摘要
1) 一句话总结
本文档总结了 Claude Tool Use Cookbook 下篇的核心内容，聚焦于通过代码化调用、工具检索、上下文压缩、记忆管理和视觉结合等技术，解决复杂场景下 Agent 的可控性、可扩展性与可观测性，实现工具调用能力的生产化落地。
2) 关键要点
- 核心目标：解决工具数量增多、上下文变长、会话变复杂时的 Agent 管理问题，推动工具调用从“可用”走向“可上线”。
- 代码化工具调用 (PTC)：将工具调度逻辑从 Prompt 中外置为可维护的代码。
- 工具检索 (Tool Search)：通过 Embeddings 检索候选工具，解决企业内部“工具市场”（如上百个工具并存）的动态路由与大规模工具选择问题。
- 上下文压缩 (Context Compaction)：自动压缩上下文，降低 Token 消耗，确保在长周期多轮对话中保持关键信息而不超出上下文限制。
- 记忆管理 (Memory)：沉淀跨轮次经验，减少重复探索成本。
- 视觉与工具结合 (Vision + Tools)：实现多模态执行链路，将图像识别结果接入外部工具链并完成结构化结果回写。
- 架构解耦建议：将“工具选择”和“工具执行”分离，以便于独立进行调优和审计。
- 工程实践建议：为上下文压缩与记忆管理设计显式的触发条件（避免隐式魔法化），并对工具调用链增加日志与指标以复盘失败路径。
正文
下篇聚焦 Tool Use 的生产化能力：当工具数量变多、上下文变长、会话变复杂时，如何让 Agent 依然可控、可扩展、可观测。这组 notebook 是从“可用”走向“可上线”的关键补充。
能力主线
- Programmatic Tool Calling：把工具调度逻辑从 prompt 外置为可维护代码。
- Tool Search：通过 embeddings 检索候选工具，解决大规模工具库选择问题。
- Context Compaction：自动压缩上下文，降低 token 消耗并延长会话寿命。
- Memory 管理：沉淀跨轮次经验，减少重复探索成本。
- Vision + Tools：将图像理解结果接入外部工具链完成后续动作。
典型场景
- 企业内部“工具市场”：上百工具并存时的动态路由。
- 长周期任务：多轮对话中保持关键信息而不爆上下文。
- 多模态执行链路：视觉识别 + 工具调用 + 结构化结果回写。
示例代码
import json
import anthropic
from utils.team_expense_api import get_custom_budget, get_expenses, get_team_members
client = anthropic.Anthropic()
tools = [
{
"name": "get_team_members",
"description": "Returns a list of team members for a given department.",
"input_schema": {
"type": "object",
"properties": {
"department": {"type": "string"}
},
"required": ["department"],
},
},
]使用建议
- 将“工具选择”和“工具执行”分离，便于独立调优和审计。
- 给 compaction 与 memory 设计显式触发条件，不要隐式魔法化。
- 对工具调用链增加日志与指标，便于复盘失败路径。
相关文档
- Claude Tool Use Cookbook 实战清单上篇；关联理由：版本演进；说明：两篇同属 Tool Use Cookbook 的连续整理，上篇提供基础能力，下篇聚焦生产化能力扩展。
- 工具搜索工具；关联理由：解说；说明：下篇覆盖 tool search notebook，关联文提供官方文档级机制说明与接口细节。
- 在 Claude 开发者平台引入高级工具使用功能；关联理由：同一事件；说明：该文发布了 tool search 与 programmatic tool calling，和本文覆盖的下篇 notebook 能力一一对应。