Přidání nástrojů

Předchozí stránka ukázala, jak zabalení LLM do agenta poskytuje trvalou identitu, pokyny a správu relací. Ale i když je to všechno, agent může generovat pouze obsah (text, obrázky atd.) – nemůže vyhledat dnešní cenu akcií, odeslat e-mail nebo dotazovat databázi. Odpovídá ze znalostí, které bylo při trénování upečeno, a z jakéhokoliv kontextu, který zadáte v zadání.

Nástroje tuto mezeru překlenou. Dávají agentovi možnost jednat – dosáhnout nad rámec svých trénovacích dat a komunikovat s reálným světem. Přidání nástrojů je jediný nejvýraznější krok, který můžete provést, aby byl agent skutečně užitečný.

Kdy to použít

Přidejte do svého agenta nástroje, když:

• Agent potřebuje přístup k datům v reálném čase nebo externím datům – aktuální ceny, počasí, databázové záznamy, výsledky hledání – které nejsou v trénovacích datech modelu.
• Agent musí provádět akce – odesílání e-mailů, vytváření lístků, volání rozhraní API, psaní souborů – místo pouhého vytváření obsahu.

Úvahy

Proč agenti potřebují nástroje

Jak je popsáno v základech LLM, je LLM vytrénován tak, aby vygeneroval tokeny – včetně speciálního strukturovaného formátu, který představuje volání nástroje. Samotný model ale nic nespustí. Je to vaše aplikace (neboli Agent Framework), která parsuje výstup modelu, spouští skutečnou funkci a vrací výsledek zpět.

To znamená, že nástroje nemění to, co model je – mění, co může váš agent dělat. Bez nástrojů je agent pouze konverzátor. Pomocí nástrojů se stane operátorem.

Zvažte cestovního agenta. Bez nástrojů může diskutovat o letech a navrhovat itineráře na základě obecných znalostí. Pomocí nástrojů může:

• Vyhledejte v API pro lety dostupnost a ceny v reálném čase
• Rezervace letu jménem uživatele

Každá z těchto akcí vyžaduje nástroj – část kódu, který může agent vyvolat pro interakci s vnějším světem.

Jak funguje procedura volání nástrojů

Když dáte agentovi nástroje, agent Framework automaticky spravuje smyčku volání nástrojů:

┌──────────────────────────────────────────────────────┐
│  User: "What's the weather in Seattle?"              │
└──────────────┬───────────────────────────────────────┘
               ▼
┌──────────────────────────────────────────────────────┐
│  Agent sends messages + tool definitions to LLM      │
└──────────────┬───────────────────────────────────────┘
               ▼
       ┌───────────────┐
       │ LLM responds  │
       └───┬───────┬───┘
           │       │
     Tool call?    No ──────────────────────────┐
           │                                    │
           ▼                                    ▼
┌─────────────────────────────┐   ┌─────────────────────────────┐
│  Agent Framework executes   │   │  Final response:            │
│  the tool (e.g.,            │   │  "It's cloudy in Seattle    │
│  get_weather("Seattle"))    │   │   with a high of 15°C."     │
└──────────────┬──────────────┘   └─────────────────────────────┘
               │
               ▼
┌─────────────────────────────┐
│  Agent sends tool result    │
│  back to the LLM            │
└──────────────┬──────────────┘
               │
               └──────► (back to "LLM responds")

klíčové body:

1. Smyčku nemusíte psát. Agent Framework zpracovává zjišťování volání nástrojů v odpovědi modelu, spouštění nástrojů a předávání výsledků zpět. Definujete nástroje; architektura orchestruje zbytek.
2. Více volání nástrojů na turnu Model může volat několik nástrojů (potenciálně paralelně) před vytvořením konečné odpovědi – nebo řetězení volání nástrojů, kde výstup jednoho udává směr pro další.
3. Model určuje, kdy volat nástroje. Na základě požadavku uživatele a popisů nástrojů, které zadáte, model posuzuje, jestli je nástroj potřeba. Dobré popisy nástrojů vedou k lepšímu výběru nástrojů.

Typy nástrojů

Agent Framework podporuje několik kategorií nástrojů. Výběr správného agenta závisí na tom, co potřebujete, aby agent udělal a kde se funkce nachází.

Nástroje funkcí

Nástroje funkcí jsou vlastní funkce, které zapisujete a zaregistrujete u agenta. Běží ve vašem procesu a poskytuje úplnou kontrolu nad logikou, hranicemi zabezpečení a zpracováním chyb.

Nástroje funkcí používejte v případech:

• Máte vlastní obchodní logiku, kterou agent potřebuje vyvolat (dotazování databáze, volání interního rozhraní API, provedení výpočtu)
• Abyste mohli nástroj spustit ve svém prostředí a mít přístup ke svým prostředkům, potřebujete nástroj.
• Chcete typovou bezpečnost během kompilace a testovatelnost.

