangGraph；
- Amazon Bedrock 的 AI Agent框架；
- Rivet，一个拖放式 GUI LLM 工作流程构建器；以及
- Vellum，另一个用于构建和测试复杂工作流程的 GUI 工具。
这些框架通过简化调用 LLM、定义和解析工具以及将调用链接在一起等标准底层任务，使入门变得容易。然而，它们通常会创建额外的抽象层，这会模糊底层提示和响应，使其更难调试。当一个更简单的设置就足够时，它们也会让人更容易增加复杂性。
我们建议开发者直接使用 LLM API 入手：许多模式可以用几行代码实现。如果您确实使用了框架，请确保您了解底层代码。对底层代码的错误假设是客户错误的常见来源。
请参阅我们的 cookbook 以获取一些示例实现。
构建模块、工作流程和Agent
在本节中，我们将探讨我们在生产中看到的Agent系统的常见模式。我们将从我们的基础构建模块——增强型 LLM 开始，并逐步增加复杂性，从简单的组合工作流程到自主Agent。
构建模块：增强型 LLM
Agent系统的基本构建模块是增强了检索、工具和记忆等增强功能的 LLM。我们目前的模型可以积极地使用这些功能——生成它们自己的搜索查询，选择合适的工具，并决定保留哪些信息。
我们建议关注实现的两个关键方面：根据您的特定用例定制这些功能，并确保它们为您的 LLM 提供一个简单、文档完善的接口。虽然有很多方法可以实现这些增强功能，但一种方法是通过我们最近发布的 MCP(model-context-protocol)/模型上下文协议，该协议允许开发者通过简单的 客户端实现 与不断增长的第三方工具生态系统集成。
在本帖的其余部分，我们将假设每个 LLM 调用都可以访问这些增强功能。
工作流程：Prompt chaining
Prompt chaining 将任务分解为一系列步骤，其中每个 LLM 调用都会处理前一个调用的输出。您可以在任何中间步骤中添加程序性检查（请参阅下图中的“门”）以确保该过程仍在轨道上。
何时使用此工作流程： 此工作流程非常适合可以将任务轻松干净地分解为固定子任务的情况。主要目标是通过使每个 LLM 调用成为更简单的任务，从而牺牲延迟来换取更高的准确性。
))
提示链接有用的示例：
- 生成营销文案，然后将其翻译成另一种语言。
- 编写文档大纲，检查大纲是否符合某些标准，然后根据大纲编写文档。
工作流程：路由
路由对输入进行分类，并将其定向到专门的后续任务。此工作流程允许关注点分离，并构建更专业的提示。如果没有此工作流程，优化一种类型的输入可能会损害其他输入的性能。
何时使用此工作流程： 当存在最好单独处理的不同类别，并且可以通过 LLM 或更传统的分类模型/算法准确处理分类时，路由效果良好。
路由有用的示例：
- 将不同类型的客户服务查询（一般问题、退款请求、技术支持）定向到不同的下游流程、提示和工具。
- 将简单/常见的问题路由到较小的模型（如 Claude 3.5 Haiku），并将困难/不寻常的问题路由到功能更强大的模型（如 Claude 3.5 Sonnet），以优化成本和速度。
工作流程：并行化
LLM 有时可以同时处理一项任务，并通过编程方式聚合其输出。此工作流程（并行化）体现在两个关键变体中：
- 分段： 将任务分解为并行运行的独立子任务。
- 投票： 多次运行同一任务以获得不同的输出。
何时使用此工作流程： 当可以并行化划分的子任务以提高速度，或者当需要多个视角或尝试以获得更高置信度的结果时，并行化是有效的。对于具有多个考虑因素的复杂任务，LLM 通常在每个考虑因素由单独的 LLM 调用处理时表现更好，从而可以专注于每个特定方面。
并行化有用的示例：
- 分段：
- 实施护栏，其中一个模型实例处理用户查询，而另一个模型实例筛选它们是否存在不当内容或请求。这往往比让同一个 LLM 调用处理护栏和核心响应效果更好。
- 自动化评估以评估 LLM 性能，其中每个 LLM 调用评估模型在给定提示下性能的不同方面。
- 投票：
- 审查一段代码是否存在漏洞，其中多个不同的提示审查代码并在发现问题时标记代码。
