Использование инструментов

Структурированный интерфейс, позволяющий ИИ вызывать внешние функции и API

Безопасно выполняет сгенерированный LLM код в изолированных средах для вычислений и обработки данных

Стандартизированный протокол для обмена контекстом и возможностями между ИИ-моделями и инструментами

Предоставляет агенту единый унифицированный интерфейс инструмента, тогда как внутренний control plane направляет каждый запрос к нужному инструменту, сервису или модели за ним. Промпт агента остаётся стабильным по мере развития каталога инструментов, а аутентификация, политики, ограничение частоты запросов и наблюдаемость обеспечиваются в одном месте.

Агенты работают с графическими интерфейсами (десктоп, браузер или мобильное устройство) так же, как это делает человек: считывают скриншоты и выполняют действия мышью и клавиатурой вместо вызова API. Основная сложность заключается в привязке к GUI (GUI grounding): сопоставление намерения с точными координатами пикселей на экране. Агент выполняет цикл из создания скриншота, рассуждения, действия и наблюдения, пока задача не будет завершена.

Возможности, упакованные в виде самодостаточных папок. Каждый навык представляет собой файл SKILL.md с YAML-фронтматтером (имя и описание), а также с необязательными скриптами и ресурсами. Агенты обнаруживают навыки по их метаданным и загружают их через три уровня прогрессивного раскрытия: прочитать имя и описание, чтобы оценить релевантность, после активации загрузить полный файл SKILL.md, а затем по мере необходимости выполнять входящие в комплект скрипты и ресурсы. Это позволяет сохранять контекст небольшим, предоставляя при этом множество возможностей, а сам формат является открытым стандартом, принятым разными поставщиками.

Когда агенту доступны сотни или тысячи инструментов или MCP-серверов, загрузка каждой схемы в промпт обходится дорого и снижает точность выбора. Извлечение инструментов индексирует определения инструментов и для каждого запроса извлекает только семантически релевантные из них (поиск по эмбеддингам, активное обнаружение и переранжирование), прежде чем модель сделает выбор. RAG-MCP сообщает, что точность выбора инструментов возрастает примерно с 13 до 43 процентов при сокращении числа токенов промпта более чем вдвое.

Гарантирует соответствие вывода модели схеме за счёт ограничения декодирования. JSON Schema, регулярное выражение или грамматика компилируются в конечный автомат, и на каждом шаге декодирования токены, которые нарушили бы схему, маскируются, так что можно сэмплировать только допустимые продолжения. В строгом режиме это делает невозможными некорректный JSON и недопустимые аргументы инструментов. Функция доступна нативно в OpenAI, Google и Anthropic, а также в открытых библиотеках, таких как Outlines и vLLM.

Вместо того чтобы выдавать по одному JSON-вызову инструмента за ход, пространством действий агента становится исполняемый код, который оркестрирует инструменты с помощью циклов, условий и переменных. Один блок кода может вызывать множество инструментов, ветвиться в зависимости от результатов и хранить промежуточные данные в среде выполнения, а не передавать каждый результат обратно через контекстное окно. Anthropic сообщает о сокращении числа токенов примерно на 98 процентов в некоторых мультиинструментальных рабочих процессах, когда инструменты вызываются из кода через MCP.

Специальный «think»-инструмент без побочных эффектов (Anthropic), объявленный в схеме инструментов агента, который модель вызывает в середине траектории, чтобы добавить структурированное рассуждение между результатом инструмента и следующим действием. Вызов не имеет внешнего эффекта и не возвращает ничего полезного: он просто даёт модели контрольную точку, чтобы перечитать политику, проверить ограничения и спланировать действия, прежде чем действовать внутри длинной цепочки вызовов инструментов. Anthropic сообщает об относительном улучшении на 54 % по метрике pass^1 airline из tau-bench (0.570 против базового значения 0.370), когда инструмент сочетается с промптом, показывающим, как его использовать. Отличается от `metacognitive-monitoring`: та запись описывает общую способность отслеживать собственные рассуждения, тогда как think tool представляет собой конкретный механизм на уровне схемы инструментов для этого, отдельный от расширенного мышления или мышления во время инференса, происходящего до первого ответа.

Единая управляемая точка входа MCP, которая как обратный прокси располагается перед множеством серверных MCP-серверов и федерирует их инструменты в единую курируемую, управляемую поверхность инструментов, к которой подключается агент. Каждый вызов инструмента проходит через шлюз, который обеспечивает централизованную аутентификацию, авторизацию на уровне отдельного инструмента, отделяющую личность вызывающей стороны от прав нижестоящего сервера, проверку политик, ограничение частоты запросов, ведение журнала аудита и телеметрию. Это превращает разросшуюся груду независимо развёрнутых серверов в единый контролируемый контракт интеграции, благодаря чему инструменты можно курировать, версионировать и отзывать, не затрагивая каждого агента. Отличается от `control-plane`: плоскость управления представляет собой общий паттерн предоставления единого интерфейса с внутренней маршрутизацией к любому инструменту, сервису или модели, тогда как MCP-шлюз представляет собой специфичную для экосистемы MCP реализацию, ориентированную на федерирование множества MCP-серверов и управление общей поверхностью доступа к инструментам.