Nástroje funkcí jsou nejběžnějším a flexibilním typem nástrojů. Většina agentů začíná tady.

Nástroje MCP (Model Context Protocol)

MCP je otevřený standard, který definuje, jak aplikace poskytují nástroje pro LLM. Místo psaní logiky nástrojů sami se připojíte k serveru MCP , který zveřejňuje sadu nástrojů přes standardní protokol – podobně jako rozhraní REST API zveřejňuje koncové body.

Agent Framework podporuje dvě varianty:

Nástroje MCP používejte v případech:

• Předem připravený server MCP již poskytuje potřebné možnosti.
• Chcete opakovaně používat nástroje napříč několika agenty nebo aplikacemi prostřednictvím sdíleného serveru.
• Integrujete se se službou třetí strany, která zveřejňuje koncový bod MCP.

Nástroje hostované poskytovatelem

Někteří poskytovatelé nabízejí integrované nástroje, které běží v infrastruktuře poskytovatele – nevyžaduje se žádný místní kód. Tady jsou některé z nich:

Nástroje hostované poskytovatelem použijte, když:

• Potřebujete funkce, jako je spouštění kódu nebo vyhledávání na webu bez nutnosti vytvářet nebo hostovat nástroj sami.
• Poskytovatel už nabízí spravovanou verzi, která splňuje vaše požadavky.

Výběr správného typu nástroje

Důležité popisy nástrojů

Model vybere nástroje na základě jejich názvů a popisů. Nejasný popis vede ke špatnému výběru nástrojů – model může volat nesprávný nástroj, přeskočit nástroj, který by měl použít, nebo předat nesprávné argumenty.

Napište popisy nástrojů stejným způsobem, jakým byste napsali dokument rozhraní API: řekněte, co nástroj dělá, co každý parametr znamená a co vrací. Jasnější popis, tím lepší je úsudek modelu.

Schválení nástroje: human-in-the-loop

Některé akce jsou citlivé – převod peněz, odstranění záznamů, odesílání e-mailů. Možná nebudete chtít, aby agent tyto nástroje spouštěl samostatně. Schválení nástroje vám umožní před spuštěním nástroje vyžadovat potvrzení člověka.

Když je nástroj označený jako vyžadování schválení, agent se před provedením pozastaví a vrátí odpověď, která indikuje, že schválení je potřeba. Vaše aplikace zodpovídá za prezentaci uživateli a předání rozhodnutí zpět.

Tento model se často nazývá human-in-the-loop a je nezbytné pro vytváření důvěryhodných agentů, kteří zpracovávají následné akce.

Běžné nástrahy

Zvláštní zmínka: Nástroj interpreta kódu

Jak je popsáno v základech LLM, LLM mohou provádět chyby v přesných výpočtech a formální logikě. Důvodem je, že LLM generují odpovědi token po tokenu na základě porovnávání vzorů – ve skutečnosti nepočítají. LLM není při požádání o vynásobení dvou velkých čísel aritmetiku; predikuje, jak by odpověď měla vypadat na základě trénovacích dat. To funguje překvapivě často, ale na hraničních případech selhává nepředvídatelně.

Interpret kódu to vyřeší tím, že agentovi umožní zapisovat a spouštět kód v prostředí v izolovaném prostoru (sandbox). Model místo odhadu odpovědi napíše Python skript, který ho vypočítá přesně, spustí ho a použije ověřený výsledek v odpovědi.

Dejte agentovi interpret kódu, kdy ho potřebuje.

• Provádění přesných výpočtů – finanční modelování, statistická analýza, převody jednotek – kde není přijatelný přibližný "nejlepší odhad".
• Transformace nebo analýza dat – parsování CSV souborů, agregace řádků, generování grafů nebo změna tvaru strukturovaných dat.
• Zpracování souborů – čtení nahraných dokumentů, extrakce obsahu, převod formátů nebo generování nových souborů
• Ověřte vlastní odůvodnění – napište testovací kód, který před předložením uživateli ověří logické tvrzení.

Další kroky

Jakmile má váš agent nástroje, v dalším kroku se dozvíte o dovednostech – přenosných balíčcích instrukcí, referenčních materiálů a skriptů, které poskytují agentům odborné znalosti v doméně, které můžou načíst na vyžádání.

Jděte hlouběji:

• Přehled nástrojů – všechny typy nástrojů a matice podpory poskytovatelů
• Nástroje funkcí – podrobné referenční informace k nástrojům funkcí
• Hostované nástroje MCP – servery Microsoft Foundry MCP nebo jiní poskytovatelé
• Místní nástroje MCP – vlastní servery MCP
• Schválení nástrojů – human-in-the-loop for tools
• Krok 2: Přidání nástrojů – praktická výuka