- 评估一段给定内容是否不适当，使用多个提示评估不同的方面或需要不同的投票阈值来平衡误报和漏报。
工作流程：协调器-工作器
在协调器-工作器工作流程中，中央 LLM 动态地分解任务，将其委托给工作器 LLM，并综合它们的结果。
何时使用此工作流程： 此工作流程非常适合无法预测所需子任务的复杂任务（例如，在编码中，需要更改的文件数量以及每个文件中更改的性质可能取决于任务）。虽然在地形上相似，但与并行化的主要区别在于其灵活性——子任务不是预定义的，而是由协调器根据特定输入确定的。
协调器-工作器有用的示例：
- 每次都对多个文件进行复杂更改的编码产品。
- 涉及从多个来源收集和分析信息以获取可能相关信息的搜索任务。
工作流程：评估器-优化器
在评估器-优化器工作流程中，一个 LLM 调用生成响应，而另一个 LLM 调用在循环中提供评估和反馈。
何时使用此工作流程： 当我们有明确的评估标准，并且迭代改进提供了可衡量的价值时，此工作流程特别有效。良好契合的两个迹象是，首先，当人类表达反馈时，LLM 响应可以明显改进；其次，LLM 可以提供此类反馈。这类似于人类作家在制作润色过的文档时可能会经历的迭代写作过程。
评估器-优化器有用的示例：
- 文学翻译，其中可能存在翻译器 LLM 最初可能无法捕捉到的细微差别，但评估器 LLM 可以提供有用的批评。
- 需要多轮搜索和分析以收集全面信息的复杂搜索任务，其中评估器决定是否需要进一步搜索。
Agent
随着 LLM 在关键功能（理解复杂输入、进行推理和规划、可靠地使用工具以及从错误中恢复）方面日趋成熟，Agent正在生产中涌现。Agent从人类用户的命令或互动讨论开始其工作。一旦任务明确，Agent就会独立计划和操作，可能会返回给人类以获取更多信息或判断。在执行过程中，Agent必须在每个步骤（例如，工具调用结果或代码执行）中从环境中获得“真实情况”，以评估其进度。然后，Agent可以在检查点或遇到障碍时暂停以获取人工反馈。任务通常在完成时终止，但通常也包括停止条件（例如，最大迭代次数）以保持控制。
Agent可以处理复杂的任务，但它们的实现通常很简单。它们通常只是在循环中使用基于环境反馈的工具的 LLM。因此，至关重要的是要清晰且周到地设计工具集及其文档。我们在附录 2（“提示工程您的工具”）中扩展了工具开发的最佳实践。
何时使用Agent： Agent可用于开放式问题，在这些问题中，很难或不可能预测所需的步骤数量，并且您无法硬编码固定路径。LLM 可能会运行多个回合，并且您必须对其决策制定有一定的信任度。Agent的自主性使其非常适合在可信环境中扩展任务。
Agent的自主性意味着更高的成本和潜在的复合错误。我们建议在沙盒环境中进行广泛的测试，并采取适当的防护措施。
Agent有用的示例：
以下示例来自我们自己的实现：
- 一个编码Agent，用于解决 SWE-bench 任务，这些任务涉及根据任务描述对许多文件进行编辑；
- 我们的 “计算机使用”参考实现，其中 Claude 使用计算机来完成任务。
组合和自定义这些模式
这些构建模块不是规定性的。它们是开发者可以塑造和组合以适应不同用例的常见模式。与任何 LLM 功能一样，成功的关键在于衡量性能并迭代实现。重申一遍：您应该只在结果明显改善的情况下考虑增加复杂性。
总结
在 LLM 领域的成功并不在于构建最复杂的系统。而在于构建适合您需求的 正确 系统。从简单的提示开始，通过全面的评估对其进行优化，并且仅在较简单的解决方案不足时才添加多步骤Agent系统。
在实施Agent时，我们尝试遵循三个核心原则：
- 在Agent的设计中保持 简洁。
- 通过明确显示Agent的规划步骤来优先考虑 透明度。
- 通过全面的工具 文档和测试 来精心设计您的Agent-计算机接口 (ACI)。
框架可以帮助您快速入门，但在您转向生产时，请毫不犹豫地减少抽象层并使用基本组件进行构建。通过遵循这些原则，您可以创建不仅功能强大，而且可靠、可维护并受到用户信任的Agent。
致谢
由 Erik Schluntz 和 Barry Zhang 撰写。这项工作借鉴了我们在 Anthropic 构建Agent的经验以及我们客户分享的宝贵见解，对此我们深表感谢。
附录 1：实践中的Agent
我们与客户的合作揭示了 AI Agent的两个特别有希望的应用，它们展示了上述讨论的模式的实际价值。这两个应用程序都说明了Agent如何为既需要对话又需要操作、具有明确的成功标准、启用反馈循环以及集成有意义的人工监督的任务增加最大价值。
A. 客户支持
客户支持将熟悉的聊天机器人界面与通过工具集成增强的功能相结合。这非常适合更开放的Agent，因为：
- 支持交互自然地遵循对话流程，同时需要访问外部信息和操作；
- 可以集成工具来提取客户数据、订单历史记录和知识库文章；
- 可以以编程方式处理诸如发出退款或更新工单之类的操作；并且
- 可以通过用户定义的解决方案清楚地衡量成功。
一些公司已经通过仅针对成功解决方案收费的基于使用情况的定价模型证明了这种方法的可行性，这表明了他们对Agent有效性的信心。
B. 编码Agent
软件开发领域展示了 LLM 功能的巨大潜力，其功能从代码完成发展到自主解决问题。Agent特别有效，因为：
- 可以通过自动化测试验证代码解决方案；
- Agent可以使用测试结果作为反馈来迭代解决方案；
- 问题空间定义明确且结构化；并且
- 可以客观地衡量输出质量。
在我们自己的实现中，Agent现在可以仅根据拉取请求描述来解决 SWE-bench Verified 基准中的实际 GitHub 问题。然而，虽然自动化测试有助于验证功能，但人工审查对于确保解决方案符合更广泛的系统要求仍然至关重要。
附录 2：提示工程您的工具
无论您构建哪种Agent系统，工具都可能是您Agent的重要组成部分。工具 使 Claude 能够通过在我们 API 中指定其确切的结构和定义来与外部服务和 API 交互。当 Claude 响应时，如果它计划调用工具，它将在 API 响应中包含一个 工具使用块。工具定义和规范应与您的整体提示一样受到提示工程的关注。在本简短的附录中，我们将描述如何提示工程您的工具。
通常有几种方法可以指定相同的操作。例如，您可以通过编写差异或通过重写整个文件来指定文件编辑。对于结构化输出，您可以在 Markdown 或 JSON 中返回代码。在软件工程中，这些差异是表面上的，并且可以从一种格式无损地转换为另一种格式。但是，某些格式对于 LLM 而言比其他格式更难编写。编写差异需要知道在编写新代码之前块头中有多少行正在更改。在 JSON（与 Markdown 相比）中编写代码需要额外转义换行符和引号。
我们关于决定工具格式的建议如下：
- 在模型将自己写入死角之前，给模型足够的令牌来“思考”。
- 使格式接近模型在互联网上的文本中自然出现的形式。
- 确保没有格式“开销”，例如必须准确计算数千行代码，或对它编写的任何代码进行字符串转义。
一个经验法则是考虑人机界面 (HCI) 需要付出多少努力，并计划投入同样多的精力来创建良好的 Agent 计算机接口 (ACI)。以下是一些关于如何做到这一点的想法：
- 将自己置于模型的角度。根据描述和参数，使用此工具是否显而易见，还是需要仔细考虑？如果是这样，那么对于模型来说可能也是如此。一个好的工具定义通常包括示例用法、边缘情况、输入格式要求以及与其他工具的明确界限。
- 如何更改参数名称或描述以使事情更明显？将其视为为团队中的初级开发人员编写出色的文档字符串。当使用许多类似的工具时，这一点尤其重要。
- 测试模型如何使用您的工具：在我们的 工作台 中运行许多示例输入，以查看模型会犯什么错误，并进行迭代。
- Poka-yoke 您的工具。更改参数，使其更难犯错。
在为 SWE-bench 构建我们的Agent时，我们实际上花费了更多的时间来优化我们的工具，而不是整体提示。例如，我们发现模型在使用相对文件路径的工具在Agent移出根目录后会犯错。为了解决这个问题，我们更改了工具以始终需要绝对文件路径——我们发现模型完美地使用了此方法。